[논문 리뷰] A Bayesian Framework for Combining Valuation Estimates

Kenton K. Yee|ArXiv.org|2007. 07. 24.

Forecasting Techniques and Applications참고 문헌 35인용 수 3

한 줄 요약

이 논문은 할인현금흐름(DCF), 비교기업법, 시장가격 등 다양한 주식 평가 추정치를 하나의 보다 정확한 점추정치로 통합하는 베이지안 프레임워크를 제안한다. 각 추정치를 확률분포로 간주하고 베이즈 정리에 따라 신념을 갱신함으로써, 상충되는 평가를 통합하는 통계적으로 타당한 방법을 제공하며, 개별 방법보다 훨씬 높은 정확도를 달성한다.

ABSTRACT

Obtaining more accurate equity value estimates is the starting point for stock selection, value-based indexing in a noisy market, and beating benchmark indices through tactical style rotation. Unfortunately, discounted cash flow, method of comparables, and fundamental analysis typically yield discrepant valuation estimates. Moreover, the valuation estimates typically disagree with market price. Can one form a superior valuation estimate by averaging over the individual estimates, including market price? This article suggests a Bayesian framework for combining two or more estimates into a superior valuation estimate. The framework justifies the common practice of averaging over several estimates to arrive at a final point estimate.

연구 동기 및 목표

• DCF, 비교기업법, 기본적 분석 등 다양한 방법으로부터 유도된 상이한 평가 추정치 간의 꾸준한 괴리 문제를 해결하기 위해.
• 다수의 평가 추정치를 통합하여 보다 우수한 통합 점추정치를 도출하는 통계적으로 엄밀한 방법을 개발하기 위해.
• 다양한 평가 방법의 평균을 내는 일반적인 금융 관행을 베이지안 확률 이론을 바탕으로 정당화하고 체계화하기 위해.
• 추정 오차를 줄임으로써 주식 선별, 가치 기반 인덱싱 및 전략적 자산배분을 향상시키기 위해.

제안 방법

• 각 평가 추정치를 알려진 또는 가정된 확률분포를 가진 랜덤 변수로 모델링한다.
• 베이즈 정리를 적용하여 진정된 내재가치에 대한 사전 신념을 다수의 독립적인 평가 방법에서 얻은 증거를 바탕으로 갱신한다.
• 내재가치의 사후분포는 개별 추정치의 가중평균으로 도출되며, 가중치는 추정된 분산의 역수 비례한다.
• 시장가격을 입력 추정치 중 하나로 포함하여 진정된 가치에 대한 노이즈가 있는 신호로 간주한다.
• 진정된 가치가 주어졌을 때 추정치들이 조건부로 독립적이라는 가정을 통해 해석 가능한 분석적 해를 도출할 수 있다.
• 최종 점추정치는 사후분포의 평균이며, 제곱오차 손실 하에서 최적의 조합을 나타낸다.

실험 결과

연구 질문

• RQ1 다양하고 상충되는 주식 평가 추정치를 하나의 우수한 추정치로 통합할 수 있는 통계적으로 일관된 방법을 개발할 수 있는가?
• RQ2 다양한 평가 방법의 상대적 신뢰도는 어떻게 정량화하고 통합 프레임워크에 통합할 수 있는가?
• RQ3 베이지안 갱신을 사용하여 추정치를 통합할 경우, 개별 방법을 사용할 때보다 추정 오차가 얼마나 감소하는가?
• RQ4 입력 추정치로 시장가격을 포함시키면 최종 평가의 정확도가 향상되는가?
• RQ5 다수의 평가를 평균내는 일반적인 관행는 경험적으로나 이론적으로 타당한가?

주요 결과

• 베이지안 프레임워크는 다수의 평가 추정치를 평균내는 것에 수학적으로 타당한 근거를 제공하여, 비체계적인 평균화의 모순을 해결한다.
• 최적의 통합 추정치는 입력값의 가중평균이며, 가중치는 추정된 분산의 역수 비례한다. 이는 평균제곱오차를 최소화한다.
• 시장가격을 추정치 중 하나로 포함시킴으로써 시장 효율성을 활용하면서도 노이즈를 보정함으로써 최종 평가를 향상시킨다.
• 단일 평가 기법에 의존하는 것보다 이 방법이 추정 오차를 더 효과적으로 줄인다.
• 이 프레임워크는 일반화 가능하며, 기본적, 상대적, 시장 기반 방법을 포함한 임의의 독립적이고 노이즈가 있는 평가 신호에 적용할 수 있다.