Faktoru riska analīze ar galvenajām komponentēm
Faktoru riska analīze ar galvenajām komponentēm (Risk Factor PCA) ir dimensiju samazināšanas metode, kas sadala daudzu aktīvu atdeves kovariācijas matricu nelielā ortogonālu galveno komponentu kopumā, kuras interpretējamas kā sistemātiskie riska faktori. Litterman un Scheinkman (1991) to izmantoja, lai parādītu, ka obligāciju atdevi nosaka daži kopīgi faktori, un Connor un Korajczyk (1988) izstrādāja statistisko faktoru interpretāciju Arbitrāžas Cenu Teorijai (APT).
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Risk Factor PCA via Return Covariance Decomposition. ScholarGate. https://scholargate.app/lv/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.
- Kredītrisku modeļi (Merton, KMV, CreditMetrics)Finanses↔ compare
- Faktoru analīzePētniecības statistika↔ compare
- Procentu likmes modeļi (Vasiceks, CIR, Nelsons-Sīgels)Finanses↔ compare
- Vidējās-variances portfeļa optimizācija (Markovics)Finanses↔ compare
- Parastā mazāko kvadrātu (OLS) regresijaEkonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →