Bayesian Models to Enhance Parameter Estimation of Financial Assets – Proposal and Evaluation of Probabilistic Methods

Assets are often classified according to their risk and expected return. The estimates of these parameters based on classical methods are considered to lead to unnecessary uncertainty since they are based on a limited amount of information. With few observations they generally lead to poor inferences for assets with less data. With a Bayesian methodology other sources of information are allowed to be included in the estimation process. Probability distributions of risk and expected return are derived by pooling information contained in data with information from analogue data sources or even subjective belief. The current state of belief is updated in a way that take individual precisions into account. This thesis present models to update the probability distributions of assets’ parameters by incorporating direct information (through a non-hierarchical model) or information derived through analogue data sources by a hierarchical model. Methods for robust implementation of these models are suggested. It is also discussed how the models can be extended to be better fit outliers. Referat Bayesianska metoder för att förbättra parameterskattningar av finansiella tillgångar – utvärdering och förslag på Bayesianska modeller Finansiella tillgångar klassificeras ofta med deras risk och förväntad avkastning. Det klassiska sättet att skatta dessa parametrar leder ofta till onödigt stor osäkerhet eftersom de baseras på en begränsad mängd information. Med få observationer kan dessa skattningar leda till dåliga slutsatser. Med ett Bayesianskt synsätt kan fler informationkällor inkluderas i skattningsförfarandet. Sannolikhetsfördelningar av risk och förväntad avkastning kan härledas genom att ta hänsyn till likvärdiga datakällor eller kunskap baserad på subjektiv tro. Den aktuella kunskapen om en parameter uppdateras på ett sätt som tar hänsyn till de precisionerna. Den här uppsatsen presenterar modeller för att uppdatera sannolikhetsfördelningarna för parameterar hos tillgångar genom att ta tillvara direkt information (genom en icke-hierarkisk modell) eller information som härleds ur analoga datakällor genom en hierarkisk modell. Metoder för implementation av dessa modeller presenteras. Dessutom diskuteras hur modellerna kan utvecklas för att bättre ta hänsyn till outliers.