本报告系统梳理了学术界前沿的协方差矩阵估计方法，包括稀疏矩阵估计（硬阈值、软阈值）和旋转不变估计（线性压缩、非线性压缩等），并对比两种应用方案（直接估计协方差矩阵 vs. 估计相关系数矩阵再还原）。在风险模型中，使用126天回看窗口的方案二线性压缩估计能有效提升因子收益协方差矩阵精度。在复合因子优化中，采用方案一、26周回看窗口配合线性或非线性压缩估计，可实现年化ICIR达5.7-5.9，较因子等权配置提升30%-35%。报告还分析了样本量、回看窗口长度对估计精度的影响，为量化投研人员提供了可落地的实操建议。适用于量化研究员、基金经理、金融工程师及投资分析专家。
本报告系统梳理了学术界前沿的协方差矩阵估计方法，包括稀疏矩阵估计（硬阈值、软阈值）和旋转不变估计（线性压缩、非线性压缩等），并对比两种应用方案（直接估计协方差矩阵 vs. 估计相关系数矩阵再还原）。在风险模型中，使用126天回看窗口的方案二线性压缩估计能有效提升因子收益协方差矩阵精度。在复合因子优化中，采用方案一、26周回看窗口配合线性或非线性压缩估计，可实现年化ICIR达5.7-5.9，较因子等权配置提升30%-35%。报告还分析了样本量、回看窗口长度对估计精度的影响，为量化投研人员提供了可落地的实操建议。适用于量化研究员、基金经理、金融工程师及投资分析专家。
本报告系统梳理了学术界前沿的协方差矩阵估计方法，包括稀疏矩阵估计（硬阈值、软阈值）和旋转不变估计（线性压缩、非线性压缩等），并对比两种应用方案（直接估计协方差矩阵 vs. 估计相关系数矩阵再还原）。在风险模型中，使用126天回看窗口的方案二线性压缩估计能有效提升因子收益协方差矩阵精度。在复合因子优化中，采用方案一、26周回看窗口配合线性或非线性压缩估计，可实现年化ICIR达5.7-5.9，较因子等权配置提升30%-35%。报告还分析了样本量、回看窗口长度对估计精度的影响，为量化投研人员提供了可落地的实操建议。适用于量化研究员、基金经理、金融工程师及投资分析专家。核心数据:年化ICIR 5.7-5.9;提升幅度30%-35%;回看窗口126天。
本报告由东吴证券发布,发布于 2018 年。
覆盖 2018 年,全文约 30。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、金融工程师、基金经理、投资分析师等读者参考。
重点分析了金融投资、风险模型等议题。