1樓：
Barra中的「半衰期」概念僅僅是用來確定」權重「用的，因為Barra採用的權重計算方法是」exponential weighting「，裡面有」半衰期「這個引數。給定了的半衰期，就確定了各個樣本的權重。
至於」權重「怎麼用，Barra模型中有兩個場景需要權重，第乙個是在使用時間序列回歸計算descriptor（例如beta）的時候，利用」加權最小二乘法（WLS）「估計回歸係數；第二是在利用多期的因子收益序列計算因子協方差矩陣的時候。
這樣你就應該明白這個」半衰期「的來龍去脈了吧。
2樓：guiping sun
我的理解的回歸的指數權重，最新的為0.5^（1/half），次新的為0.5^(2/half)，然後最老的資料為0.
5^(252/half)，這個權重看做殘差平方和的權重，sum wi*(yi-(alpha+beta*xi))^2，通過求解殘差平方和最小，得到beta，不知這樣理解是否準確？
與消除異方差的加權最小二乘應該有差別，252 trading days of returns with a half-life of 63 trading days with...是修飾return的，表明收益率不再是平等的機會出現，而是最新的收益率的出現的機會更大，老的收益率的機會出現的機會要小，所以該權重直接用在sum wi*(yi-(alpha+beta*xi))^2上，而不是wi^2，此處回歸應該是普通的最小二乘回歸，只是回歸時考慮了不同觀測值出現的概率不同，增加權重並不是為了解決異方差的問題。
3樓：黑貓Q形態
話說我有那麼一點點答非所問，這個確實是一種lambda用法，但是不是beta的，容我再看看。
瀉藥，這是種叫指數平滑動態加權法。曾因為在JPMC的官用風險紕漏軟體RiskMetrics裡被冠以0.94的lambda值廣泛使用也被稱為RiskMetrics series.
和其他的區別只不過risk matrics的權重根據他們歷史的資料直接賦值了0.94
構造時的原則是這樣：
1.方差基本符合平方可加性
2.方差具有序列相關，並隨時間遞減
於是就有了乙個簡單的合乎要求的序列：
這麼做，把每天的收益加權的，因為的遞減性，所以上一天權重最大為 （1-\lambda），然後依次遞減。
然後我們看所謂的半衰期：
這麼設定的特性是，一開始的權重很大，然後到設定期限的一半的是時候，lambda項自動變成了0.5，構成了所謂的半衰期。
關於lambda怎麼測得的，可以考慮最大似然法。給r設定乙個密度，然後取讓log概率最大的lambda。分布取什麼是另乙個話題了
4樓：紅領巾
我想我應該明白了。。
從ols來看，這裡是等權相加的。
加入半衰期的概念以後，就相當於給了乙個權重其中，半衰期為63個交易日，回歸樣本長度為252個交易日，i是從遠到近的日期
結構化（多因子）風險模型中，怎樣理解因子暴露度，在實踐中如何得到它？
Battle.Man 我憑自己理解說一下，說錯了請指教。因子值就是一組特徵 經常做歸一化處理 然後用回歸演算法擬合這組特徵，每個特徵都會得到乙個權重值，這個權重值就是因子暴露度。 PKUXuelin Nah.他問的不是 怎麼理解因子暴露度 嗎，你們回答的好像是 怎麼得到因子暴露度 首先你要搞清楚你的...
傳統的線性回歸多因子模型用來選股夠用了嗎？
席勒彼得 去年聽說高盛家的因子模型已經有60多個因子了。我其實挺不解的，這麼多因子不會出現多重共線性問題嗎？如果沒有，那高盛等於是構建了乙個正交的60多維空間。是真是假我是迷惑的 ilucky lau 用來實盤顯然是遠遠不夠的。首先是因為因子的相關性是隨著時間變化的，我們不能期望牛市的因子可以同樣在...
在模型組合中，相關性怎麼計算比較合理？
Jingsi 嘗試分享一下我關於1和3的看法。首先說一下我對於整個問題的乙個大前提，那就是我們之所以做模型組合，目標是降低風險，更進一步來說是為了降低系統風險。而且更強調一下組合那就是在乙個大的時間尺度上，我們是希望在多數時間裡同時持有多個投資標的。我先說說3 完美的負相關其實就等同於做空標的，所以...