吸收率
我實際上正在嘗試使用 Python 來實現 Mark Kritzman 的吸收率（主要成分作為系統風險的衡量標準，Kritzmam、Li、Page 和 Rigobon，2010，SSRN 1633027），但我不確定我是否正在處理正確。
有人有python程式碼可以分享嗎？那真的很有幫助。
我的程式碼如下：
def absorption_ratio(assets): # Create an empty list in order to store the absorption ratio : AR = [] # Compute the correlation matrix of the asset returns : corr = assets.corr() # Compute the eigenvectors of the correlation matrix : evec = la.eig(corr)[1] # Compute the variance of the eigenvectors : evec_variance = evec.var(1) # Store the lenght of the variance of the eigenvectors : n = len(evec_variance) # Compute the variance of the asset returns : assets_variance = assets.var(1) # Store the lenghts of the asset returns : N = len(assets_variance) # Loop over the lenghts of the assets and eigenvectors variance, and store the values in the absorption ratio list: for i, j in zip(range(n), range(N)): AR.append(np.sum(evec_variance[i]/np.sum(assets_variance[j]))) return AR
你可以在這裡找到一個 python 實現https://github.com/tzhangwps/Turbulence-Suite
作者將吸收率稱為“系統性風險指標”，但計算方法相同。
我不知道 R 程式碼；但我也許可以在所引用的論文中刪掉很多學術公牛=撲通一聲。
十年前，我曾經在賣方工作，曾經製作過“所有事物與其他事物的相關性”系列（跨資產類別的相關性），這是 PCA 支配和風險的一個很好的代表——開，避險單風險。緊隨其後的是一個“應該多少？” 和“什麼比它“應該”更感動？市場分析，明確基於 50 多個流動金融市場的 PCA。
坦率地說，我已經償還了大部分抵押貸款經紀特徵向量和特徵值給投資者，從量化翻譯成英文。因此，當其他人似乎在玩同樣的遊戲時，我自以為是地認為我知道這一點 :-)
我懷疑，如果您採用與他相同的市場樣本，並使用相同的視野來計算相關矩陣，那麼 PC1 的特徵值應該與神話般的“吸收率”相同。如果不是這樣，那麼就會引發一系列關於他的不同措施是否適合作為“相互關聯市場”風險的廣泛衡量標準的問題;-)
如果是，那麼就會引發一系列不同的問題。對於您查看的任何回報樣本，相關 PC 驅動程序的相對力量不僅可以在重要性上上升或下降，而且會按重要性順序切換。PC1 可以每隔一天變成 PC2，反之亦然。“吸收率”不會改變。它看起來很穩定……但周一是冒險的，冒險的；週二流動性開啟；流動性關閉；星期三是 50:50 RORO 或 LOLO；星期四是，可能和其他任何一天一樣。等等等等。“風險”級別沒有改變；但是“冒險”與“防禦”的本質會日復一日地翻轉嗎？這是如何運作的？？？
此處額外披露。在 2005-6 年，我建立了一個跨市場風險偏好/厭惡指標。它以通常的方式打包並出售給客戶（他們不知道他們購買的是什麼，是否會或應該工作，或者整個金融供應鏈所涉及的費用）。我不驕傲；但我的指標和我們在它上面的實現實際上在大多數類似產品都失敗的情況下工作。我對此不主張任何個人信用；這只是我能夠利用的幸運突破之一（而 duff 產品的創造者並沒有立即被解僱，因為 2008 年以前從未見過的情況為藉口）。作為 2008 年漲幅超過 20% 的少數幾件事之一，我最大的問題是管理我知道世界已經改變的事實。該產品（幸運地）起作用了；但風險的性質已經改變。而且我無法從頭開始重新設計地震後“風險”的新定義；-（不用了，該產品在恐怖時刻的輝煌之後多年（非災難性地）陷入困境。有點像溫斯頓丘吉爾，我想;-)
這裡的重點是，金融危機後市場間的相關性飆升是有正當理由的。預設情況下，這些將推動“吸收率”更高，但沒有歷史先例所暗示的相同水平的真實“壓力”。2008 年最簡單的形式是通貨緊縮的信貸緊縮。在股票與債券市場擔心增長疲軟的情況下，相關性將是強烈的負相關。在他們擔心通脹上行的市場中，回報將呈正相關。許多相同的論點適用於任何信貸、商品、黃金以及股票或債券，而不是其他任何一種。在通縮緊縮與任何通貨膨脹或繁榮的情況下，爭論總是最強烈的。
因此，“吸收率”在 2008 年之後總是偏向於上升，無論隨後發生什麼……隨著“預警指標”的出現，這讓我覺得這是“打最後一場戰爭”的完美練習。儘管這裡的激勵措施是撰寫有關“相關”研究的學術論文，而不是像衍生品遊戲中所看到的那樣創造可能/實際上會傷害人們的不良產品。它可能在智力上有毒；而不是對投資者有害。
但是，歸根結底，我非常懷疑。並且非常樂意就您的嘗試提供進一步的建議，無論我是對的還是非常非常錯的。如果是後者，我保證我會及時正確地追責。
我在這裡最良好的祝愿