[請益] 愛爾蘭etf因子投資曝險？

看板Foreign_Inv作者 (長不大的死中二)時間2年前 (2023/04/08 22:34), 2年前編輯推噓23(23推 0噓 149→)
留言172則, 7人參與, 2年前最新討論串1/2 (看更多)
前幾天來版上詢問鬧笑話之後反省自己的心態問題 發覺癥結點在自己功課作不夠多 信仰不足所以難以忍受與大盤的追蹤誤差 也不了解對長期投資來說 10年回測結果也是近因偏誤（美國or全球分散?) 但我還是習慣利用回測作為理解與加深信心的手段 所以最近一直回測發現幾個問題想請教 第一 光是統合英美etf 做回測就有困難 大多數網站要不英股要不美股 etf 遑論第二 查詢因子曝險這塊 光是版上推jpgl 我不知從何查找因子曝險程度 我上etf官網也沒有因子曝險相關圖表 只有所持資產類別（工程、能源etc)與地區等等 只有美股能輕鬆查找因子曝險 第三 https://i.imgur.com/7OOYWe0.jpg
由以上圖表 數字黑體代表有意義 但真的可以藉由數值大小比較曝險程度？ 還是有需要考慮模型解釋力R^2這塊？ 最後 有沒有比較好的非美價值 動能etf ? 其實avdv 跟imom 也不錯 但是因子曝險還是低於美國版 而且股息稅大幅增加成本 問題很多 希望前輩幫忙解惑 感謝！ ----- Sent from JPTT on my iPhone -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.52.42.95 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Foreign_Inv/M.1680964487.A.3C8.html ※ 編輯: kaijai10439 (27.52.42.95 臺灣), 04/08/2023 22:35:43
推
04/08 23:03, 2年前 , 1F
你可以試看看 https://f4ratk.web.app/
04/08 23:03, 1F
→
04/08 23:05, 2年前 , 2F
不過這個網站是吃yahoo的報價資訊的。一來，yahoo的報價有時
04/08 23:05, 2F
→
04/08 23:06, 2年前 , 3F
會出錯。二來，通常建議用NAV跑回歸會比用price跑回歸的效果
04/08 23:06, 3F
→
04/08 23:06, 2年前 , 4F
好。但至少這網站美股、英股都能吃，只要yahoo有提供報價。
04/08 23:06, 4F
→
04/08 23:08, 2年前 , 5F
你也可以去ETF官網下載NAV的歷史資料，整理成檔案餵給這網站
04/08 23:08, 5F
推
04/08 23:16, 2年前 , 6F
嗯，這網站的yahoo報價feed遇到某些問題，所以ticker功能目
04/08 23:16, 6F
→
04/08 23:16, 2年前 , 7F
前是不能用的，但餵檔案的功能似乎是好的。
04/08 23:16, 7F
推
04/08 23:28, 2年前 , 8F
至於你的第三個問題...It's a good question.
04/08 23:28, 8F
→
04/08 23:30, 2年前 , 9F
有一個基礎的問題是，因子模型到底是predictive model，還是
04/08 23:30, 9F
→
04/08 23:31, 2年前 , 10F
explanatory model?
