江湖车侠|| 万字长文,统计学家范剑青:把 AI 学习金融,变为现实( 四 )
什么是因子模型?假设我有1000只股票 , 有5个影响这1000只股票涨幅的市场因子
, 不同的股票对不同因子的依赖程度不一样 , 因此有一个载荷矩阵B 。
再加上每一只股票自己的特质因素(idiosyncraticcomponents)
, 很多时候我们把这两个部分称为
。 这种衡量1000只股票的相关性 , 在股票市场上有很多应用 , 同样对其它方面也有很多应用 。 比如根据1000个基因的表达共同性 , 找出潜在的因子 。
我们主要的信息是什么?我们学习了因子后 , 我们把因子共性的部分完全学习好 , 把它减掉 , 则整个信噪比增加 。
如果把131个变量分成不同因子:共性+个性 , 然后把
代到
里 , 我们变成两部分:共性
和个性
。 假设影响这些宏观变量的共同因子是5个 , 共性的参数是5个 , 个性的参数是131个 , 最后得到136维空间的变量 。
这136维空间中变量的相关性很弱 , 因为相关的部分已经取出来 。 如果把现在的
作为你新的变量 , 我们平时采用的高维方法就能工作 。 这就是我们提出的因子调整的模型(FARMselect)方法 。 简而言之是先学习共同的因子 , 然后用
和
作为预测变量 。
如果你把
学好了 ,
求出来之后解一解就可以了 。 整个思想是把原来131个变量变成136个变量 , 空间变得大了 , 变量变得弱相关 。 用共性+个性 , 和原来的
是等价的 , 这个过程其实是用因子增进预测能力 。
另一方面 , 如果我把这250个个性 , 加上每一个共同的因子拿出来作为第251个变量 , 就可以达到100%的正确模型选择 。 如果说不知道是不是251个 , 而用255个可以吗?可以 , 也可以得到这样的效果 。
如果Σ设成像标普500只成分股那样的协方差 , 最后的结果是一样的 , 我们可以百分百把重要的变量选出来 , 其他的方法做不到 。
推荐阅读
- 抖音|挑衅顺丰、惹怒菜鸟,日单近千万,快递江湖大佬们坐不住了!
- 松果财经|陪玩江湖风云再起?,向“下”出发
- 火星|8岁火星男孩重出江湖?声称进入中国古代社会,这到底是真是假?
- 江湖车侠|明知印度制造不靠谱,为啥还要去?,苹果8个代工厂集体搬迁印度
- 阿里巴巴|马云退出阿里巴巴董事会,江湖再见!
- 艾尼网络凯翔|岳灵珊为何会抛弃青梅竹马令狐冲, 爱上林平之呢,笑傲江湖中,
- 江湖车侠|勇闯AI技术“无人区”,深兰科技:发力“深兰”模式
- 萱草|李一男重出江湖,或与华为“再续前缘”?,背叛华为后
- 江湖车侠|如何让老手机长年流畅?记住这三招就行,不想换新手机
- 政商参阅|却倒在了赌桌上:金立手机的生死江湖路,曾销量第一