גורמי סיכון עיקריים
ניתוח גורמי סיכון באמצעות PCA (Principal Component Analysis) הוא שיטת הפחתת ממדים המפרקת את מטריצת השונות המשותפת של תשואות נכסים רבים למספר קטן של רכיבים עיקריים אורתוגונליים, המפורשים כגורמי סיכון שיטתיים. Litterman and Scheinkman (1991) השתמשו בשיטה זו כדי להראות שתשואות אג"ח מונעות על ידי מספר קטן של גורמים משותפים, ו-Connor and Korajczyk (1988) פיתחו את הפרשנות הסטטיסטית של גורמים עבור תיאוריית תמחור ארביטראז' (APT).
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Litterman, R. & Scheinkman, J. (1991). Common Factors Affecting Bond Returns. Journal of Fixed Income, 1(1), 54-61. DOI: 10.3905/jfi.1991.692347 ↗
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Risk Factor PCA via Return Covariance Decomposition. ScholarGate. https://scholargate.app/he/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.
- מודלים של סיכון אשראי (Merton, KMV, CreditMetrics)מימון↔ compare
- ניתוח גורמיםסטטיסטיקה למחקר↔ compare
- מודלים של ריבית (Vasicek, CIR, Nelson-Siegel)מימון↔ compare
- אופטימיזציית תיק השקעות ממוצע-שונות (מרקוביץ)מימון↔ compare
- רגרסיית ריבועים פחותים רגילים (OLS)אקונומטריקה↔ compare