Factor_mimicking_portfolio（模仿因子的投资组合）：EAP.fama_macbeth.Factor_mimicking_portfolio

已于 2023-09-24 19:42:46 修改
阅读量2.9k 收藏 3
点赞数 4
分类专栏： 量化股票投资与实证资产定价 文章标签： python 金融 资产定价
于 2022-02-04 13:54:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37430356/article/details/122782803
版权
本文介绍如何利用EAP.fama_macbeth.Factor_mimicking_portfolio在Python中构建模仿因子的投资组合，参照Fama-French (1993)的方法进行资产分组，并计算因子风险溢价。该过程涉及市值加权投资组合收益率的计算，适用于金融资产定价研究。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

实证资产定价（Empirical asset pricing）已经发布于Github. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍。

Github: GitHub - whyecofiliter/EAP: empirical asset pricing
模仿因子的投资组合（Factor mimicking portfolio）旨在去除研究因子外其他因子的影响，来构造模仿被研究因子的投资组合，并且由此得到被研究因子的因子风险溢价（factor risk permium）的时间序列。

本文参照Fama-French (1993) 构造方法来构造factor mimicking portfolio,并计算因子风险溢价的时间序列。

Fama-French (1993)的构造方法

1.按两个维度对股票进行分组。一个维度是规模，分为市值小于50%的小型股和市值大于50%的大型股。另一个是被研究因子，30%的尾部因子组、30%~70%的因子组和70%~100%的因子组。

