`skfolio.prior`.加载矩阵回归#

class skfolio.prior.LoadingMatrixRegression(linear_regressor=None, n_jobs=None)[来源]#

正在加载矩阵回归估计器。

通过为每个资产拟合一个线性回归器来估计加载矩阵。

Parameters:

linear_regressorBaseEstimator, optional

线性回归器用于单独拟合每个资产的因素。默认值 (None) 是使用 LassoCV(fit_intercept=False)。

n_jobsint, optional

并行运行的作业数量。

当单个估计器训练或预测速度较快时，使用 n_jobs > 1 可能会由于并行化开销导致性能下降。

值 -1 代表使用所有处理器。默认值 (None) 代表 1，除非在 joblib.parallel_backend 上下文中。

Attributes:

loading_matrix_ndarray of shape (n_assets, n_factors): 加载矩阵。
intercepts_: ndarray of shape (n_assets,): 截距。
multi_output_regressor_: MultiOutputRegressor: 拟合 sklearn.multioutput.MultiOutputRegressor

方法

fit(X, y, **fit_params)[来源]#

适应加载矩阵回归估计量。

Parameters:

Xarray-like of shape (n_observations, n_assets): 资产的价格收益。
yarray-like of shape (n_observations, n_factors): 因素的价格回报。
**fit_paramsdict: 传递给基础估计器的参数。只有在 enable_metadata_routing=True 的情况下可用，您可以通过使用 sklearn.set_config(enable_metadata_routing=True) 来设置。详情请参见元数据路由用户指南。

Returns:

get_metadata_routing()[来源]#

获取这个对象的元数据路由。

请查看用户指南了解路由机制是如何工作的。

Returns:

get_params(deep=True)#

获取此估计器的参数。

Parameters:

Returns:

set_params(**params)#

设置该估计器的参数。

该方法适用于简单估计器以及嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

Parameters:

Returns:

skfolio.prior.加载矩阵回归#