Empirical Asset Pricing via Ensemble Gaussian Process Regression

Dit artikel introduceert een ensemble-leermethode op basis van Gaussian Process Regression die de computationele complexiteit verlaagt en statistisch en economisch superieure resultaten boekt ten opzichte van bestaande machine learning-modellen bij het voorspellen van aandelenrendementen en het construeren van optimale portefeuilles.

De kern

Stel je voor dat je een voorspeller bent voor de beurs. Je wilt weten welke aandelen morgen stijgen en welke dalen. Dit is een van de moeilijkste taken in de financiële wereld, omdat de markt vaak als een drukke, lawaaierige markt lijkt waar het echte signaal (wat er echt gaat gebeuren) verloren gaat in het ruisen van de menigte.

De auteurs van dit papier, Damir Filipović en Puneet Pasricha, hebben een nieuwe, slimme manier bedacht om deze voorspellingen te doen. Ze noemen hun methode "Ensemble Gaussian Process Regression". Dat klinkt als een heel moeilijke naam, maar laten we het op een simpele manier uitleggen met een paar creatieve vergelijkingen.

1. Het probleem: De "Enkelvoudige Expert" is te traag en onzeker

Stel je voor dat je één superdeskundige hebt die alle historische gegevens van duizenden aandelen moet analyseren om één voorspelling te doen.

• Het probleem: Als je al die data op één keer probeert te verwerken, wordt die deskundige overbelast. Het duurt te lang (zoals een computer die vastloopt) en kan niet snel genoeg reageren op nieuwe informatie.
• Het tweede probleem: Die ene deskundige zegt vaak: "Ik denk dat dit aandeel stijgt." Maar hij zegt niet hoe zeker hij is. Zou hij het weten als het morgen regent? Of als de economie instort? In de beurswereld is het weten hoe zeker je bent, vaak belangrijker dan de voorspelling zelf.

2. De oplossing: Een "Ensemble" van deskundigen (Het Orkest)

In plaats van één superdeskundige, maken de auteurs een orkest van deskundigen.

• Hoe het werkt: Ze splitsen de enorme hoeveelheid historische data op in kleinere stukjes (bijvoorbeeld per maand). Voor elk stukje data trainen ze een eigen, kleine deskundige (een "Gaussian Process").
• De kracht: In plaats van één zware berekening te doen, laten ze al deze kleine deskundigen parallel werken. Het is alsof je in plaats van één gigantische computer, honderden kleine telefoons gebruikt die samenwerken. Dit maakt het veel sneller en schaalbaarder.
• Het mengsel: Aan het einde laten ze al deze deskundigen hun mening geven. Ze wegen hun meningen af: wie was in de afgelopen maanden het meest accuraat? Die krijgt meer stemrecht. Zo krijgen ze één gezamenlijke, zeer sterke voorspelling.

3. Het unieke verkoopargument: De "Zekerheidsmeter"

Dit is het meest innovatieve deel van het papier.

• Andere methoden (zoals neurale netwerken): Die zeggen vaak alleen: "Aandeel X gaat 5% stijgen." Ze geven geen waarschuwing als ze twijfelen.
• Deze methode (GPR): Die zegt: "Aandeel X gaat waarschijnlijk 5% stijgen, en ik ben zeer zeker daarvan" OF "Aandeel X gaat waarschijnlijk 5% stijgen, maar ik ben niet zeker omdat de data raar is."

Ze noemen dit epistemische onzekerheid (onzekerheid over je eigen kennis).

• De analogie: Stel je voor dat je twee weersvoorspellers hebt.
  • Voorspeller A zegt: "Morgen regent het." (Zonder meer info).
  • Voorspeller B zegt: "Morgen regent het, en ik heb 99% zekerheid omdat ik de radar zie."
  • Of: "Morgen regent het, maar ik heb maar 50% zekerheid omdat de radar kapot is."
  • Als je een paraplu meeneemt, wil je weten of je die echt nodig hebt of niet.

4. Wat betekent dit voor beleggers? (De Portefeuille)

De auteurs gebruiken deze "zekerheidsmeter" om slimme beleggingsportefeuilles te bouwen. Ze maken drie soorten portefeuilles:

1. De "Gelijke" portefeuille: Je belegt evenveel in alle aandelen die ze voorspellen dat goed gaan.
2. De "Voorspelling-gewogen" portefeuille: Je belegt meer in de aandelen die ze het sterkst zien stijgen.
3. De "Onzekerheids-averse" portefeuille (De slimste): Dit is hun nieuwe idee. Ze beleggen in aandelen die hoog gaan stijgen, MAAR alleen als ze zeer zeker zijn van die voorspelling. Als ze twijfelen (hoge onzekerheid), beleggen ze daar niet in, zelfs als de voorspelling hoog is.

