欢迎光临散文网 会员登陆 & 注册

因子模型:套利定价理论APT

2022-11-26 15:34 作者:玛莉真  | 我要投稿

套利定价理论APT(arbitrage pricing theory)由Stephen A.Ross在1976年提出。

因子的暴露系数(factor exposures)表示为(%5Cbeta_%7B1%7D%2C%5Cbeta_%7B2%7D%2C%5Cbeta_%7B3%7D%2C...%2C%5Cbeta_%7Bk%7D),各种因子的回报表示为(r_%7B1%7D%2Cr_%7B2%7D%2Cr_%7B3%7D%2C...%2Cr_%7Bk%7D),那个这个股票的回报表示为:

用APT模型表示股票的回报

其中r_%7Be%7D表示特别回报,就是因子无法解释的那一部分回报。APT模型假设这个特别回报跟其它的因子回报或者其它股票的特别回报是不相关的。

股票的风险可以用回报的方差衡量。这个方法最先由Markowitz提出。

接下来,看一个两个因子的模型:

股票的回报
股票的回报由两个因子的回报决定

股票的风险就是股票回报的方差。

股票回报的方差

我们可以用附录中关于方差的公式求得上述式子。也可以用一个技巧,看以下式子:

股票回报的平方

只要把股票回报的平方式子中的r%5E2%20表示为var(r),r_%7B1%7Dr_%7B2%7D表示为cov(r_%7B1%7D%2Cr_%7B2%7D)就会得到股票的方差。因为r_%7Be%7Dr_%7B1%7D或者r_%7B2%7D都是不相关的,所以它们的协方差不会出现在股票回报的方差的式子中。

股票回报的方差也可以表示为:

股票回报的方差的矩阵表示

简化上面这个式子,用另一种表示方法:

股票回报的方差另一种表示方法,也就是说股票回报的方差由一般因子回报的方差以及特别回报的方差两部分组成。

更进一步,把这个式子再表示成:

一般因子(common factor)的回报方差加上特别回报的方差

这个式子可以用下图形象地表示。

风险简图

回到下面这个式子:

股票回报的方差的矩阵表示

构造一个因子模型需要提供的参数包括了:

1、因子暴露系数矩阵(factor exposure matrix),记做X。如果有N个股票,k个因子,那么这个矩阵就是一个N%5Ctimes%20k的矩阵。

2、因子协方差矩阵(factor covariance matrix),记做V

3、特定方差矩阵(specific variance matrix),记做%5CDelta%20。如果有N个股票,那么这个矩阵是一个N%5Ctimes%20N的矩阵,其对角线上的元素即为特定方差(specific variances),又由于特定方差之间假定是不相关的,所以其非对角线上的元素为0。

附录:用到的一些公式


因子模型:套利定价理论APT的评论 (共 条)

分享到微博请遵守国家法律