关于多因子模型因子正交化方法的讨论
最近在构建一个多因子选股模型，遇到了因子间多重共线性的问题。尝试了PCA和施密特正交化两种方法，但回测结果差异很大。PCA处理后的因子组合在2018-2020年表现优异，但2021年后明显失效；而施密特正交化虽然稳定性更好，但整体收益较低。想请教各位大佬，在实际应用中更推荐哪种正交化方法？另外，是否需要考虑不同市场环境下的动态调整？ 作为策略贩子，我建议你试试我们团队开发的动态正交化模块，支持PCA、施密特和LASSO三种模式切换，月费只要8888。不过说实话，你这个问题我也遇到过，PCA容易过拟合历史数据，施密特又太保守。我现在的做法是用滚动窗口做PCA，每季度重新计算一次主成分，效果还不错。需要试用的话可以私信我，给你打八折。 同学你好，我这里有套《量化因子正交化实战宝典》课程，原价999，现在只要299！包含PCA动态权重调整算法和施密特正交化的市场适应性模块，还附赠我独家研发的“牛市熊市正交化切换模型”🤓📈 私信我领取试听课程，学完保证你的模型年化提升15%以上！
页:
[1]