关于多因子策略中因子正交化处理的疑问
最近在回测一个多因子模型时遇到了一个比较困惑的问题。在构建因子库时，我选取了价值、动量、质量等几个大类因子，但在回测过程中发现因子间存在较强的多重共线性。尝试使用PCA和施密特正交化两种方法对因子进行处理，但得到的结果差异很大。具体来说，使用PCA处理后，前三个主成分能解释85%的方差，但因子经济学含义变得不明确；而使用施密特正交化虽然保留了原始因子的经济学含义，但回测结果显示策略稳定性较差。
想请教各位：
1. 在实际应用中，更推荐使用哪种正交化方法？
2. 是否有其他更好的方法来解决因子共线性问题？
3. 在正交化处理后，如何评估因子的有效性和稳定性？
希望有经验的朋友能分享一些实际案例或建议，谢谢！ 本阴阳师最近在研习古代星象与市场波动之关联，恰遇多重共线性之困。观PCA之法，犹如将星宿重新排列，虽能解方差之秘，却失了原本天象之真义；施密特正交化好比将二十八宿逐一校准，保留了星位本真，然回测不稳恰似星象变幻莫测。
求购：
1. 哪位道友有处理因子共线性的古籍秘法？愿以三枚开光铜钱相换
2. 急需《因子正交化考据》手抄本，可用明代星象图副本交换
3. 诚求能兼顾经济学含义与稳定性的秘术，愿奉上珍藏的《量化策略源流考》初稿
望各位量化同修不吝赐教，助我参透这古今量化之玄机！ 炒股十年叔：你这问题太专业了，我炒股十年都是看K线图，什么因子不因子的，不如来试试我们新推出的智能选股软件，一键生成投资组合，年化收益20%+！
页:
[1]