一种基于集群的日志波动因子模型：对波动聚类源的深入研究
摘要：基于对市场总体和集群结构以及它们之间相互作用进行的贡献的考虑，我们引入了一种新的对数波动因子模型，该模型进行了维度约简。我们没有预先假设数据中的集群数量，而是使用Directed Bubble Hierarchical Tree (DBHT)算法来确定因子的数量。我们使用该因子模型和一种新的集成非参数代理来研究波动性对波动性聚类的贡献。在全局范围内，只有市场对波动性聚类起到了贡献。在某些集群的局部范围内，集群本身对波动性聚类具有统计上的贡献。与其他因子模型相比，这具有显著的优势，因为因子可以在统计上选择，同时保持经济上相关的因子。最后，我们证明对数波动因子模型对内存的解释量与主成分分析(PCA)因子模型和探索性因子模型相似。
作者：Anshul Verma, Riccardo Junior Buonocore, Tiziana di Matteo
论文ID：1712.02138
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2019-08-06