Смещение атрибута
Что такое смещение атрибута?
Предвзятость атрибутов — это характеристика количественных методов или экономических моделей, благодаря которой они склонны выбирать инвестиционные инструменты со схожими фундаментальными характеристиками. Некоторые модели, используемые в финансах, имеют тенденцию к предвзятости атрибутов, и инвесторы должны знать об этом при выборе сбалансированного портфеля.
Предвзятость атрибутов не следует путать с предвзятостью атрибуции — открытием поведенческой экономики,. согласно которому люди обвиняют других в своих ошибках или недостатках.
Понимание смещения атрибутов
Смещение атрибутов описывает тот факт, что ценные бумаги,. выбранные с использованием одной модели или метода прогнозирования, как правило, имеют схожие фундаментальные характеристики. Это имеет смысл, потому что модель, которая ищет определенные наборы точек данных, будет возвращать инвестиционные инструменты только с такими же параметрами.
Смещение атрибутов не бывает ни положительным, ни отрицательным. Это просто характеристика, которая может иметь место, если только модели и методы не будут специально разработаны, чтобы не включать ее. Опасность выбора портфеля с использованием модели со смещением атрибутов заключается в том, что портфель может содержать аналогичные ценные бумаги, что может усилить рыночные спады. Большинство инвесторов предпочитают сбалансированный портфель, чтобы защитить себя от внезапных или экстремальных движений рынка.
Один из способов исправить предвзятость атрибутов и выбрать сбалансированный портфель — просто использовать несколько разных моделей для выбора ценных бумаг и использовать разные параметры для каждой модели. Каждая модель может иметь смещение атрибутов, но, поскольку инвестор уравновесил параметры различных моделей, портфель будет сбалансирован, даже если каждое меньшее подмножество ценных бумаг не сбалансировано.
Смещение атрибутов приводит к несбалансированному портфелю.
Пример смещения атрибута
Допустим, вы инвестор, желающий создать портфель акций, увеличивающий свою выручку на 20%+ в год и увеличивающий прибыль. Вы также добавляете технические факторы, чтобы найти акции, которые в последнее время также демонстрируют высокие результаты. Установив эти параметры, вы можете подвергнуть свой портфель концентрации акциям, которые ведут себя аналогичным образом.
Возможно, в вашем портфолио много таких областей роста, как дискреционные и технологические. Если в этих секторах произойдет прекращение роста, вы можете понести большие убытки из-за чрезмерной концентрации.
Предвзятость атрибутов и предвзятость самоатрибуции
В то время как предвзятость атрибутов относится к предвзятости в методологии выбора финансовых инструментов для портфеля, предвзятость самоатрибуции относится к предвзятости, которая может иметь человека, который заставляет их думать, что успех, которого они добились в бизнесе, выборе инвестиций или других финансовых ситуациях это из-за их личных особенностей. Предвзятость самоатрибуции — это явление, при котором человек игнорирует роль удачи или внешних сил в собственном успехе и приписывает успех исключительно своим силам и работе.
Смещение атрибута является нейтральным понятием и используется в качестве дескриптора для предоставления информации о том, как была выбрана группа ценных бумаг. Если предвзятость атрибутов вызывает проблемы с портфелем, понимание того, что она существует, позволяет инвестору исправить эти проблемы. Напротив, предвзятость самоатрибуции — негативное явление, которое может привести к дефициту навыков в краткосрочной перспективе и неудачам в долгосрочной перспективе. Это изначально негативное предубеждение, и его следует исправить, если кто-то хочет сохранить успех в инвестировании.
Особенности
Из-за этой предвзятости модель или статистический метод могут привести к концентрации рыночных позиций.
Предвзятость атрибутов описывает тот факт, что ценные бумаги, выбранные с использованием одной модели или метода прогнозирования, как правило, имеют схожие фундаментальные характеристики.
Предвзятость атрибутов — это просто характеристика, которая может иметь место, если только модели и методы не разработаны специально для ее исключения.