For example, a PCA run on bond mark

For example, a PCA run on bond market data using Treasury bonds across various maturities usually shows that the first (most important) risk factor statistically corresponds to the level of interest rates, or what a theory‐driven risk model might call interest rate risk. PCA and other statistical models are commonly used in equity markets as well, and these models typically find that the market itself is the first, most important driver of returns for a given stock, usually followed by its sector. These statistical risk models are most commonly found among statistical arbitrage traders, who are betting on exactly that component of an individual stock’s returns that is not explained by systematic risks. It is important to note that such statistical methods may discover entirely new systematic risk factors, which a reasonable observer might be inclined to acknowledge exist but for which names have not been assigned. On the other hand, statistical risk models are subject to being fooled by the data into finding a risk factor that will not persist for any useful amount of time into the future. It is also possible for a statistical risk model to find spurious exposures, which are just coincidences and not indicative of any real risk in the marketplace. This is a delicate problem for the researcher.

ผลลัพธ์ (ไทย) 1:

ตัวอย่างเช่น PCA ที่รันบนข้อมูลโดยใช้ตั๋วเงินคลังในอายุต่าง ๆ มักจะแสดงที่แรกปัจจัยเสี่ยง (สำคัญ) ทางสถิติสอดคล้องกับระดับของอัตราดอกเบี้ย หรืออะไร theory‐driven ความเสี่ยงแบบอาจเรียกอัตราดอกเบี้ยตลาดตราสารหนี้ PCA และรุ่นอื่น ๆ ทางสถิติใช้กันทั่วไปในตลาดทุนเป็นอย่างดี และรุ่นเหล่านี้มักจะพบว่า ตลาดนัดเป็นโปรแกรมควบคุมแรก สำคัญที่สุดของผลตอบแทนสำหรับหุ้นกำหนด มักจะตาม ด้วยภาคการ โมเดลทางสถิติความเสี่ยงเหล่านี้พบมากสุดในหมู่ผู้ค้าเก็งกำไรสถิติ ที่เป็นเดิมพันว่าคอมโพเนนต์การส่งคืนหุ้นของแต่ละที่จะไม่อธิบายความเสี่ยงที่เป็นระบบ มันเป็นสิ่งสำคัญโปรดสังเกตว่า วิธีการทางสถิติดังกล่าวอาจพบใหม่ทั้งหมดเป็นระบบปัจจัยเสี่ยง ซึ่งผู้สังเกตการณ์ที่เหมาะสมอาจอยากทราบมีอยู่ แต่ที่ไม่ได้รับการกำหนดชื่อ บนมืออื่น ๆ โมเดลทางสถิติความเสี่ยงอาจมีถูกหลอกด้วยข้อมูลการค้นหาปัจจัยเสี่ยงที่จะไม่ยืนยันระยะเวลาใด ๆ มีประโยชน์ในอนาคต มันเป็นไปได้สำหรับแบบจำลองทางสถิติความเสี่ยงเพื่อค้นหาแสงเก๊ ซึ่งเป็นเพียงความบังเอิญ และไม่ส่อความเสี่ยงที่แท้จริงในตลาด นี้เป็นปัญหาละเอียดอ่อนสำหรับนักวิจัย

ผลลัพธ์ (ไทย) 2:

ยกตัวอย่างเช่น PCA ทำงานบนข้อมูลตลาดตราสารหนี้โดยใช้พันธบัตรตั๋วเงินคลังทั่วระยะเวลาครบกำหนดต่าง ๆ มักจะแสดงให้เห็นว่าเป็นครั้งแรก (สำคัญมากที่สุด) ปัจจัยเสี่ยงทางสถิติที่สอดคล้องกับระดับของอัตราดอกเบี้ยหรือสิ่งที่แบบจำลองความเสี่ยงทฤษฎีที่ขับเคลื่อนด้วยอาจจะเรียกความเสี่ยงจากอัตราดอกเบี้ย PCA และแบบจำลองทางสถิติอื่น ๆ ที่ใช้กันทั่วไปในตลาดทุนเป็นอย่างดีและรูปแบบเหล่านี้มักจะพบว่าตลาดของตัวเองเป็นครั้งแรกที่คนขับรถที่สำคัญที่สุดของผลตอบแทนต่อหุ้นที่ได้รับมักจะตามมาด้วยภาค โมเดลเหล่านี้มีความเสี่ยงทางสถิติที่พบกันมากที่สุดในหมู่ผู้ค้าเก็งกำไรทางสถิติที่มีการเดิมพันว่าส่วนประกอบของผลตอบแทนที่สต็อกของแต่ละบุคคลที่ไม่ได้อธิบายโดยความเสี่ยงที่เป็นระบบ มันเป็นสิ่งสำคัญที่จะทราบว่าวิธีการทางสถิติดังกล่าวอาจค้นพบปัจจัยเสี่ยงที่เป็นระบบใหม่ทั้งหมดซึ่งเป็นผู้สังเกตการณ์ที่เหมาะสมอาจจะมีแนวโน้มที่จะได้รับทราบอยู่ แต่ที่ชื่อยังไม่ได้รับมอบหมาย บนมืออื่น ๆ , แบบจำลองทางสถิติความเสี่ยงอาจมีการถูกหลอกโดยข้อมูลในการหาปัจจัยเสี่ยงที่จะไม่ยังคงมีอยู่สำหรับจำนวนเงินที่มีประโยชน์ใด ๆ ของเวลาในอนาคต นอกจากนี้ยังเป็นไปได้สำหรับแบบจำลองความเสี่ยงทางสถิติในการพบความเสี่ยงปลอมซึ่งเป็นเพียงความบังเอิญและไม่ได้บ่งบอกถึงความเสี่ยงที่แท้จริงใด ๆ ในตลาด ปัญหานี้เป็นปัญหาที่ละเอียดอ่อนสำหรับนักวิจัย