结合领域知识的因子分析:在金融风险模型上的应用

因子分析是一种在工业领域广泛使用的统计学方法.在金融资产管理中,因子分析通过对历史价格波动的极大似然估计推导自适应的统计学因子来生成风险模型.与通过使用预先设定具有经济学含义的因子来生成风险模型的基本面因子模型相比,通过因子分析生成的模型不仅更灵活,还能发现在基本面模型中缺失的因子.然而,由于因子分析所生成模型中的统计学因子缺少可解释性,因此当金融数据中存在显著噪音时容易过拟合.针对中国股市数据的风险模型生成问题,本文提出快速因子分析算法以及将基本面因子结合到因子分析中的挑选基本面因子的混合因子分析方法,使风险模型同时在因子探索及模型可解释性上达到最优.实验结果显示快速因子分析方法能够达到31...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 48; no. 1; pp. 121 - 132
Main Authors 冯栩, 喻文健, 李凌
Format Journal Article
LanguageChinese
Published 清华大学计算机科学与技术系北京信息科学与技术国家研究中心 北京100084%善流投资管理有限公司 上海200000 2022
Subjects
因子分析;基本面因子;领域知识;风险模型;期望最大化过程
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c200342

Cover

More Information
Summary:因子分析是一种在工业领域广泛使用的统计学方法.在金融资产管理中,因子分析通过对历史价格波动的极大似然估计推导自适应的统计学因子来生成风险模型.与通过使用预先设定具有经济学含义的因子来生成风险模型的基本面因子模型相比,通过因子分析生成的模型不仅更灵活,还能发现在基本面模型中缺失的因子.然而,由于因子分析所生成模型中的统计学因子缺少可解释性,因此当金融数据中存在显著噪音时容易过拟合.针对中国股市数据的风险模型生成问题,本文提出快速因子分析算法以及将基本面因子结合到因子分析中的挑选基本面因子的混合因子分析方法,使风险模型同时在因子探索及模型可解释性上达到最优.实验结果显示快速因子分析方法能够达到31倍以上的加速比,且新混合因子分析方法能够增大人造数据集以及真实数据集上预测的对数似然估计值.在真实数据集上,新方法能最好够达到平均对数似然估计值12.00,比因子分析构建模型的7.56大4.44,并且两个算法均值差值的标准差为1.58,表现出新方法能构建更准确的风险模型.
ISSN:0254-4156
DOI:10.16383/j.aas.c200342