Regression model

عوامل ریسک مولفه‌های اصلی

ریسک فاکتور PCA یک روش کاهش ابعاد است که ماتریس کوواریانس بازده دارایی‌های متعدد را به مجموعه‌ای کوچک از مولفه‌های اصلی متعامد تجزیه می‌کند که به عنوان عوامل ریسک سیستماتیک تفسیر می‌شوند. Litterman و Scheinkman (1991) از آن برای نشان دادن اینکه بازده اوراق قرضه تحت تأثیر چند عامل مشترک هستند استفاده کردند و Connor و Korajczyk (1988) تفسیر آماری عوامل را برای APT توسعه دادند.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Litterman, R. & Scheinkman, J. (1991). Common Factors Affecting Bond Returns. Journal of Fixed Income, 1(1), 54-61. DOI: 10.3905/jfi.1991.692347
  2. Connor, G. & Korajczyk, R. A. (1988). Risk and Return in an Equilibrium APT: Application of a New Test Methodology. Journal of Financial Economics, 21(2), 255-289. DOI: 10.1016/0304-405X(88)90062-1

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Risk Factor PCA via Return Covariance Decomposition. ScholarGate. https://scholargate.app/fa/finance/principal-component-risk

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGatePrincipal Component Risk Factors (Risk Factor PCA via Return Covariance Decomposition). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/finance/principal-component-risk · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026