因子模型和使用橫截面回歸

我一直在閱讀因子模型。在文獻中提到，當創建最大化特定屬性的投資組合時，可能會導致對其他因素的不必要的偏見。我理解這部分。

因此，他們創建了“真實”因素分數，可以清除所有其他因素的影響因素。它提到使用橫截面回歸來同時消除這些副作用。這是我不確定的部分。我不知道他們如何“清理”他們的因素，這是否是一種標準做法？

更多的資訊

一個變數被分解為真實變數和與其他公共變數共享的部分。這是使用殘差變數方法完成的。

從股權量化因子建構經驗來看，通過將一個組件與其他組件進行回歸併使用殘差分數來建構多因子模型是一種常見的做法。這樣做是為了避免您提到的偏見-這些偏見可能來自因素本身（在不同的製度下，質量/動量相互影響-或收益，價值給投資組合排名帶來相反的極端等）。

Robeco 已經發表了幾篇關於回歸殘差因子（主要是動量）的論文，例如“Short-Term Residual Reversal”。

引用自：https://quant.stackexchange.com/questions/14418