理论隐含相关矩阵的估计-研究论文

【文件属性】：
文件名称：理论隐含相关矩阵的估计-研究论文
文件大小：1.12MB
文件格式：PDF
更新时间：2021-06-09 11:25:11
hierarchical clustering economic 相关矩阵在金融领域无处不在。 一些关键应用包括投资组合构建、风险管理和因子/风格分析。 相关矩阵通常是从历史经验观察中估计出来的，或者是从历史上估计的因素中得出的。 人们普遍承认，经验相关矩阵： (a) 具有较差的数值特性，导致估计量不可靠； (b) 预测能力差。 此外，基于因子的相关矩阵有其自身的注意事项。 特别是，估计的因素通常是非等级的，并且不允许在不同级别上进行交互。 这违背了金融工具通常表现出嵌套集群结构的事实（例如，MSCI 的 GICS 级别 1-4）。本文介绍了一种机器学习 (ML) 算法来估计经济理论所暗示的前瞻性相关矩阵。 给定管理证券领域的层次结构的特定理论表示，该方法拟合符合未来理论表示的相关矩阵。 这个特殊的用例展示了与流行的看法相反，ML 解决方案如何不是黑箱，并且可以有效地应用于开发和测试经济理论。