投資ETF

愛爾蘭etf因子投資曝險？ - 投資

Carolina Franco avatarCarolina Franco · 2023-04-08

Table of Contents


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

--
投資ETF

All Comments

Damian avatarDamian2023-04-11
你可以試看看 https://f4ratk.web.app/
Gary avatarGary2023-04-13
不過這個網站是吃yahoo的報價資訊的。一來，yahoo的報價有時
Elvira avatarElvira2023-04-15
會出錯。二來，通常建議用NAV跑回歸會比用price跑回歸的效果
好。但至少這網站美股、英股都能吃，只要yahoo有提供報價。
Leila avatarLeila2023-04-18
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
Agnes avatarAgnes2023-04-16
嗯，這網站的yahoo報價feed遇到某些問題，所以ticker功能目
前是不能用的，但餵檔案的功能似乎是好的。
Cara avatarCara2023-04-18
至於你的第三個問題...It's a good question.
Genevieve avatarGenevieve2023-04-16
有一個基礎的問題是，因子模型到底是predictive model，還是
Olivia avatarOlivia2023-04-18
explanatory model?
Mary avatarMary2023-04-16
explanatory會比較重視有沒有統計上顯著，R^2比較不重要。
Irma avatarIrma2023-04-18
predictive則比較重視 R^2、AUC等等，p-value相對不重要。
Ivy avatarIvy2023-04-16
因子模型或許其實是試圖用predictive modelling的方法論去做
Joseph avatarJoseph2023-04-18
explanatory model。而這背後可能會導致一些問題。
Quanna avatarQuanna2023-04-16
當然，如果你相信因子模型既predictive又explanatory，那或
許這一切都不是問題。但這就是看信仰了。
Kumar avatarKumar2023-04-18
感謝 不過我沒統整資料的底子 可能只能等修好了
Iris avatarIris2023-04-16
另外 在學時只學過粗淺統計 每次發問又多了好多要學X
D
Hedwig avatarHedwig2023-04-18
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
Hedy avatarHedy2023-04-16
拿先發投手防禦率、中心打線打擊率等等資料建立explanatory
Kristin avatarKristin2023-04-18
model，或者你可以說這些參數我都不需要，直接看賭盤賠率就
可以得到一個 predictive model。
William avatarWilliam2023-04-16
只看賭盤賠率的model，預測準確度有可能還超過打擊率的model
Rae avatarRae2023-04-18
但如果你是教練，想增加勝算，根據explanatory model臨時換
Kelly avatarKelly2023-04-16
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
Hamiltion avatarHamiltion2023-04-18
可在實務面上只有選與不選 及配置比例高低問題 那是
否可以這樣理解 因子曝險較高者理論上會有較高溢酬
但只要曝險有統計差異 R^2越高理論上勝率會越高 當然
最後還是回歸機率問題
Catherine avatarCatherine2023-04-16
這些是風險因子，溢酬越高代表風險越高，提升投資效
率要看alpha
Rosalind avatarRosalind2023-04-18
Fama-French factors是否代表風險，目前沒有定論。即使代表
Noah avatarNoah2023-04-16
風險，也是對市場的representative trader有風險，對個人則
Thomas avatarThomas2023-04-18
不見得是風險(但對個人的風險高或低，其實很難證明)
Oliver avatarOliver2023-04-16
這些因子都在解釋return的variance，在學術跟實務上
的定義就是風險
Frederic avatarFrederic2023-04-18
我也好奇第三個問題，根據清流君的說法QVAL是比AVUV更
集中曝險（價值因子），但跑那個網站的回測，AVUV在價
值因子的曝險係數都大於QVAL，所以就很困惑如果要追求
更高的價值因子曝險到底要相信AA的方法論還是網站的曝
險係數
Oliver avatarOliver2023-04-16
風險是取決於投資者自身，而不是產品本身的固有屬性。對於明
Edith avatarEdith2023-04-18
天要用錢的人，10年公債是高風險產品。對於10年後才要用錢的
Hardy avatarHardy2023-04-16
人，10年公債是無風險產品。10年公債的短期variance對10年後
