量化投资学习——时间序列分析中的模型稀疏性问题

在分析量化交易模型中，经常会遇到一类问题就是：在万的和其他的平台上能获取各种各样的基本面指标，情绪指标，各种指标，我们当然可以用单因子分析的方法流程来处理，但是还是有一个问题是掩饰不住的，就是指标很多很多，但是样本点很少很少，这个时候其实总体来说预测因子的数目 p 特别大，而样本数量 n 却很小，毕竟每年才 240 多天， 因此，这属于 p>>n 的问题，属于高维统计（high-dimensional statistics）问题， 应该用一些稀疏性（sparsity）的模型来求解，如 lasso 模型，而不是那些神经 网络、深度学习等复杂的模型。

以下有若干资料整理：

稀疏GroupLasso高维统计分析 https://wenku.baidu.com/view/33212efc51e79b89680226b9.html