對投資組合正確執行風險因素分析的步驟是什麼？
我被要求對給定的投資組合進行因子分析，假設它是瑞士法郎的投資組合。
第一步，我選擇了我希望在分析中看到的因素。
我要添加的第一個因素是投資組合的組成部分（並使用對沖業績）
- 全球股票指數的表現
- 全球固定收益指數的表現
- 黃金的表現
- 商品指數的表現
然後我想有外匯因素，所以我添加
- 歐元兌瑞郎表現
- 美元兌瑞郎表現
最後，我想有一些宏觀經濟指標：
- 瑞士國內生產總值的變化
- 通貨膨脹率
- 失業率。
例如。
Si 我給出了一大堆因素，我的第一個問題是，一些時間序列的量級值比其他時間序列值更大，我想知道在進一步研究之前是否應該對它們進行正規化？
您認為將“純”股票表現和外匯成分分開是否有意義？
第二步
我最終將尋求執行以下操作：
$$ Y_t = \alpha + \sum_{i=1}^k \beta_i {F_i}_t + \varepsilon_t $$ 在哪裡 $ F_i, \quad 0<i \leq k $ 是第 i 個因子並且 $ y_t $ 是投資組合在時間的回報 $ t $ .
問題是，為了使這有意義，我們需要不同的 $ F_i $ 要獨立。
在我們的領域中是否有一種普遍接受的方法來獲得一組獨立的因素？（我在這裡問了這個問題，但我無法給出一個直接的答案）。
第三步 一旦這個過濾器完成，我們有 $ l\leq k $ 獨立因素。我正在考慮對剩餘的部分進行回歸 $ l $ 因素，然後查看它們的 p 值以查看哪些是重要的，因此我想保留。有沒有更好的常用於因子分析？
回歸需要對因素進行正交化。但是，我們需要保持對因子的解釋（所以 PCA 和因子分析都出來了）。此外，我們可以應用迭代方法（實際上這是非常常見的做法），但這會使因子負載偏向因子序列。
最好的方法是 Klein 和 Chow 在他們的論文Orthogonalized Equity Risk Premia and Systematic Risk Decomposition中的方法。他們使用 Schweinler 和 Wigner (1970) 在量子化學小波文獻中的一種方法，該方法僅依賴於特徵向量分解。正如他們所描述的：
這種獨特的特徵對於正確分解至關重要，因為我們需要平等對待所有因素。因此，所有因素的正交變換必須同時進行。我們選擇正交化的對稱形式，最小化原始向量和正交向量之間的整體差異，從而最大化兩組數據之間的相似性。
我們將其應用於貶低的原始因子，從而確保生成的向量不僅在數學上是正交的，而且是不相關的。
他們有一個很好的案例研究，將這種方法應用於原始的 Fama-French 論文。我已經將他們的方法應用於收益和風險分解的基本因素和經濟因素的混合，並確認儘管正交化，變數的前後相關性很高。
在您的問題中未說明的是您將如何確定經濟因素回報。您可能會按原樣採用經濟因素時間序列（本質上不區分預期和意外），或者在應用 AR(1) 或類似的時間序列模型後獲取經濟因素時間序列的殘差（常見)，或者您可能會產生經濟因素回報作為橫截面回歸的輸出。這一步有一點藝術和科學，但這是你至少要考慮的事情。