如何提高線性股權模型中解釋變異數統計的一致性？

我有一個日內股票回報線性模型，總體而言，它在以下方面顯示出良好的價值 $ R^2 $ , p 值和其他解釋的變異數統計。大約 70% 的股票顯示出一致的 R 平方（在 5% 的解釋範圍內）和顯著性參數，但其餘 30% 已退化 $ R^2 $ 和 p 值。

將貝塔、流動性和行業回報納入模型是否有助於獲得更一致的 $ R^2 $ 所有股票？

由於您提到了 beta，我假設您熟悉資本資產定價模型(CAPM)。這個概念是資產的預期回報與市場回報呈線性相關。當然，正如您所說，還有其他“標準化”回報的方式。我們可以用Fama-French來擴展 CAPM ，它為等式增加了市值和相對價值。

在統計套利領域內，行業中立性非常普遍。股票與它們的行業或行業同行進行比較。如果您要在全球範圍內進行貿易，則另一個維度是地區或國家隸屬關係。

然後是套利定價理論（APT），它根據許多可能的因素來定義資產的價格。我不會稱其為“最先進的技術”，但它對公允價值採取了更現實的看法。您需要定義自己的因素，您可以通過基本面分析或主成分分析來剔除這些因素。您還可以從眾多供應商處購買商業**風險模型。**在這種情況下，您可能會發現自己根據對利率或石油價格等因素的敞口來平衡投資組合中的股票。

引用自：https://quant.stackexchange.com/questions/2684