Regression model
主成分风险因子
风险因子主成分分析（Risk Factor PCA）是一种降维方法，它将许多资产的收益协方差矩阵分解为少量正交主成分，这些主成分被解释为系统性风险因子。Litterman和Scheinkman（1991）用它来表明债券收益受少数共同因子驱动，而Connor和Korajczyk（1988）则为套利定价理论（APT）发展了统计因子解释。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 1). Risk Factor PCA via Return Covariance Decomposition. ScholarGate. https://scholargate.app/zh/finance/principal-component-risk
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 信用风险模型（Merton、KMV、CreditMetrics）金融学↔ 比较
- 因子分析研究统计学↔ 比较
- 利率模型（Vasicek模型、CIR模型、Nelson-Siegel模型）金融学↔ 比较
- 均值-方差投资组合优化（Markowitz）金融学↔ 比较
- 普通最小二乘法 (OLS) 回归计量经济学↔ 比较