Het resultaat:
De "Onzekerheids-averse" portefeuille deed het veruit het beste.

• Het gaf een hoger rendement dan de standaard methoden.
• Het was veiliger (minder schommelingen).
• Het presteerde zelfs beter dan de beroemde S&P 500 index.

5. Wat hebben ze geleerd over de markt?

Door te kijken naar welke gegevens de deskundigen het meest gebruikten, ontdekten ze interessante patronen:

• Recente prijsbewegingen zijn belangrijk (aandelen die de laatste tijd snel zijn gestegen of gedaald).
• Liquiditeit is cruciaal: Aandelen die moeilijk te kopen of verkopen zijn (hoge transactiekosten, weinig volume), blijken vaak voorspelbaar te zijn, maar ook riskanter.
• De modellen werken goed op zowel grote als kleine bedrijven.

Samenvatting in één zin

De auteurs hebben een slimme manier bedacht om duizenden kleine "deskundigen" samen te laten werken om niet alleen te voorspellen wat er gaat gebeuren, maar ook om te meten hoe zeker ze zijn, waardoor beleggers slimmer en veiliger kunnen investeren dan met traditionele methoden.

Het is alsof ze van een gokker een slimme strateeg hebben gemaakt die weet wanneer hij moet inzetten en wanneer hij moet wachten.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Empirical Asset Pricing via Ensemble Gaussian Process Regression" van Damir Filipović en Puneet Pasricha, gepresenteerd in het Nederlands.

1. Het Probleem

Het voorspellen van conditioneel verwachte aandelenrendementen is een centraal maar uiterst moeilijk probleem in de empirische activa-pricing. De uitdagingen zijn meervoudig:

• Ruis en signaal-ruisverhouding: Financiële markten zijn zeer ruisachtig met een lage signaal-ruisverhouding vergeleken met andere domeinen zoals computer vision.
• Complexe informatiestructuur: De volledige informatiestructuur is niet waarneembaar en omvat een groeiende lijst van voorspellende aandelenkenmerken en macro-economische variabelen.
• Niet-lineariteit en tijdsvariatie: De relatie tussen voorspellers en rendementen is niet-lineair en verandert dynamisch door de evolutie van economische omstandigheden.
• Beperkingen van bestaande ML-methoden: Hoewel machine learning (zoals neurale netwerken) de voorspellende prestaties heeft verbeterd, missen deze methoden vaak de kwantificering van epistemische onzekerheid (onzekerheid over het model zelf). Dit is cruciaal voor portfolio-selectie en risicobeheer.
• Rekenkundige complexiteit: Traditionele Gaussian Process Regression (GPR) heeft een tijdscomplexiteit van $O(N^3)$ door de noodzaak om kernel-matrices om te keren, wat onhaalbaar is voor grote datasets (miljoenen observaties).

2. Methodologie

De auteurs introduceren een ensemble-leerbenadering gebaseerd op Gaussian Process Regression (GPR) om conditioneel verwachte rendementen te voorspellen.

A. Ensemble Learning (Mixture-of-Experts)
Om de rekenkundige bottleneck van GPR op te lossen en online learning mogelijk te maken, wordt de trainingsdata niet als één blok behandeld, maar opgesplitst in maandelijkse subsets.

• Parallelle training: Voor elke maand $j$ wordt een individueel GPR-model ($f^{(j)}$) getraind op de data van die specifieke maand.
• Mixing: De voorspellende verdeling voor de volledige dataset wordt verkregen door de individuele voorspellende verdelingen te mixen met gewichten $w_j$.
• Gewichtsschema's:
  1. Gelijke gewichten: Alle recente maanden krijgen hetzelfde gewicht.
  2. MSE-gewichten: Gewichten zijn omgekeerd evenredig met de Mean Squared Error (MSE) van het model op een kalibratiemaand. Dit geeft meer gewicht aan modellen die beter presteren in het huidige regime, wat rekening houdt met non-stationariteit.

B. Bayesiaanse Onzekerheid
In tegenstelling tot neurale netwerken die vaak punt-schattingen geven, levert GPR een volledige voorspellende verdeling op:

• Epistemische onzekerheid: Kwantificeerd door de covariantiematrix $\hat{\Sigma}_{t+1}$ van de voorspelling. Dit vertegenwoordigt de onzekerheid van het model.
• Aleatorische onzekerheid: De intrinsieke ruis in de data ($\epsilon$).
• De totale variantie is de som van beide componenten.

