[论文解读] A Bayesian Framework for Combining Valuation Estimates

Kenton K. Yee|ArXiv.org|Jul 24, 2007

Forecasting Techniques and Applications参考文献 35被引用 3

一句话总结

本文提出了一种贝叶斯框架，将多种权益估值估计方法——如现金流折现、可比公司分析和市场价格——整合为一个更精确的单一点估计。通过将每种估计视为概率分布，并利用贝叶斯定理更新信念，该方法提供了一种统计上严谨的方法来平均相互冲突的估值结果，显著提高了相较于单一方法的估计准确性。

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.

研究动机与目标

• 解决不同方法（如现金流折现、可比公司分析和基本面分析）产生的估值估计结果不一致的长期问题。
• 开发一种统计上严谨的方法，将多种估值估计整合为一个更优的综合点估计。
• 通过贝叶斯概率理论，为金融实践中常见的多种估值平均做法提供理论依据和形式化表达。
• 通过减少估计误差，提升股票选择、基于价值的指数编制和战术资产配置的准确性。

提出的方法

• 该框架将每种估值估计建模为具有已知或假设概率分布的随机变量。
• 利用贝叶斯定理，基于多个独立估值方法提供的证据，更新对内在价值的先验信念。
• 后验分布的内在价值被推导为各独立估计的加权平均，权重与各自估计方差的倒数成正比。
• 该方法将市场价格作为输入估计之一，将其视为真实价值的噪声信号。
• 假设在给定真实价值的条件下，各估计彼此条件独立，从而实现可解析的解。
• 最终的点估计为后验分布的均值，代表在平方误差损失下的最优组合。

实验结果

研究问题

• RQ1 能否开发一种在统计上一致的方法，将多种相互冲突的权益估值估计整合为一个更优的综合估计？
• RQ2 在统一框架中，应如何量化并整合不同估值方法的相对可靠性？
• RQ3 与单独使用任一方法相比，使用贝叶斯更新整合估计在多大程度上减少了估计误差？
• RQ4 将市场价格作为输入估计是否能提高最终估值的准确性？
• RQ5 常见的多种估值平均做法在实证和理论上是否具有充分依据？

主要发现

• 贝叶斯框架为多种估值估计的平均提供了数学上严谨的依据，解决了随意平均方法的不一致性问题。
• 最优组合估计为输入值的加权平均，权重与估计方差的倒数成正比，从而最小化均方误差。
• 将市场价格作为估计输入之一，通过利用市场有效性并校正其噪声，提升了最终估值的准确性。
• 该方法比单独依赖任一估值技术更能有效减少估计误差。
• 该框架具有通用性，可应用于任何一组独立、带有噪声的估值信号，包括基本面、相对估值和基于市场的估值方法。