SUR模型在行业轮动中的应用.pdfVIP

下载本文档

8
0
约2.75万字
约 12页
2023-04-25 发布于北京
举报
版权申诉

SUR模型在行业轮动中的应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

金融工程专题报告一、SUR 与一般线性模型 OLS (Ordinary Least Squares ，普通最小二乘) 是经典而常见的算法，核心思想是最小化残差平方和来进行估计，以寻找解释变量和被解释变量之间的线性关系或类线性关系。OLS 对应的模型通常也被称为一般线性模型，其矩阵形式可以记作： = 对于 OLS 模型而言，一些假设对于 OLS 估计量作为 BLUE (Best Linear Unbiased Estimator ，最佳线性无偏估计量) 至关重要，这与 “高斯-马尔可夫”定理的结论一致：即当经典假定成立时，不需要再去寻找其它无偏估计量，没有一个会优于普通最小二乘。这些假设通常包括：  模型是参的线性函  解释变量固定或独立于误差项  干扰项是零均值、同方差且互不相关  观测次大于待估参个  变量之间不存在完全共线性  无设定偏误对于多个行业在一定时间区间内的的面板据而言，从《行业轮动系列》的第一篇开始，本系列建立线性方程组进行模型估计和收益率预测。然而实际情况下， “干扰项互不相关”这一假设可能并不成立。具体而言，对于不同截面，行业收益率不仅和当自身相应的因子暴露有关，也可能和其他截面的市场环境相关，这种情况下 OLS 估计将不再是最有效的。一个简单的例子是，A 行业今日的收益情况不仅取决于今日的情况，也取决于前一日/前两日的情况，即今日和前 N 日截面方程干扰项并非无关。考虑他们的相关性，理论上可以得到更有效的估计。 SUR (Seemingly Unrelated Regressions ，似不相关回归) 最早由 Zellner 提出，顾名思义，就是对两个或多个表面上看起来没有关系的方程进行联合估计，本质是 FGLS 估计，即 Feasible Generalized Least Squares (可行广义最小二乘)。SUR 方法可用于解决联合 OLS 估计的误差项相关问题，主要通过引入误差项 “方差-协方差”矩阵的一致估计来实现，SUR 的结构可以表示为： 3 / 15 金融工程专题报告 SUR 的具体步骤可以简要描述为：  计算误差项“方差-协方差”矩阵的一致估计： ✓ 对每个方程组分别进行线性回归，得到残差