C. Portfolio Constructie
De auteurs gebruiken de voorspellende onzekerheid om nieuwe portfolio's te bouwen:

• Uncertainty-Weighted (UW): Minimaliseert de epistemische onzekerheid (vergelijkbaar met een global minimum variance portfolio).
• Prediction-Uncertainty-Weighted (PUW): Een mean-variance optimale portfolio voor een onzekerheidsaversieve belegger. Deze maximaliseert het verwachte rendement terwijl de onzekerheid wordt geminimaliseerd, gecontroleerd door een parameter $\zeta$.

3. Belangrijkste Bijdragen

1. Methodologische Innovatie: Het overbruggen van de kloof tussen kernel-methoden in machine learning en empirische activa-pricing. Het introduceren van een schaalbare ensemble-GPR methode die de $O(N^3)$ complexiteit omzeilt en geschikt is voor online learning.
2. Kwantificering van Onzekerheid: Het benutten van de Bayesiaanse aard van GPR om onzekerheid expliciet te integreren in de portfolio-selectie, wat leidt tot economisch superieure resultaten.
3. Empirisch Bewijs: Een uitgebreide analyse op een grote cross-sectie van Amerikaanse aandelen (1962-2016) met 94 kenmerken, waarbij wordt aangetoond dat de methode statistisch en economisch superieur is aan bestaande benchmarks (lineaire regressie, ensemble lineaire regressie, en neurale netwerken uit eerdere studies).

4. Resultaten

De analyse is uitgevoerd op maandelijkse rendementen van ongeveer 30.000 aandelen (NYSE, AMEX, NASDAQ) van 1962 tot 2016.

Statistische Prestaties:

• Het ensemble GPR-model met een $\gamma$-exponentiële kernel (E-GPR) bereikte een out-of-sample $R^2_{pool}$ van 0,78%, significant hoger dan lineaire benchmarks (0,37% - 0,63%).
• De Information Coefficient (IC) bedroeg 5,89%, wat aangeeft dat het model goed in staat is om relatieve prestaties tussen aandelen te onderscheiden.
• Het model presteerde consistent tijdens recessies (NBER periodes).

Economische Prestaties (Portfolio's):

• Uncertainty-Weighted (UW) Portfolio: Deze portfolio, die onzekerheid minimaliseert, behaalde een $R^2_{pool}$ van 13,39% over alle decielen, vergeleken met 8,04% voor een gelijk-gewogen (EW) portfolio en 3,85% voor een waarde-gewogen (VW) portfolio.
• Long-Short Strategieën:
  • De PUW20 portfolio (met onzekerheidsaversie $\zeta=20$) leverde een geannualiseerde Sharpe-ratio van 3,44 op, met een annualisatie volatiliteit van 17%.
  • Dit overtreft de Sharpe-ratio's van de EW (2,44) en VW (0,91) strategieën aanzienlijk.
  • De PUW-strategie biedt een hoger rendement bij een lagere volatiliteit dan de Prediction-Weighted (PW) strategie, wat aantoont dat het meenemen van onzekerheid essentieel is voor risicobewuste beleggers.

Kenmerkanalyse:

• De belangrijkste voorspellende variabelen zijn gerelateerd aan recente prijs-trends (momentum, reversie) en liquiditeit (bid-ask spread, dollar volume).
• Aandelen met hoge voorspelde rendementen blijken vaak minder liquide te zijn.
• Aandelen met hoge voorspellende onzekerheid vertonen extreme illiquiditeit en beperkingen voor arbitrage.

5. Betekenis en Conclusie

Dit artikel toont aan dat machine learning-methoden, specifiek Gaussian Process Regression, een groot potentieel hebben voor het voorspellen van verwachte aandelenrendementen. De belangrijkste inzichten zijn:

• Superioriteit van Kernel-methoden: Een eenvoudige GPR met een niet-lineaire kernel presteert beter dan complexe neurale netwerken in deze context.
• Waarde van Onzekerheid: Het kwantificeren en integreren van voorspellende onzekerheid in portfolio constructie leidt tot aanzienlijke economische winsten (hogere Sharpe-ratio's) en betere risicobeheersing.
• Schaalbaarheid: De voorgestelde ensemble-methode maakt het gebruik van GPR mogelijk op grote datasets en in online learning omgevingen, wat een praktische oplossing biedt voor de rekenkundige beperkingen van traditionele GPR.

De studie bevestigt dat het "niet alleen gaan voor de beste voorspelling", maar ook het begrijpen van de betrouwbaarheid van die voorspelling, cruciaal is voor succesvol beleggen.