知识卡片
多因子系数不同于两两相关
对多个解释变量同时回归,系数描述模型中控制其余变量后的线性关系;每列单独corrwith只给两两相关,两者含义不同。原例用已知权重和随机噪声合成目标,估计值接近生成权重仅说明此模拟设置,不能证明真实世界因果或稳定风险关系。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
最小二乘回归。使用pandas.ols(将factors作为解释变量)即可计算出整个投资组合的暴露: In [100]: pd.ols(y=port, x=factors).beta Out[100]: f1 0.761789 f2 -1.208760 f3 0.289865 intercept 0.484477 不难看出,由于没有给投资组合添加过多的随机噪
参考来源
- 位置:《利用Python进行数据分析》第11章《分组因子暴露》(spine320;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0306.html;u256-ch11-012)。
- 结论依据:原文在“最小二乘回归”附近的定义、例子或代码支撑本卡核心说明:对多个解释变量同时回归,系数描述模型中控制其余变量后的线性关系;每列单独corrwith只给两两相关,两者含义不同。边界按已读前提解释;示例未执行。
- 原始内容:最小二乘回归。使用pandas.ols(将factors作为解释变量)即可计算出整个投资组合的暴露: In [100]: pd.ols(y=port, x=factors).beta Out[100]: f1 0.761789 f2 -1.208760 f3 0.289865 intercept 0.484477 不难看出,由于没有给投资组合添加过多的随机噪