受Boyd et. Al. 2017的启发,我试图创建一个因子模型来降低协方差矩阵Sigma的维数。其思想是将协方差矩阵分为因子负荷(F)、因子协方差(Sigma super F)和特殊风险(对角矩阵D)
在Abhyankar Ameya之后,我可以在每周历史报表上设置PCA,如下所示
from sklearn.decomposition import PCA
from sklearn.preprocessing import scale
historical_returns = pd.read_csv(...)
X = historical_returns.values
X = scale(X)
pca = PCA(n_components=5)
pca.fit(X)
factor_loadings = pd.DataFrame(pca.components_)
我相信factor_loadings
就是上面的F。在维度减少后,我如何计算因子协方差和特质风险?缩放功能会把事情搞砸吗
目前没有回答
相关问题 更多 >
编程相关推荐