2.计算市值加权投资组合收益率和因子风险溢价。

Size\Factor Low(<=30%) Medium(30%< & <=70%) High(>70%)
了解本专栏 订阅专栏 解锁全文 超级会员免费看
常见因子的Factor_mimicking_portfolio: EAP.fama_macbeth.Factor_mimicking_portfolio
Why的博客
02-05 1430
实证资产定价（Empirical asset pricing）已经发布于Github. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍。 Github: GitHub - whyecofiliter/EAP: empirical asset pricing factor: Size (SMB) and Value (HML) 继Fama和French（1993）之后，SMB和HML投资组合以及相应的风险溢价通过class Factor_mimicking_portfol.
因子风险溢价——EAP.fama_macbeth.Factor_mimicking_portfolio
Why的博客
02-16 1139
实证资产定价（Empirical asset pricing）已经发布于Github和Pypi. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍，也可以通过Pypi直接查看。 Pypi: pip install --upgrade EAP Github: GitHub - whyecofiliter/EAP: empirical asset pricing 本demo构建因子风险溢价，包括市场系统风险溢价、SMB、HML、RMW、CMA。按照Fama French（1993
基本面因子模型
scc的博客
05-29 3783
基本面因子模型BARRA因子模型产业因子模型因子模拟组合Fama-French方法 基本面因子模型用资产的可观测的具体属性构建公共因子来解释超额收益率。这些具体属性包括产业分类、企业规模、市场资本化、账面价值以及风格分类（增长率或者值）。 BARRA因子模型 假定超额收益率是均值修正的，从而因子实现也是均值修正的，因子模型退化为： r~t=βft+εt\tilde{r}_t =\beta f_t + \varepsilon_tr~t​=βft​+εt​ r~t\tilde{r}_tr~t​表示均值修正后的超
python数据分析-因子分析
csdn1561168266的博客
02-17 1846
实例：下表所示为各参赛队男子径赛运动记录的部分数据，8项径赛运动分别是100m（x1）、200m（x2）、400m（x3）、800m（x4）、1500m（x5）、5000m（x6）、10000m（x7）、马拉松（x8），x1～x3的单位为秒，x4～x8的单位为分。主成分法和主因子法的因子载荷经过因子旋转之后给出了大致相同的结果在因子上的载荷依次增大，在因子f1*上的载荷依次减小，于是可以称f2*为耐力因子。根据代码的结果可知，每个队伍两个因子的得分数值分别按因子得分f1、f2数值大小由高到低排序。
因子投资小册子
量化交易研究
08-26 2675
作者：石川，北京量信投资管理有限公司创始合伙人，清华大学学士、硕士，麻省理工学院博士。 封面来源：dariusforoux.com 未经授权，严禁转载。 摘要： 本文按结构梳理了本公众号和 [因子动物园] 公众号关于因子投资的相关文献。 最近一年我在公众号写了很多关于（股票）因子投资的文章，并以此结交了很多朋友，这其中就包括 [因子动物园] 背后的两位主创。今天借这个机会我想把 [川总...
还在对着一阶做子择时不妨试试二矩
塞尔达的传说
04-24 448
转 还在对着一阶矩做因子择时？不妨试试二阶矩 作者：石川，北京量信投资管理有限公司创始合伙人，清华大学学士、硕士，麻省理工学院博士；精通各种概率模型和统计方法，擅长不确定性随机系统的建模及优化。知乎专栏：https://zhuanlan.zhihu.com/mitcshi。未经授权，严禁转载。 摘要：Fergis et al. (2019) 提出防御性因子择时，使用三个维度的择时指标，有效降低因子...
欢迎：Github投资组合
02-17
介绍 此模板的积分： :
对于目前流行的量化投资与smart beta策略的一些看法
栖客
11-08 3614
转载自：http://www.dataguru.cn/article-5433-1.html 对于目前流行的量化投资，指数基金，以及smart beta，论坛里已经有帖子做了些介绍（见[1]，[2]）。量化投资的范围很广。我的看法主要是针对系统性资产配置（systematic asset allocation），属于中长线投资，欢迎大家交流讨论。 [Smart Beta
Fama-French五因子模型实用攻略
热门推荐
量化交易研究
07-12 7万+
一、Fama-French五因子模型简介 早在1993年，Fama和French就发表了三因子模型，认为股票的超额收益可以由市场风险、市值风险、账面市值比风险来共同解释。后来，他们发现除了上述风险，还有盈利水平风险、投资水平风险也能带来个股的超额收益，并在2013年发表了五因子模型： 二、Fama-French五因子模型的应用 私募云通研发部通过对A股市场多年数据的实证分析，发现投资...
【笔记】因子投资：方法与实践
雪里寻花
01-21 8186
文章目录历史宏观综述研究角度关于β'λ关于α截面角度vs时序角度学术理论基础概念金融理论MM定理资产定价模型多因子模型研究方法论投资组合排序法排序检验多重排序法多因子模型的回归检验时间序列回归截面回归Fama-MacBeth回归因子暴露和因子收益率异象检验多因子模型比较GRS检验α检验因子正交化广义矩估计模型异象多因子模型Fama-French 三因子模型Carchart 四因子模型Novy-Marx 四因子模型Fama-French 五因子模型Hou-Xue-Zhang 四因子模型Stambaugh-Yu
利用深度强化学习框架解决金融投资组合管理问题（附 GitHub 实现）
机器之心
11-22 8626
近日，《A Deep Reinforcement Learning Framework for the Financial Portfolio Management Problem》的作者开源了该论文的项目代码。这篇文章关于如何利用深度强化学习进行投资组合管理，提出的 DRL 框架性能大大优于其他算法。机器之心对论文摘要进行了简要翻译，附 GitHub 实现。 论文链接：https://
期望、方差、协方差及相关系数的基本运算
chuminnan2010的专栏
03-18 8495
转自http://blog.codinglabs.org/articles/basic-statistics-calculate.html 这篇文章总结了概率统计中期望、方差、协方差和相关系数的定义、性质和基本运算规则。 期望 定义 设P(x)是一个离散概率分布函数，自变量的取值范围为{x1,x2,⋯,xn}。其期望被定义为： E(x)=∑k=1nxkP(xk)
