Nisbah Kemeruapan Penurunan/Kenaikan
factor.formula
Nisbah Kemeruapan Penurunan/Kenaikan (DUVR):
dalam:
- :
Pulangan saham i pada masa t biasanya dikira menggunakan pulangan logaritma, iaitu, $r_{it} = \ln(P_{it}/P_{it-1})$, di mana $P_{it}$ ialah harga saham i pada masa t.
- :
Purata pulangan saham i dalam tempoh pemerhatian dikira sebagai $\bar{r_i} = \frac{1}{T} \sum_{t=1}^{T} r_{it}$, di mana T ialah jumlah tempoh masa dalam tempoh pemerhatian.
- :
Bilangan hari dalam tempoh pemerhatian apabila pulangan saham i lebih besar daripada atau sama dengan purata pulangan $\bar{r_i}$, iaitu, bilangan hari dengan pulangan kenaikan.
- :
Bilangan hari dalam tempoh pemerhatian apabila pulangan saham i kurang daripada purata pulangan $\bar{r_i}$, iaitu, bilangan hari dengan pulangan penurunan.
- :
Jumlah kuasa dua perbezaan antara pulangan semua pulangan penurunan (pulangan kurang daripada purata pulangan) saham i dalam tempoh pemerhatian dan purata pulangan mengukur kemeruapan pulangan penurunan, juga dikenali sebagai varians penurunan.
- :
Jumlah kuasa dua perbezaan antara pulangan semua pulangan kenaikan (pulangan lebih besar daripada atau sama dengan purata pulangan) saham i dalam tempoh pemeriksaan dan purata pulangan mengukur kemeruapan pulangan kenaikan, juga dikenali sebagai varians kenaikan.
factor.explanation
Nisbah kemeruapan penurunan/kenaikan (DUVR) mengukur ketidaksimetrian taburan pulangan saham dengan membandingkan kemeruapan penurunan dan kemeruapan kenaikan. Intipati nisbah ini adalah untuk mengukur risiko kecondongan negatif taburan pulangan, iaitu, sama ada kemeruapan pulangan negatif lebih besar daripada kemeruapan pulangan positif. Semakin tinggi nilai DUVR, semakin tinggi kemeruapan penurunan berbanding kemeruapan kenaikan, dan semakin besar kemungkinan harga saham akan jatuh dengan mendadak. Risiko tak simetri ini biasanya dianggap sebagai risiko sistemik, dan pelabur akan memerlukan premium risiko yang lebih tinggi untuk menanggung risiko ini.
Perlu diingatkan bahawa pengiraan faktor ini biasanya mengambil logaritma, tujuannya adalah untuk mengecilkan julat angka dan mengelakkan ketidakstabilan model yang disebabkan oleh nilai yang berlebihan. Pada masa yang sama, transformasi logaritma juga mempunyai kesan pelicinan data pada tahap tertentu.
Dalam aplikasi praktikal, tetingkap masa yang berbeza boleh digunakan untuk mengira faktor ini, seperti harian, mingguan, bulanan, dan lain-lain. Tetingkap masa yang berbeza boleh menyebabkan perbezaan dalam nilai faktor dan kuasa ramalan. Di samping itu, faktor ini sering digunakan dalam kombinasi dengan faktor lain untuk meningkatkan kesan ramalan.