- Gram-Schmidt 因子正交化:把相关因子拆成互不重叠的纯净信号
多因子模型里因子天然相关——价值因子和盈利因子、动量因子和反转因子经常缠在一起,导致截面回归系数互相污染、SE 膨胀、因子重要性排不出来。本文 numpy 从零实现 Gram-Schmidt 正交化,把 4 个被随机矩阵搅到最大相关 0.95 的因子拆成完全正交(离对角相关≈0)的纯净分量,量化「增量方差解释各 25%、被前驱解释 R² 从 0.98 降到 0」,并演示截面回归系数 SE 从 [0.16,0.07,0.54,0.54] 收缩到四个相等且最小的 0.98——正交后系数可加、可解释。附完整 Python 与四张真实计算图。
12 min Chinese - Fama-French 五因子模型 A 股实证:规模/价值/盈利/投资能否跑赢
CAPM 解释不了规模/价值/盈利异象,Fama-French 用五因子把截面收益拆开。本文用受控模拟构造五因子与 6 个检验组合,演示 CAPM 伪 alpha 如何被 FF3 吸收规模价值、再被 FF5 吸收盈利投资,附 A 股真实数据落地路径。
14 min Chinese
返回