Factor-Models
如何驗證因子模型
假設我有一個因子模型
$$ \rho_i = \sum_J \beta_{iJ} \rho_J + \epsilon_i $$
在哪裡 $ \rho_i $ 是資產 i 超過無風險利率的超額收益，並且 $ \rho_J $ 是因子 J 投資組合的超額收益。我的 J 是固定的，我是所有可能的股票。
我將如何驗證模型？具體來說，這是一個線性回歸問題，我可以找出 $ \beta_{iJ} $ 及其統計意義。如果它只是一隻股票，我會根據統計顯著性進行回歸，這會告訴我模型是否良好。但是，對於多隻股票的標準是什麼？我確信這可以使用統計數據來回答，但我想知道這是否是眾所周知的結果，或者我應該坐下來計算它。
這樣做的動機是 CAPM 和 Fama-French 是基於對因素的一些直覺（這應該是這樣），但是在廉價計算和人工智慧的時代，人們可能會找到一個因素，驗證它會很有用橫跨大量股票。
僅僅根據回歸來尋找因素是一個糟糕的主意。所有誠實的統計上顯著的因素可能沒有任何意義。閱讀 fama 法國原始論文，他們不僅試圖找到解釋風險的因素（如在 CAPM 中，beta 是系統風險的衡量標準），而且他們試圖找出提供“風險溢價”的因素。BARRA 風險模型中有很多因素沒有附加任何溢價（承擔這些風險沒有利潤），但它們只是作為分解回報的簡單因素。如果您想自己找到因素，則必須使用高低桶多空策略對它們進行回測，看看它是否有效，但在您的特定情況下，它可能只是偶然有效，因此您將必須檢查全球市場的一致性。
不要被使用機器學習來擬合因子的想法所左右，這些因子大多都是狗屎，除非你能解釋它們背後的經濟直覺，否則它毫無意義