Rachel avatarRachel2023-04-18
才要用錢的人並不是風險。
但term factor大概也是最容易說明這個概念的factor了。理論
Victoria avatarVictoria2023-04-16
上，雖然也可能存在某些人，對他們來說value factor是零風險
Gilbert avatarGilbert2023-04-18
Duration risk當然也是風險，但講報酬率模型的時候
，variance就是所謂的風險
Blanche avatarBlanche2023-04-16
的，但是到底是哪些人會有這個屬性，卻是很難回答的問題。
Zanna avatarZanna2023-04-18
這在學術上是被公認的，FF(1993)的論文名稱就叫comm
on risk factors in the return on stocks and bond
s
Adele avatarAdele2023-04-16
Fama自己應該是相信是risk factors。Behavior派的就不見得。
Harry avatarHarry2023-04-18
variance是risk的一種proxy，且在很多模型中或許good enough
Olive avatarOlive2023-04-16
我不覺得定義的問題是派別問題啦…
Regina avatarRegina2023-04-18
大家喜歡用variance的一個可能理由是在數學上相對tractable
Isabella avatarIsabella2023-04-16
這個模型不是很明顯就是在講return的variance被什麼
解釋嗎？除非這不是用複回歸跑的
Blanche avatarBlanche2023-04-18
就我的理解，FF模型是想解釋return，不是解釋variance。
Kyle avatarKyle2023-04-16
那你可以看一下R^2怎麼算的
Eden avatarEden2023-04-18
指數投資人不討論alpha 啊 就算因子投資 也是相信因
子是beta
Heather avatarHeather2023-04-16
還是我又搞錯了什麼?
Poppy avatarPoppy2023-04-18
R^2是衡量residual大小的一種方式。
Daph Bay avatarDaph Bay2023-04-16
因子投資花這麼多心思不就是為了追求alpha嗎？不然
就在指數投資的基準上做leveage放大風險就好了
Bethany avatarBethany2023-04-18
daze大請問你認真的嗎？
Hedwig avatarHedwig2023-04-16
關於因子投資的一種看法是 FF factor是ICAPM的good enough
Todd Johnson avatarTodd Johnson2023-04-18
proxy，投資者可以根據自己的state variable來決定load up哪
些factors。某些人適合load up value，另一些人也許適合load
Kelly avatarKelly2023-04-16
up growth。但這個看法有一些難以證明而只能靠信仰的部分。
Una avatarUna2023-04-18
當然，主要目的是追求alpha的人，應該也是不少啦。
Catherine avatarCatherine2023-04-16
你要提高投資效率就是隱含在追求alpha，不然就被動
投資市值加權基金，看你能承受的風險去調槓桿比率，
我這樣解釋已經夠直白了吧？
James avatarJames2023-04-18
延伸到財務理論就是追求更準確的CAPM模型沒錯，你用
更準的模型可以更準確判斷該資產是被高估還是低估，
此處所謂高估跟低估就是所謂的alpha
Edwina avatarEdwina2023-04-16
在單變數線性回歸，R^2是比較回歸線的residual平方，比起算
Jessica avatarJessica2023-04-18
數平均值作為預測值，residual可以減少多少。
Olga avatarOlga2023-04-16
進一步可以推廣到多變數線性回歸，或者其他非線性回歸。
Aaliyah avatarAaliyah2023-04-18
ICAPM是指Intertemporal Capital Asset Pricing Model，是為
Freda avatarFreda2023-04-16
了引入multiple period的一個模型。
Gary avatarGary2023-04-18
關於為什麼要用因子投資而不是直接增加market factor的槓桿
Eden avatarEden2023-04-16
，一個可能的講法是，某些人的個人狀態可能適合load up某些
Belly avatarBelly2023-04-18
因子，會比load up market factor更能夠增加他的utility。通
Margaret avatarMargaret2023-04-16
常舉的例子是，某些人力資本有大量growth曝險的人(比如科技
Oscar avatarOscar2023-04-18
業)，也許可以考慮load up value factor，來部分抵銷他的人
Una avatarUna2023-04-16
力資本的曝險。雖然這個例子到底合不合理也是debatable的。
Genevieve avatarGenevieve2023-04-18
如果CAPM成立，market portfolio就是tangent portfolio，想
