How to measure risk in asset pricing models: entropy or beta?

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14560%2F17%3A00108735" target="_blank" >RIV/00216224:14560/17:00108735 - isvavai.cz</a>

Výsledek na webu

<a href="https://ece.pefka.mendelu.cz/sites/default/files/imce/ECE2017_fin.pdf" target="_blank" >https://ece.pefka.mendelu.cz/sites/default/files/imce/ECE2017_fin.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

How to measure risk in asset pricing models: entropy or beta?

Popis výsledku v původním jazyce

Financial theory borrows scientific methods from natural sciences. In this paper, we consider one of such methods called entropy, which in financial terms can be considered as a measure of risk in asset pricing models. We propose three different non-parametric estimation techniques to estimate financial entropy, the results of which we compare to the CAPM beta based on their explanatory power to describe the diversity in expected risk premiums. Kernel density estimated Shannon entropy provides the most efficient results not dependent on the choice of the market benchmark and without imposing any prior model restrictions. Kernel density estimated Rényi entropy and maximum likelihood estimated Shannon entropy also perform better in-sample than the CAPM beta.

Název v anglickém jazyce

How to measure risk in asset pricing models: entropy or beta?

Popis výsledku anglicky

Financial theory borrows scientific methods from natural sciences. In this paper, we consider one of such methods called entropy, which in financial terms can be considered as a measure of risk in asset pricing models. We propose three different non-parametric estimation techniques to estimate financial entropy, the results of which we compare to the CAPM beta based on their explanatory power to describe the diversity in expected risk premiums. Kernel density estimated Shannon entropy provides the most efficient results not dependent on the choice of the market benchmark and without imposing any prior model restrictions. Kernel density estimated Rényi entropy and maximum likelihood estimated Shannon entropy also perform better in-sample than the CAPM beta.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50600 - Political science

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Enterprise and Competitive Environment Conference Proceedings

ISBN

9788075094995

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

224-230

Název nakladatele

Mendel University in Brno

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

1. 1. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000427306200024