Factors Directory

Quantitative Trading Factors

อัตราส่วนความผันผวนด้านขาลง/ขาขึ้น

ปัจจัยความผันผวน

factor.formula

อัตราส่วนความผันผวนด้านขาลง/ขาขึ้น (DUVR):

โดยที่:

  • :

    ผลตอบแทนของหุ้น i ณ เวลา t โดยปกติจะคำนวณโดยใช้ผลตอบแทนลอการิทึม คือ $r_{it} = \ln(P_{it}/P_{it-1})$ โดยที่ $P_{it}$ คือราคาของหุ้น i ณ เวลา t

  • :

    ผลตอบแทนเฉลี่ยของหุ้น i ในช่วงเวลาที่สังเกตการณ์ คำนวณได้เป็น $\bar{r_i} = \frac{1}{T} \sum_{t=1}^{T} r_{it}$ โดยที่ T คือจำนวนช่วงเวลาทั้งหมดในช่วงเวลาที่สังเกตการณ์

  • :

    จำนวนวันที่ผลตอบแทนของหุ้น i มีค่ามากกว่าหรือเท่ากับผลตอบแทนเฉลี่ย $\bar{r_i}$ ในช่วงเวลาที่สังเกตการณ์ นั่นคือจำนวนวันที่ผลตอบแทนเป็นขาขึ้น

  • :

    จำนวนวันที่ผลตอบแทนของหุ้น i มีค่าน้อยกว่าผลตอบแทนเฉลี่ย $\bar{r_i}$ ในช่วงเวลาที่สังเกตการณ์ นั่นคือจำนวนวันที่ผลตอบแทนเป็นขาลง

  • :

    ผลรวมของกำลังสองของความแตกต่างระหว่างผลตอบแทนของผลตอบแทนขาลงทั้งหมด (ผลตอบแทนที่น้อยกว่าผลตอบแทนเฉลี่ย) ของหุ้น i ในช่วงเวลาที่สังเกตการณ์ และผลตอบแทนเฉลี่ย ซึ่งเป็นการวัดความผันผวนของผลตอบแทนขาลง หรือที่เรียกว่าความแปรปรวนด้านขาลง

  • :

    ผลรวมของกำลังสองของความแตกต่างระหว่างผลตอบแทนของผลตอบแทนขาขึ้นทั้งหมด (ผลตอบแทนที่มากกว่าหรือเท่ากับผลตอบแทนเฉลี่ย) ของหุ้น i ในช่วงเวลาที่ตรวจสอบ และผลตอบแทนเฉลี่ย ซึ่งเป็นการวัดความผันผวนของผลตอบแทนขาขึ้น หรือที่เรียกว่าความแปรปรวนด้านขาขึ้น

factor.explanation

อัตราส่วนความผันผวนด้านขาลง/ขาขึ้น (Downside/Upside Volatility Ratio - DUVR) เป็นการวัดความไม่สมมาตรของการกระจายตัวของผลตอบแทนหุ้น โดยการเปรียบเทียบความผันผวนด้านขาลงและความผันผวนด้านขาขึ้น สาระสำคัญของอัตราส่วนนี้คือการวัดความเสี่ยงความเบ้เชิงลบของการกระจายตัวของผลตอบแทน ซึ่งก็คือการที่ความผันผวนของผลตอบแทนเชิงลบมีค่ามากกว่าความผันผวนของผลตอบแทนเชิงบวกหรือไม่ ยิ่งค่า DUVR สูงเท่าใด ความผันผวนด้านขาลงเมื่อเทียบกับความผันผวนด้านขาขึ้นก็จะยิ่งสูงขึ้น และราคาหุ้นก็มีแนวโน้มที่จะลดลงอย่างรวดเร็วมากขึ้น ความเสี่ยงที่ไม่สมมาตรนี้มักถูกมองว่าเป็นความเสี่ยงเชิงระบบ และนักลงทุนจะต้องการส่วนชดเชยความเสี่ยงที่สูงขึ้นเพื่อแบกรับความเสี่ยงนี้

ควรสังเกตว่าการคำนวณปัจจัยนี้มักจะใช้ลอการิทึม โดยมีจุดประสงค์เพื่อจำกัดช่วงตัวเลขและหลีกเลี่ยงความไม่เสถียรของโมเดลที่เกิดจากค่าที่มากเกินไป ในขณะเดียวกัน การแปลงลอการิทึมยังมีผลในการปรับข้อมูลให้เรียบขึ้นในระดับหนึ่ง

ในการใช้งานจริง สามารถใช้ช่วงเวลาที่แตกต่างกันในการคำนวณปัจจัยนี้ได้ เช่น รายวัน รายสัปดาห์ รายเดือน เป็นต้น ช่วงเวลาที่แตกต่างกันอาจนำไปสู่ความแตกต่างในค่าปัจจัยและอำนาจในการทำนาย นอกจากนี้ ปัจจัยนี้มักใช้ร่วมกับปัจจัยอื่นๆ เพื่อปรับปรุงผลการทำนาย

Related Factors