Daph Bay avatarDaph Bay2023-04-16
要調整風險的人，只要調整槓桿倍率即可。但在multifactor的
Oscar avatarOscar2023-04-18
世界，market portfolio不再是tangent portfolio，直接增減
槓桿倍率，就不見得是最佳的選擇了。
Lydia avatarLydia2023-04-16
https://tinyurl.com/2p9d78d9
Michael avatarMichael2023-04-18
我沒有說一定在tangent point上呀，但符合mean vari
ance criteria，本來現實世界隨著風險上升投資效率
會遞減，惟台指期是少數例外。順道一提的是，有沒有
發現這邊的variance是什麼？
Damian avatarDamian2023-04-16
我猜猜看你想要表達什麼。以算數平均值作為預測值，residual
Annie avatarAnnie2023-04-18
的平方會恰等於Y的variance。採用其他預測，則會得到不同的
Doris avatarDoris2023-04-16
residual。若其他的預測fit的比較好，就可以"explain away"
Necoo avatarNecoo2023-04-18
variance。但說這是在解釋variance，其實有點微妙。
Harry avatarHarry2023-04-16
考慮一組data:(-2,-2),(-1,-1),(0,0),(1,1),(2,2)。
Elvira avatarElvira2023-04-18
以Y=0作為預測值，residual的平方是4+1+0+1+4=10
Yuri avatarYuri2023-04-16
以Y=X為預測值，residual平方是 0，R^2=1。 Y=X這條預測線，
Olivia avatarOlivia2023-04-18
"解釋"了所有以Y=0作為預測值的residual。
John avatarJohn2023-04-16
如果改以Y=0.5X為預測值，residual平方是2.5，R^2=0.75，"解
Skylar Davis avatarSkylar Davis2023-04-18
釋"了75%的，以Y=0作為預測值的residual sum of squares。
Oscar avatarOscar2023-04-16
Variance就是risk的proxy，有很難懂嗎
Wallis avatarWallis2023-04-18
我知道d大您懂很多，但不能每次我在說A你就提B呀，
這樣很難討論
Quintina avatarQuintina2023-04-16
我同意很多模型會用Variance當作risk的proxy啊。
Kama avatarKama2023-04-18
這裡的efficient frontiers裡面的x軸就是expected r
eturn的variance，也就是風險
Quanna avatarQuanna2023-04-16
學術跟實務上都是用variance當作return 的風險，我
想不到有什麼例外？
Olga avatarOlga2023-04-18
我想想...你對R^2的想法，大概是基於假設factor是orthogonal
Hazel avatarHazel2023-04-16
的normal distribution的和，且沒有殘差。如此一來，不同因
Robert avatarRobert2023-04-18
子的variance可以直接相加，並直接得到return的variance。
Kristin avatarKristin2023-04-16
但這個假設是個特例，大部分是不成立的。
Callum avatarCallum2023-04-18
您又過度解讀了，所以這篇文不是用複回歸？
Barb Cronin avatarBarb Cronin2023-04-16
FF factor不是orthogomal的，所以variance不能直接相加。
Gary avatarGary2023-04-18
請問我哪裡有提到variance可以相加…？
Todd Johnson avatarTodd Johnson2023-04-16
FF factor可能也不是normal distributed的。
Irma avatarIrma2023-04-18
well...那大概是我猜錯了吧。
Ina avatarIna2023-04-16
這裡R^2=SSR/SST，直白就是解釋多少比例return的var
iance，用圖來思考就是複回歸的擬合程度
Jake avatarJake2023-04-18
這個高中數學應該不用說這麼詳細吧
Michael avatarMichael2023-04-16
嗯，我們對R^2的理解似乎有很大的不同。我猜不出問題在哪。
Catherine avatarCatherine2023-04-18
背後的假設機率分配當然可以討論，但完全不是本篇的
重點啊
Freda avatarFreda2023-04-16
我們不要繼續講R^2好了。
Carol avatarCarol2023-04-18
除了用 Variance 當作風險的proxy，有些模型會加入skewness
George avatarGeorge2023-04-16
等higher moment，作為風險的一部份。某些則會用 maximal
Oscar avatarOscar2023-04-18
drawdown來作為風險的proxy。
