ScholarGate
Ассистент
Regression model

Факторы риска главных компонент

Факторный анализ главных компонент (PCA) — это метод снижения размерности, который раскладывает ковариационную матрицу доходностей множества активов на небольшое число ортогональных главных компонент, интерпретируемых как систематические факторы риска. Литтерман и Шейнкман (1991) использовали его, чтобы показать, что доходности облигаций определяются несколькими общими факторами, а Коннор и Корайчик (1988) разработали статистическую факторную интерпретацию для теории арбитражного ценообразования (APT).

Применить в EconMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  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

Как цитировать эту страницу

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

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом

Упоминается в

ScholarGatePrincipal Component Risk Factors (Risk Factor PCA via Return Covariance Decomposition). Получено 2026-06-15 из https://scholargate.app/ru/finance/principal-component-risk · Набор данных: https://doi.org/10.5281/zenodo.20539026