How to measure risk in asset pricing models: entropy or beta?
Identifikátory výsledku
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
—
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
50600 - Political science
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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