Zenobia avatarZenobia2023-04-16
更進一步，這些proxy仍是基於認為風險是產品的固有屬性，用
Agnes avatarAgnes2023-04-18
來描述產品的特性。
Enid avatarEnid2023-04-16
CAPM的其中一個假設是投資者的utility只跟return與variance
Connor avatarConnor2023-04-18
你有沒有發現你講的都跟variance有關？
Damian avatarDamian2023-04-16
相關。後續衍生的很多模型也都繼承了CAPM的這個假設。
Eartha avatarEartha2023-04-18
skewness就不是基於variance。MDD也不是只基於variance哦。
Damian avatarDamian2023-04-16
兩個分佈可以有相同的variance，但skewness比較負的，通常認
為風險是比較高的。
Xanthe avatarXanthe2023-04-18
你是要說SD SD^2 SD^3無關嗎？Volatility就variance
開根號呀
Rosalind avatarRosalind2023-04-16
嗯...Skewness不是SD^3哦。
https://en.wikipedia.org/wiki/Skewness
Carolina Franco avatarCarolina Franco2023-04-18
我還以為你不懂統計呢XDD
Charlie avatarCharlie2023-04-16
那你要說跟SD3的統計量無關嗎？
Ingrid avatarIngrid2023-04-18
不敢說多麼懂統計，但寫論文還是要用的XDD
Harry avatarHarry2023-04-16
透過適當的構造樣本data，可在相同variance下得到非常不同的
Eartha avatarEartha2023-04-18
skewness。可見兩者不一定要相關。
Thomas avatarThomas2023-04-16
但重點是只靠variance不足以描述distribution。相同variance
Robert avatarRobert2023-04-18
的distribution，可以有非常不同的風險程度。
Michael avatarMichael2023-04-16
問個問題 先說我不懂統計 我的問題是 如果價值因子跟市
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
該跟直接用市場開槓桿到同樣大的結果會不一樣嗎？可是
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
哪裡沒搞懂？
Lydia avatarLydia2023-04-18
skewness的最佳估計式就是跟三階動差有關
Jacob avatarJacob2023-04-16
https://i.imgur.com/FroJAmz.png
Ophelia avatarOphelia2023-04-18
回樓上，就算是市值加權組合，其variance也被系統性
風險(rm)跟價值因子(HML)所解釋，而且就複回歸模型
來說，全因子的R^2並不等於個別因子的相關係數相加
Quanna avatarQuanna2023-04-16
會用市值加權組合是假設使用槓桿後他的點會落在效率
前緣線上(alpha=0)，而強調價值因子的ETF不見得
Catherine avatarCatherine2023-04-18
你們說的每個字我都懂，可是合起來就不懂了，還好我只要
懂CMH就夠了。
Adele avatarAdele2023-04-16
因子曝險程度，有論壇在分析，目前比較擔心因子ETF總費用
率是否會特別高，台灣ETF每年都會公告，海外就比較難計算
Eartha avatarEartha2023-04-18
不管是CAPM還是多因子都是在解釋風險溢酬阿 怎麼會是
variance 蝦雞巴亂講==
Suhail Hany avatarSuhail Hany2023-04-16
你沒有variance請問你怎麼算出風險溢酬跟R^2？
解釋風險溢酬回推到模型本身就是在解釋variance啊
Olive avatarOlive2023-04-18
https://i.imgur.com/lqn998u.png
Michael avatarMichael2023-04-16
https://i.imgur.com/YjMxSYK.png
Joe avatarJoe2023-04-18
如果同學還有不懂的地方請洽Chatgpt
Jake avatarJake2023-04-16
我會建議不要問chatgpt。很多人對R^2的理解是不盡然正確的
，chatgpt 匯總了這些data之後，未必能提供正確的見解。
Isabella avatarIsabella2023-04-18
Just kidding, 但chatgpt的回饋也不差就是了
Tracy avatarTracy2023-04-16
https://i.imgur.com/QWVjT6k.jpg
Dinah avatarDinah2023-04-18
雖然答案不可能完美但也比一知半解好多了
Yuri avatarYuri2023-04-16
我會建議找個統計學的教授當面請教。我覺得恐怕很難在ptt上
澄清我們理解上的差異。
Joe avatarJoe2023-04-18
您說R square的解釋嗎？上述理解就是從初統跟高統課
上學來的，可能我的教授沒您厲害