解构网络风险溢价的来源
投资组合管理
2024-09-16 v1 机器学习
摘要
我们使用一种基于机器学习算法的方法，根据公司的披露信息和专用的网络语料库来量化公司的网络风险。该模型能够识别与特定网络威胁类型相关的段落，并据此为公司赋予多个相关的网络评分。这些网络评分与公司的其他特征无关。网络评分高的股票表现显著优于其他股票。多空网络风险因子具有正的风险溢价，对所有因子基准都具有稳健性，并有助于解释回报。此外，我们认为市场并未区分不同类型的网络风险，而是将其视为一个单一的、聚合的网络风险。
引用
@article{arxiv.2409.08728,
title = {Disentangling the sources of cyber risk premia},
author = {Loïc Maréchal and Nathan Monnet},
journal= {arXiv preprint arXiv:2409.08728},
year = {2024}
}