The equal-weighted constraints of traditional factor model construction method adhere nonzero alpha problem. As the law of mathematics, persistent alphas consequently prevent factor portfolios to not span their optimal portfolio and their own basis portfolios which they are originated from because rank-deficient factor portfolios do not generate enough span space. Grinblatt and Saxena (2018) mainly suggested two solutions to improve traditional factor portfolios: 1) lift simple equal-weights constraints of traditional factor portfolio construction and 2) formulate a mean-variance benchmark (ex-post efficient combination) that is made with groups of sparsely sorted extreme quintile basis portfolios that mimic traditional factor portfolios. Their methodology has been implemented in the Korean stock market. Noted Gibbons, Ross, and Shanken (1989) GRS F-Score, Ledoit and Wolf (2008) LW circular bootstrap test results. The jackknife estimation has been employed to control in-sample optimism that may be prevailed in estimated sample statistics. Despite out-of-sample estimation handicap, the collective results indicate that jackknifed mean-variance optimized (MVE) benchmark corrects omitted price variable and tends to have higher pricing efficacy than their respective traditional factors across various settings. The suggested method corrects the omitted variable bias and empowers additional pricing ability to their origins.
전통 자산가격결정 모델의 요인을 구성할 때 사용되는 동일 가중치 제약은 절편인 알파가 0이 될 수 없게 설정되어 있다. 이러한 특성 때문에 자산가격결정 모델은 결과적으로 요소 포트폴리오와 그들의 최적의 포트폴리오를 포용하지 못하게 된다. Grinblatt과 Saxena (2018)은 기본적인 rank-deficiency과 알파에 대한 두 가지 해결책을 제안했다: 1) 전통 요인 포트폴리오 구성의 단순한 등일 가중치 제약을 해제하고 2) 두 가지 기준으로 독립 정렬한 5x5 기반 포트폴리오중 극단치 기반 포트폴리오들로 전통적인 요인 포트폴리오를 모방할 수 있는 대체 (pseudo) 요인 포트폴리오로 평균 분산 최적화된 벤치마크를 구성하는 것이다. In-sample bias을 통제하기 위해 잭나이프 추정치를 사용해 out-of-sample estimation으로 평균 분산 최적화(MVE)의 비중을 구한다. 본 연구는 한국 주식시장의 데이터로 Gibbons, Ross, and Shanken (1989) GRS F-Score, Sharpe ratio, Ledoit and Wolf (2008) LW circular bootstrap test결과를 제시하였으며 그 중 out-of-sample 측정 핸디캡에도 불구하고, 잭나이프 MVE 벤치마크는 다양한 설정에서 omitted price variable 오차를 보정해주어 각각의 전통적인 요인보다 보다 좋은 가격결정 모델이라는 것을 증명했다.
