因子协方差和收缩

因子风险引擎:因子如何返回协同移动,以及为什么 SurgeFlow 将原始协方差矩阵缩小到结构化目标。

类别:因子研究

为什么协方差很重要

因子协方差矩阵捕获因子收益如何一起移动。它将投资组合的因子暴露转化为投资组合风险的输入。两个高度相关的因子具有重叠的风险,因此真正的多元化少于因子所显示的数量。

这个系统是如何构建的

SurgeFlow 估计 63 个交易日窗口内主要因子的滚动协方差,然后将 Ledoit-Wolf 线性收缩应用于结构化目标,因为原始样本协方差在短窗口中存在噪声。输出存储收缩强度和最小特征值检查,以便在任何风险数学使用矩阵之前验证其是否为正半定。 - 63天滚动窗口 - 勒杜瓦-沃尔夫收缩 - 记录收缩强度 - PSD/特征值健全性检查

如何阅读

高非对角相关性意味着两个因子几乎是相同的赌注。收缩强度字段显示了原始估计的正则化程度 - 强度越高意味着样本噪声越大,更倾向于结构化先验。