04/08 23:31, 10F
→
04/08 23:34, 2年前 , 11F
explanatory會比較重視有沒有統計上顯著，R^2比較不重要。
04/08 23:34, 11F
→
04/08 23:35, 2年前 , 12F
predictive則比較重視 R^2、AUC等等，p-value相對不重要。
04/08 23:35, 12F
→
04/08 23:40, 2年前 , 13F
因子模型或許其實是試圖用predictive modelling的方法論去做
04/08 23:40, 13F
→
04/08 23:41, 2年前 , 14F
explanatory model。而這背後可能會導致一些問題。
04/08 23:41, 14F
→
04/08 23:43, 2年前 , 15F
當然，如果你相信因子模型既predictive又explanatory，那或
04/08 23:43, 15F
→
04/08 23:43, 2年前 , 16F
許這一切都不是問題。但這就是看信仰了。
04/08 23:43, 16F
→
04/09 00:48, 2年前 , 17F
感謝 不過我沒統整資料的底子 可能只能等修好了
04/09 00:48, 17F
→
04/09 01:18, 2年前 , 18F
另外 在學時只學過粗淺統計 每次發問又多了好多要學X
04/09 01:18, 18F
→
04/09 01:18, 2年前 , 19F
D
04/09 01:18, 19F
推
04/09 10:19, 2年前 , 20F
舉個例子來說，日本隊韓國隊打棒球經典賽，勝率如何? 你可以
04/09 10:19, 20F
→
04/09 10:20, 2年前 , 21F
拿先發投手防禦率、中心打線打擊率等等資料建立explanatory
04/09 10:20, 21F
→
04/09 10:22, 2年前 , 22F
model，或者你可以說這些參數我都不需要，直接看賭盤賠率就
04/09 10:22, 22F
→
04/09 10:22, 2年前 , 23F
可以得到一個 predictive model。
04/09 10:22, 23F
→
04/09 10:25, 2年前 , 24F
只看賭盤賠率的model，預測準確度有可能還超過打擊率的model
04/09 10:25, 24F
→
04/09 10:27, 2年前 , 25F
但如果你是教練，想增加勝算，根據explanatory model臨時換
04/09 10:27, 25F
→
04/09 10:28, 2年前 , 26F
投手，也許是有用的。下重注改變賭盤賠率，很可能是沒有用的
04/09 10:28, 26F
→
04/09 13:41, 2年前 , 27F
可在實務面上只有選與不選 及配置比例高低問題 那是
04/09 13:41, 27F
→
04/09 13:41, 2年前 , 28F
否可以這樣理解 因子曝險較高者理論上會有較高溢酬
04/09 13:41, 28F
→
04/09 13:41, 2年前 , 29F
但只要曝險有統計差異 R^2越高理論上勝率會越高 當然
04/09 13:41, 29F
→
04/09 13:41, 2年前 , 30F
最後還是回歸機率問題
04/09 13:41, 30F
推
04/09 17:45, 2年前 , 31F
這些是風險因子，溢酬越高代表風險越高，提升投資效
04/09 17:45, 31F
→
04/09 17:45, 2年前 , 32F
率要看alpha
04/09 17:45, 32F
推
04/09 17:58, 2年前 , 33F
Fama-French factors是否代表風險，目前沒有定論。即使代表
04/09 17:58, 33F
→
04/09 18:00, 2年前 , 34F
風險，也是對市場的representative trader有風險，對個人則
04/09 18:00, 34F
→
04/09 18:01, 2年前 , 35F
不見得是風險(但對個人的風險高或低，其實很難證明)
04/09 18:01, 35F
→
04/09 18:27, 2年前 , 36F
這些因子都在解釋return的variance，在學術跟實務上
04/09 18:27, 36F
→
04/09 18:27, 2年前 , 37F
的定義就是風險
04/09 18:27, 37F
推
04/09 18:33, 2年前 , 38F
我也好奇第三個問題，根據清流君的說法QVAL是比AVUV更
04/09 18:33, 38F
→
04/09 18:33, 2年前 , 39F
集中曝險（價值因子），但跑那個網站的回測，AVUV在價
04/09 18:33, 39F
還有 93 則推文
→
04/10 01:09, 2年前 , 133F
重點啊
04/10 01:09, 133F
推
04/10 01:11, 2年前 , 134F
我們不要繼續講R^2好了。
04/10 01:11, 134F
→
04/10 01:12, 2年前 , 135F
除了用 Variance 當作風險的proxy，有些模型會加入skewness
04/10 01:12, 135F
→
04/10 01:13, 2年前 , 136F
等higher moment，作為風險的一部份。某些則會用 maximal
04/10 01:13, 136F
→
04/10 01:14, 2年前 , 137F
drawdown來作為風險的proxy。
04/10 01:14, 137F
→
04/10 01:16, 2年前 , 138F
更進一步，這些proxy仍是基於認為風險是產品的固有屬性，用
