因子模型
"因子模型"在金融领域中占据重要地位，尤其体现在投资组合理论及风险管理等领域中。在金融分析中，“因子”通常指的是影响资产价格变动的共同因素。因子模型的主要思想是将资产的回报率分解为几个共同因子和特定因子的线性组合。 这些共同因子通常包括宏观经济指标（如GDP增长率、利率变动和通胀率）和资产类别的特性因子，用于捕捉整体市场环境的影响；而特定因子则是用来解释单独资产或投资组合独特的风险和回报特征。 因子模型对于理解和管理投资组合的风险及回报具有至关重要的作用。首先，它可以帮助投资者识别并量化各种经济和市场因素对投资组合表现的影响。其次，因子模型可以用于评估投资组合的多样性，进而改进资产配置策略。此外，通过理解并应用因子模型，投资者还可以更加精准地预测未来的投资表现，并制定更有效的风险管理策略。 因此，因子模型是金融专业人士在构建、优化和管理投资组合时不可或缺的工具之一。它提供了一种系统性的方法，帮助投资者在复杂多变的市场环境中做出更加明智的投资决策。
GBDT多因子选股策略
更新时间：2022-03-04 06:58
因子过滤
更新时间：2021-12-14 13:18
因子选股系列研究之三十一：风险模型在时间序列上的改进-东方证券-20171201
风险模型有三个功能：控制风险暴露、估计收益率协方差矩阵、绩效归因。不是所有功能都要用到风险因子，估计协方差矩阵可以采用纯统计方法，报告把这个领域最新学术成果和业界常用的因子模型在A股进行了实证对比
由于股票数量多，收益率样本数量少，样本协方差矩阵的估计误差比较大，导致其矩阵条件数（最大特征值除以最小特征值）较高，输入组合优化器进行数值求解时会让结果对数据误差十分敏感。压缩估计方法即是去调整样本协方差矩阵的特征值，压缩其分布区间，同时降低估计误差。我们之前研究中一直采用线性压缩方法（LS），报告里新测试了Ledoit(2017)提出的非线性压缩估计(NLS)。
因子模型(FM)的构建参考了B
更新时间：2021-11-22 07:53