Наука

Искажение восприятия рисковых премий: как инвесторы ошибаются и что из этого следует

от

Интенсивность ошибочного обучения [latex]\Delta t[/latex] и её шестимесячное скользящее среднее демонстрируют зависимость от фактора, указывая на то, что динамика неверных представлений подвержена влиянию определенных параметров, определяющих скорость и стабильность процесса обучения.

Новая модель показывает, что ошибки инвесторов в оценке премий за факторы риска в условиях структурных изменений на рынке приводят к предсказуемым доходностям.

Скрытая волатильность: Как даты включения компаний искажают финансовые данные

от

При использовании модели ARIMA(1,1,1) для прогнозирования временных рядов SQURPHARMA, построение с учетом покрытия данных выявляет, что наивная календарная выверка, расширяющая обучающее окно искусственным заполнением вперед, подавляет дисперсию доходности и искажает оценки модели, что подчеркивает важность корректного учета границ данных при прогнозировании.

Новое исследование показывает, что игнорирование дат выхода компаний на биржу приводит к систематической недооценке волатильности и может повлиять на точность финансовых моделей.

Скрытые риски бэктестинга: Почему результаты могут обманывать

от

Оценка реализации риска выражается в денежном эквиваленте: каждый столбец демонстрирует годовую неопределенность в расчете на 1 миллиард долларов активов под управлением для данного эталона, определяемую как максимальное расхождение в годовой доходности.

Новое исследование показывает, что различия в реализации бэктестинговых движков приводят к существенным расхождениям в заявленной доходности, ставя под сомнение надежность результатов.