Principal component error in high-dimensional factor models
创建于 更新于
摘要
本文研究高维低样本量情形下，利用样本协方差矩阵主成分估计因子模型主方向所产生的误差。作者将总误差分解为可由数据估计的样本子空间外误差，以及源于有限因子收益样本、无法仅凭数据识别的子空间内旋转误差，并分别给出几乎处处的渐近结论。基于美国股票市场三因子模拟，研究发现子空间外误差通常占据总误差的主要部分，即使拥有一年日度数据，主方向估计误差仍可能较大，因此量化投资者在风险管理、组合构建和收益归因中应显式评估PCA估计误差。[page::1][page::10][page::14][page::16][page::22]