github上建立仓库_如何在github页面上建立投资组合
weixin_26755331的博客
09-16 289
github上建立仓库A portfolio is hands down the most effective way for developers to demonstrate their previous experience and achievements. Presenting your body of work in a well-curated manner can play a b...
“整合”还是“混合”——多因子组合的构建
Quant_的博客
05-23 3127
前言 与前几篇类似地，笔者翻译了一篇来自海外的网络研讨会议纪要，较为简洁地为各位读者呈现了量化投资中关于多因子组合构建的几个问题。本文原著来源于Research Affiliates，其创办于2002年，比较侧重于smart beta和因子策略。 混合”还是“整合” 我们在根据多个因子选择策略时存在着各种各样构建组合的方式，“混合”（Mixing），与“整合”（Integrating）是其...
多因子组合构建matlab,财通-“星火”多因子专题：Barra模型深化，纯因子组合构建.pdf...
weixin_36165152的博客
03-19 465
金融 2019 年02 月14 日 Barra 模型深化：纯因子组合构建工程“星火”多因子专题报告(三)联系信息投资要点：陶勤英 分析师SAC 证书编号：S0160517100002  纯因子组合构建021taoqy@  如同立体世界可以用三...
Python3对股票的收益和风险进行分析
分享实践与思考
04-19 2万+
目录 一、股票收益率 1、股票的日收益率 （1）计算股票的日收益率 （2）绘制股票的日收益率的时间序列图 （3）日收益率均值计算 （4）日收益率的数据分布 （5）累计日收益率计算 2、股票的平均年化收益率 二、股票的风险性衡量 1、极差、四分位差、平均差、方差、标准差和离散系数计算 2、偏度 3、峰度 （1）峰度的计算 （2）峰度与正态分布的绘图比较 4、日收益率分布...
Python_leve2.1
m0_65273147的博客
05-04 1073
系统介绍: 本系统是一个分数查询系统，通过输入学生姓名，可以在控制台输出对应学生的成绩。拓展功能: 可以为系统添加增加、删除、修改学生成绩信息等功能。实现方法: 利用字典的增删改操作，结合用户输入，实现更多功能。举例: 同学们可以根据所学知识，自行对系统进行拓展，如添加新学生成绩、删除已有学生成绩、修改学生成绩等。
基于WebUI的深度学习模型部署与应用实践
最新发布
Programming Talk
05-06 308
随着深度学习技术的快速发展，如何将训练好的模型快速部署并提供友好的用户交互界面成为许多AI项目落地的关键。WebUI(Web User Interface)作为一种轻量级、跨平台的解决方案，正被广泛应用于各类AI模型的部署场景。本文将详细介绍基于Python生态构建WebUI的技术方案，包含完整的代码实现，并探讨在实际项目中的应用实践。本文详细介绍了基于Gradio构建深度学习WebUI的完整流程，从基础实现到生产部署，涵盖了实际项目中的关键技术和优化方案。二、基于Gradio的模型部署实践。
【锂电池剩余寿命预测】RF随机森林锂电池剩余寿命预测（Pytorch完整源码和数据）
机器学习之心的博客，关注并私信文章链接，获取对应文章源码和数据。
05-04 359
【锂电池剩余寿命预测】RF随机森林锂电池剩余寿命预测（Pytorch完整源码和数据）
ImportError: cannot import name 'skip_init' from 'torch.nn.utils'
03-17
### ImportError: cannot import name 'skip_init' from 'torch.nn.utils' 在 PyTorch 中遇到 `ImportError` 错误通常是因为所使用的函数或模块在当前安装的 PyTorch 版本中不存在，或者由于版本不匹配引起的。对于此问题，可以参考以下分析： #### 可能原因及解决方案 1. **PyTorch 版本问题** 如果尝试导入的 `skip_init` 并未存在于当前安装的 PyTorch 版本中，则可能是该功能尚未被引入到这个版本里[^1]。可以通过升级至最新版 PyTorch 来解决问题： ```bash pip install --upgrade torch torchvision torchaudio ``` 2. **确认 API 存在性** 需要查阅官方文档来验证 `skip_init` 是否确实属于 `torch.nn.utils` 模块的一部分。如果发现它并不在此处定义，则可能需要寻找替代方法实现相同的功能[^5]。 3. **环境冲突** 若存在多个 Python 或者 PyTorch 安装实例，在某些情况下可能会导致加载错误路径下的库文件从而引发此类异常情况发生。建议创建一个新的虚拟环境并重新安装依赖项以排除干扰因素影响正常工作流程执行效率低下等问题出现的可能性较大一些时候这样做能够有效缓解上述现象所带来的困扰程度较轻时可考虑调整现有配置参数设置等方式来进行优化改进处理措施等方面进行适当修改完善即可达到预期效果目标要求标准范围内完成既定任务计划安排表单填写完毕提交审核通过之后正式投入使用阶段开始计费模式切换操作步骤指南手册教程视频课程学习资料下载地址链接分享给大家一起交流探讨共同进步成长成为更好的自己吧！ 4. **替换等效逻辑** 假设找不到合适的更新途径又不想更改基础框架的话，也可以手动编写类似的初始化跳过机制作为临时变通手段之一供参考选用[^3]: ```python def custom_skip_init(module, *args, **kwargs): module(*args, **kwargs) ``` 以上便是针对您提到的那个特定 Import Error 提出的一些通用排查思路及其对应的实际应用案例示范说明材料汇总整理而成的结果展示页面内容详情介绍如下所示: ```python try: from torch.nn.utils import skip_init # 尝试直接调用原生API except ImportError as e: print(f"Catched an error {e}. Using a workaround instead.") def skip_init(module, *args, **kwargs): """Custom implementation mimicking the behavior of skip_init.""" pass # Implement your own logic here based on requirements. ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值