基于随机贴现模型的因子筛选法:国泰君安学界纵横系列之十六
本文介绍一种检验新因子边际贡献的方法,通过两步LASSO回归对高维因子库进行双重选择,缓解变量遗漏误差。主要结论:BETA、投资能力(IA)和盈利能力(RMW/ROE)因子有显著贡献。方法随时间递归可缩减因子库,对模型参数稳健。
本文介绍一种检验新因子边际贡献的方法,通过两步LASSO回归对高维因子库进行双重选择,缓解变量遗漏误差。主要结论:BETA、投资能力(IA)和盈利能力(RMW/ROE)因子有显著贡献。方法随时间递归可缩减因子库,对模型参数稳健。
本文介绍一种检验新因子边际贡献的方法,通过两步LASSO回归对高维因子库进行双重选择,缓解变量遗漏误差。主要结论:BETA、投资能力(IA)和盈利能力(RMW/ROE)因子有显著贡献。方法随时间递归可缩减因子库,对模型参数稳健。
本文介绍一种检验新因子边际贡献的方法,通过两步LASSO回归对高维因子库进行双重选择,缓解变量遗漏误差。主要结论:BETA、投资能力(IA)和盈利能力(RMW/ROE)因子有显著贡献。方法随时间递归可缩减因子库,对模型参数稳健。
本报告由国泰君安发布,发布于 2021 年。
覆盖 2021 年,全文约 21。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合金融从业者、量化研究员、资产管理者等读者参考。
重点分析了金融投资、因子筛选法等议题。