[논문 리뷰] A Linear Belief Function Approach to Portfolio Evaluation

Liping Liu, Catherine Shenoy외 1명|arXiv (Cornell University)|2012. 10. 19.

Bayesian Modeling and Causal Inference참고 문헌 24인용 수 8

한 줄 요약

이 논문은 델라프트의 조합 규칙을 사용하여 통계 데이터, 전문가 의견, 자산 가격 모델 등 다양한 지식 유형을 통합하는 선형 신뢰 함수 방법을 제안한다. 기본 행렬을 통해 시장 정보를 표현하고, 증거 조합을 통해 신뢰를 갱신함으로써 불확실성을 고려한 강건한 포트폴리오 성과 평가를 가능하게 하며, 세 골드 주식 사례 연구를 통해 모호성 하에서의 의사결정 지원이 향상됨을 입증한다.

ABSTRACT

By elaborating on the notion of linear belief functions (Dempster 1990; Liu 1996), we propose an elementary approach to knowledge representation for expert systems using linear belief functions. We show how to use basic matrices to represent market information and financial knowledge, including complete ignorance, statistical observations, subjective speculations, distributional assumptions, linear relations, and empirical asset pricing models. We then appeal to Dempster's rule of combination to integrate the knowledge for assessing an overall belief of portfolio performance, and updating the belief by incorporating additional information. We use an example of three gold stocks to illustrate the approach.

연구 동기 및 목표

• 통계 관찰에서 주관적 신념에 이르기까지 이질적인 금융 지식 유형—예를 들어 통계 관찰, 전문가의 주관적 추측, 분포 가정, 선형 관계, 경험적 자산 가격 모델 등—을 통합된 프레임워크 내에서 체계적으로 표현하는 방법을 개발하는 것.
• 신뢰 함수를 사용하여 부족하거나 모호한 정보를 모델링하여 포트폴리오 평가의 불확실성 문제를 해결하는 것.
• 새로운 증거가 나타날 때마다 포트폴리오에 대한 신뢰를 동적으로 갱신함으로써 금융 의사결정의 적응력을 향상시키는 것.
• 세 골드 주식을 포함한 실제 사례를 통해 이 방법의 실용적 적용 가능성을 입증하는 것.

제안 방법

• 이 방법은 통계 관찰, 주관적 추측, 분포 가정, 선형 관계, 경험적 자산 가격 모델 등 다양한 금융 지식 유형을 선형 신뢰 함수로 표현한다.
• 각 지식 유형은 금융 정보의 구조와 불확실성을 반영하는 기본 행렬을 사용하여 인코딩된다.
• 다중 신뢰 소스의 융합을 가능하게 하여 일관된 증거 융합을 가능하게 하기 위해 델라프트의 조합 규칙이 적용된다.
• 시간이 지남에 따라 새로운 시장 데이터나 전문가 평가를 포함함으로써 신뢰를 순차적으로 갱신할 수 있다.
• 세 골드 주식에 대한 사례 연구를 통해 포트폴리오 성과에 대한 전체 신뢰를 계산하고 개선하는 능력을 입증한다.
• 표준 행렬 연산을 사용하여 구현되기 때문에 계산 효율성과 해석 가능성 보장.

실험 결과

연구 질문

• RQ1 통계 데이터, 전문가 의견, 모델 가정 등 다양한 불확실한 금융 지식—예를 들어 통계 관찰, 주관적 믿음, 자산 가격 모델 등—을 포트폴리오 평가를 위한 통합된 프레임워크 내에서 체계적으로 표현할 수 있는가?
• RQ2 충돌하거나 모호한 정보를 포함한 다수의 신뢰 소스를 효과적으로 융합하여 포트폴리오 성과를 평가할 수 있는 방법은 무엇인가?
• RQ3 새로운 증거가 제공될 때 포트폴리오 결과에 대한 신뢰는 어떻게 동적으로 갱신될 수 있는가?
• RQ4 伝통적 방법에 비해 선형 신뢰 함수 방법은 불확실성 하에서 의사결정을 얼마나 향상시키는가?

주요 결과

• 선형 신뢰 함수 방법은 통계 관찰, 주관적 믿음, 자산 가격 모델 등 이질적인 지식 유형을 포트폴리오 평가를 위한 단일이고 일관된 프레임워크로 성공적으로 통합한다.
• 기본 행렬의 사용은 복잡한 금융 정보—불확실성과 무지 포함—를 명확하고 계산적으로 효율적으로 표현할 수 있도록 한다.
• 델라프트의 조합 규칙은 다수의 신뢰 소스를 효과적으로 융합하여, 복합된 증거를 반영한 개선된 포트폴리오 성과에 대한 전체 신뢰를 생성한다.
• 이 방법은 새로운 시장 정보나 수정된 전문가 평가에 대응하여 신뢰를 실시간으로 갱신할 수 있도록 지원하여 유연성을 향상시킨다.
• 세 골드 주식에 대한 사례 연구는 이 방법이 기존 접근 방식에 비해 불확실성 처리에서 향상된 강건성과 실용적 타당성을 보여준다.
• 불완전한 데이터가 많은 금융 환경에서 특히 유용한 투명하고 해석 가능한 의사결정 메커니즘을 제공한다.