[Table_StockName金Rpt融Typ工e]程专题报告基于残差因子分布预测的投资组合优化——“学海拾珠”系列之一百七十五[T报a告b日le期_R:p2t0D24a-t0e1]-17主要观点:[分Ta析bl师e_:Au骆th昱or杉][Table本_S篇um是m“ar学y]海拾珠”系列第一百七十五篇,文章提出了一种新的基执业证书号:S0010522110001于预测谱残差因子的分布来构建投资组合的策略,能以较高的计算效邮箱:luoyushan@hazq.com率提取残差信息,同时对金融归纳偏差有效建模。分析师:严佳炜⚫对冲市场因子风险的谱残差因子如果资产收益与市场因子有很强的相关性,那么该资产就有很大执业证书号:S0010520070001邮箱:yanjw@hazq.com的市场风险敞口。通过主成分分析,丢弃几个最大特征值的主成分可以得到谱残差,可以证明谱残差与线性因子模型中的共同因子具有较低的相关性,且其分量互不相关。实验表明,基于PCA的谱残差的提取速度明显快于线性因子模型(FA)。[相Ta关bl报e_告CompanyReport]⚫能够反映金融归纳偏差的神经网络架构金融序列中存在两类不变量。第一种为波动聚集,即波动率或振幅1.《历史持仓回报会影响基金经理后续选股吗?——“学海拾珠”系列之保持不变,在神经网络中可以使用归一化建模,具体思想是球面上的任一百七十四》何函数类可以转换为正齐次函数类。第二种为分形结构,为利用分形2.《基于端到端神经网络的风险预算结构的自相似性,可以对输入序列进行不同频率的采样得到多个子序与组合优化——“学海拾珠”系列之列,然后应用同一操作提取信息,最后取平均输出信息。一百七十三》3.《低风险组合构建:基于下行风险⚫分布预测与投资组合构建的...
发表评论取消回复