“学海拾珠”系列之一百七十五：基于残差因子分布预测的投资组合优化-20240117-华安证券-16页.pdf

[Table_StockNameRptType]

金融工程

专题报告

基于残差因子分布预测的投资组合优化

——“学海拾珠”系列之一百七十五

[Table_RptDate]

报告日期：2024-01-17主要观点：

[Table_Summary]

[Table_Author]本篇是“学海拾珠”系列第一百七十五篇，文章提出了一种新的基

分析师：骆昱杉

于预测谱残差因子的分布来构建投资组合的策略，能以较高的计算效

执业证书号：S0010522110001

率提取残差信息，同时对金融归纳偏差有效建模。

邮箱：luoyushan@

⚫对冲市场因子风险的谱残差因子

分析师：严佳炜

如果资产收益与市场因子有很强的相关性，那么该资产就有很大

执业证书号：S0010520070001

的市场风险敞口。通过主成分分析，丢弃几个最大特征值的主成分可以

邮箱：yanjw@

得到谱残差，可以证明谱残差与线性因子模型中的共同因子具有较低

的相关性，且其分量互不相关。实验表明，基于PCA的谱残差的提取

速度明显快于线性因子模型（FA）。

⚫能够反映金融归纳偏差的神经网络架构

金融序列中存在两类不变量。第一种为波动聚集，即波动率或振幅

保持不变，在神经网络中可以使用归一化建模，具体思想是球面上的任

何函数类可以转换为正齐次函数类。第二种为分形结构，为利用分形

结构的自相似性，可以对输入序列进行不同频率的采样得到多个子序

[Table_CompanyReport]

相关报告

列，然后应用同一操作提取信息，最后取平均输出信息。

1.《历史持仓回报会影响基金经理后

续选股吗？——“学海拾珠”系列之⚫分布预测与投资组合构建

一百七十四》分布预测是指给定已实现残差因子序列，预测未来观测值的条件分

2.《基于端到端神经网络的风险预算

布，即预测未来观测值的多个条件分位数。利用预测得到的多个等距分

与组合优化——“学海拾珠”系列之

位数，可以估计未来残差的均值和方差，然后根据现代组合理论构建最

一百七十三》

优投资组合。

3.《低风险组合构建：基于下行风险

的缩放策略——“学海拾珠”系列之

⚫策略效果

一百七十二》

文章在美国市场和日本市场上进行策略检验。在美国市场方面，文

4.《如何衡量基金产品创新与差异

化：基于文本的视角——“学海拾章使用2000年1月至2020年4月期间标准普尔500指数成分股的每

珠”系列之一百七十一》日价格数据，2008年1月之前的数据用于进行训练和验证，其余数据

5.《如何改进短期反转策略？——用于测试。实证研究表明，分布预测