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).
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
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.
- Модели кредитного риска (Мертон, KMV, CreditMetrics)Финансы↔ сравнить
- Факторный анализСтатистика исследований↔ сравнить
- Модели процентных ставок (Васичек, CIR, Нельсон-Сигел)Финансы↔ сравнить
- Оптимизация портфеля по критерию среднее-дисперсия (Марковиц)Финансы↔ сравнить
- Регрессия методом обыкновенных наименьших квадратов (ОНМК)Эконометрика↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →