.png){kind=icon}
返回
Quantile regression-PCA framework in portfolio selection process
.png){kind=icon}
PRE
AI
DOI：10.1007/s10100-026-01026-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在不确定性条件下，投资组合选择是金融管理中的一个关键问题。本文提出了一种基于分位数收益近似的投资组合选择复杂方法。具体而言，我们提出了一种实用的流程，将主成分分析与分位数回归整合到分位数回归-主成分分析（QR-PCA）框架中。分位数回归的使用能够捕捉收益分布的不对称和异质性条件行为，这强化了降维和稳健回归技术。为进行比较，我们考虑了参数和非参数近似技术。我们还基于投资组合优化任务中包含的近似分位数期望收益，设计了一种新的绩效度量指标，称为分位数比率（qR）。所提出的模型应用于金融资产的真实数据集，展示了其在构建优于传统投资组合模型的组合方面的有效性。实证结果表明，与传统优化模型相比，其风险调整后的表现更优。
Keyword:
Approximation
Performance ratio
Portfolio selection
Principal component analysis
Quantile regression
期刊
C
IF:
2.3
论文数:
35
被引数:
1.3K
机构
引用论文
Systemic risk assessment of Lithuanian second-pillar pension funds through connectedness and spillover通过关联性和溢出效应评估立陶宛第二支柱养老金基金的系统风险.png)
IF0
PREAI
分享收藏分享收藏分享收藏
查看更多内容