04/10 01:16, 138F
→
04/10 01:19, 2年前 , 139F
來描述產品的特性。
04/10 01:19, 139F
→
04/10 01:21, 2年前 , 140F
CAPM的其中一個假設是投資者的utility只跟return與variance
04/10 01:21, 140F
→
04/10 01:22, 2年前 , 141F
你有沒有發現你講的都跟variance有關？
04/10 01:22, 141F
→
04/10 01:23, 2年前 , 142F
相關。後續衍生的很多模型也都繼承了CAPM的這個假設。
04/10 01:23, 142F
→
04/10 01:26, 2年前 , 143F
skewness就不是基於variance。MDD也不是只基於variance哦。
04/10 01:26, 143F
→
04/10 01:28, 2年前 , 144F
兩個分佈可以有相同的variance，但skewness比較負的，通常認
04/10 01:28, 144F
→
04/10 01:28, 2年前 , 145F
為風險是比較高的。
04/10 01:28, 145F
→
04/10 01:31, 2年前 , 146F
你是要說SD SD^2 SD^3無關嗎？Volatility就variance
04/10 01:31, 146F
→
04/10 01:31, 2年前 , 147F
開根號呀
04/10 01:31, 147F
推
04/10 01:33, 2年前 , 148F
嗯...Skewness不是SD^3哦。
04/10 01:33, 148F
→
04/10 01:33, 2年前 , 149F
04/10 01:33, 149F
→
04/10 01:34, 2年前 , 150F
我還以為你不懂統計呢XDD
04/10 01:34, 150F
→
04/10 01:36, 2年前 , 151F
那你要說跟SD3的統計量無關嗎？
04/10 01:36, 151F
推
04/10 07:36, 2年前 , 152F
不敢說多麼懂統計，但寫論文還是要用的XDD
04/10 07:36, 152F
→
04/10 07:38, 2年前 , 153F
透過適當的構造樣本data，可在相同variance下得到非常不同的
04/10 07:38, 153F
→
04/10 07:39, 2年前 , 154F
skewness。可見兩者不一定要相關。
04/10 07:39, 154F
→
04/10 07:49, 2年前 , 155F
但重點是只靠variance不足以描述distribution。相同variance
04/10 07:49, 155F
→
04/10 07:50, 2年前 , 156F
的distribution，可以有非常不同的風險程度。
04/10 07:50, 156F
推
04/10 08:24, 2年前 , 157F
問個問題 先說我不懂統計 我的問題是 如果價值因子跟市
04/10 08:24, 157F
→
04/10 08:24, 2年前 , 158F
場因子的相關性不是1的話 那市場加上價值的風險 不就應
04/10 08:24, 158F
→
04/10 08:24, 2年前 , 159F
該跟直接用市場開槓桿到同樣大的結果會不一樣嗎？可是
04/10 08:24, 159F
→
04/10 08:24, 2年前 , 160F
這種想法好像不符合d大和v大前面討論的說法？到底是我
04/10 08:24, 160F
→
04/10 08:24, 2年前 , 161F
哪裡沒搞懂？
04/10 08:24, 161F
→
04/10 09:33, 2年前 , 162F
skewness的最佳估計式就是跟三階動差有關
04/10 09:33, 162F
→
04/10 09:34, 2年前 , 163F
04/10 09:34, 163F
→
04/10 09:44, 2年前 , 164F
回樓上，就算是市值加權組合，其variance也被系統性
04/10 09:44, 164F
→
04/10 09:44, 2年前 , 165F
風險(rm)跟價值因子(HML)所解釋，而且就複回歸模型
04/10 09:44, 165F
→
04/10 09:44, 2年前 , 166F
來說，全因子的R^2並不等於個別因子的相關係數相加
04/10 09:44, 166F
→
04/10 10:11, 2年前 , 167F
會用市值加權組合是假設使用槓桿後他的點會落在效率
04/10 10:11, 167F
→
04/10 10:11, 2年前 , 168F
前緣線上(alpha=0)，而強調價值因子的ETF不見得
04/10 10:11, 168F
→
04/10 11:26, 2年前 , 169F
你們說的每個字我都懂，可是合起來就不懂了，還好我只要
04/10 11:26, 169F
→
04/10 11:26, 2年前 , 170F
懂CMH就夠了。
04/10 11:26, 170F
推
04/10 16:42, 2年前 , 171F
因子曝險程度，有論壇在分析，目前比較擔心因子ETF總費用
04/10 16:42, 171F
→
04/10 16:42, 2年前 , 172F
率是否會特別高，台灣ETF每年都會公告，海外就比較難計算
04/10 16:42, 172F
‣ 更多 kaijai10439 的文章
文章代碼(AID): #1aCNk7F8 (Foreign_Inv)
‣ 更多 kaijai10439 的文章
文章代碼(AID): #1aCNk7F8 (Foreign_Inv)