非线性因子模型中基于深度学习的残差：低信噪比下收益精度矩阵估计
机器学习
2023-08-30 v3 机器学习
摘要
本文在深度学习框架内使用非线性因子模型，针对大型投资组合中资产收益的精度矩阵引入了一致估计量及其收敛速率。我们的估计量即使在金融市场典型的低信噪比环境下仍然有效，并且与弱因子兼容。我们的理论分析基于深度神经网络对不断扩大的资产数量建立了期望估计风险的一致界。此外，我们提供了深度神经网络中误差协方差的一种新的基于数据的一致估计量。我们的模型在大量模拟和经验研究中展示了优越的准确性。
引用
@article{arxiv.2209.04512,
title = {Deep Learning Based Residuals in Non-linear Factor Models: Precision Matrix Estimation of Returns with Low Signal-to-Noise Ratio},
author = {Mehmet Caner and Maurizio Daniele},
journal= {arXiv preprint arXiv:2209.04512},
year = {2023}
}