统计风险模型

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Statistical Risk Models》
---
作者：
Zura Kakushadze and Willie Yu
---
最新提交年份：
2017
---
英文摘要：
  We give complete algorithms and source code for constructing statistical risk models, including methods for fixing the number of risk factors. One such method is based on eRank (effective rank) and yields results similar to (and further validates) the method set forth in an earlier paper by one of us. We also give a complete algorithm and source code for computing eigenvectors and eigenvalues of a sample covariance matrix which requires i) no costly iterations and ii) the number of operations linear in the number of returns. The presentation is intended to be pedagogical and oriented toward practical applications.
---
中文摘要：
我们给出了构建统计风险模型的完整算法和源代码，包括确定风险因素数量的方法。其中一种方法基于eRank（有效秩），产生的结果类似于（并进一步验证）我们其中一人在早期论文中提出的方法。我们还给出了一个完整的算法和源代码，用于计算样本协方差矩阵的特征向量和特征值，它需要i）无代价的迭代，ii）在返回数中线性运算的次数。本演示旨在进行教学，并面向实际应用。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Portfolio Management        项目组合管理
分类描述：Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--
一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载：
--> Statistical_Risk_Models.pdf (293.97 KB)

2022-5-11 13:40:26 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：风险模型 Quantitative Applications Presentation Eigenvectors

统计风险模型Zura Kakushadze§+1和Willie Yu2.§QuantigicResolutions LLC1127 High Ridge Road#135，斯坦福德，CT 06905+第比利斯自由大学商学院和物理学院240，地址：佐治亚州第比利斯国际学院0159号戴维·阿格马什内贝利巷新加坡大学路8号杜克国立医学院计算生物学中心169857（2016年2月14日）摘要我们给出了构建统计风险模型的完整算法和源代码，包括确定风险因素数量的方法。其中一种方法是基于eRank（有效等级），产生的结果与（Kakushadze，2015d）的方法类似（并进一步验证）。我们还给出了一个完整的算法和一个计算样本协方差矩阵的特征向量和特征值的d源代码，它需要i）无代价的迭代和ii）在返回数中线性运算的次数。本演示旨在进行教学，面向实际应用。Zura Kakus hadze博士是QuantigicSolutions LLC的总裁，第比利斯弗里大学的全职教授。电子邮件：zura@quantigic.comWillie余博士是杜克国立大学医学院的研究员。电子邮件：威利。yu@dukenus.edu.sgDISCLAIMER当前位置通讯作者使用此地址的目的仅限于按照出版物惯例表明其专业职责。特别是，本文内容并非投资、法律、税务或任何其他此类建议，且不代表QuantigicSolutions LLC网站www.quantigic的观点。多因素风险模型是一种流行的风险管理工具，例如在投资组合优化中。

对于股票投资组合，在其最流行的形式中，多因素风险模型通常是基于行业和风格风险因素构建的。然而，在某些情况下，这种结构是不可用的，例如，由于缺乏任何行业分类（或类似分类），任何相关的风格因素都不可能确定，等等。事实上，当基础回报不是针对股票，而是一些其他“工具”，例如定量交易阿尔法（预期回报）时，通常情况就是这样。在这种情况下，人们通常会求助于统计风险模型。通常情况下，这些都是在收益率样本协方差（或相关）矩阵的主成分的背景下考虑的。更一般地说，人们可以认为统计风险模型是完全基于基本收益的时间序列和无附加信息构建的。这些说明的目的是对面向实际应用的统计风险模型进行简单的教学讨论。在第2节中，我们通过讨论样本协方差矩阵、因子模型的一般性、因子模型在样本方差中重现的要求，以及如何从样本协方差（或相关性）ma t r ix开始，通过主成分写下其谱表示，简单地构建K因子统计风险模型来展开讨论，通过仅保留Firstk主成分，并通过添加特定（特殊）风险来补偿方差中的不足（即，在结果矩阵的对角线上），来计算总和。