对因素进行调整使之更符合建模的要求，常见的三种调整方法是什么？

对因素进行调整使之更符合建模的要求，常见的三种调整方法是什么？

最初的因素中包含从数据库中得到的以一定经济意义组合而成的原始数据。之后我们需要利用分析或者统计的方法对因素进行调整使之更符合建模的要求。以下是常见的三种调整方法。

标准化

标准化是在保留一个变量数据原有顺序的条件下对其重新调整。通常情况下,我们化为具有零均值和单位标准差的标准化变量：

正交化

有时候一个因素可能与另一个因素相关。相对其他特定因素来对某个因素进行正交化可以消除这种相关关系。我们可以通过利用平均值或回归来正交化。

我们可以按照以下步骤,利用行业或部门的平均值对因素进行正交化。首先对于每个行业,我们计算每个行业的得分

我们可以使用第二章中描述的线性回归方法对因素进行正交化。首先我们确定方程的回归系数

投资组合经理通常使用风险模型来预测风险，使用阿尔法模型来预测回报。因而风险模型和阿尔法模型中因素之间的相互作用常常是投资组合经理所要考虑的问题。解决这一问题的一个可行的办法是相对于风险模型中使用的因素对阿尔法模型中的因素或者因素的最后得分进行正交化。稍后在本章我们将详细讨论这个问题。

转换

对统计和计量经济模型中使用的数据进行转换是常用的方法。特别地，人们经常对因素进行变换以便得到时间序列为对称的或是近似服从正态分布的。常用的转换方法包括求自然对数、指数和平方根。比如，因为大盘股的样本中通常包括大型资本公司的股票，所以像诸如市值之类的因素就会有较大的偏差。为了减少大型资本公司的影响，我们可以在线性回归模型中使用市值的自然对数。

牛市通网是一个牛股推荐网与低风险投资知识网，可以在线联系客服领取牛股。牛市通网从权威的投资专家、金融分析师等投资信息中挑选优质的文章进行发布。牛市通网主要为投资者提供股票知识、股票观点、股票分析和明智金融投资讨论等信息。