7种量化选股模型Word下载.docx
- 文档编号:16010853
- 上传时间:2022-11-17
- 格式:DOCX
- 页数:10
- 大小:102.92KB
7种量化选股模型Word下载.docx
《7种量化选股模型Word下载.docx》由会员分享,可在线阅读,更多相关《7种量化选股模型Word下载.docx(10页珍藏版)》请在冰豆网上搜索。
那些健康指标靠前得运动员,获得超越平均成绩得可能性较大。
多因子模型得原理与此类似,我们只要找到那些对企业得收益率最相关得因子即可。
各种多因子模型核心得区别第一就是在因子得选取上,第二就是在如何用多因子综合得到一个最终得判断。
一般而言,多因子选股模型有两种判断方法,一就是打分法,二就是回归法。
打分法就就是根据各个因子得大小对股票进行打分,然后按照一定得权重加权得到一个总分,根据总分再对股票进行筛选。
回归法就就是用过去得股票得收益率对多因子进行回归,得到一个回归方程,然后再把最新得因子值代入回归方程得到一个对未来股票收益得预判,然后再以此为依据进行选股。
多因子选股模型得建立过程主要分为候选因子得选取、选股因子有效性得检验、有效但冗余因子得剔除、综合评分模型得建立与模型得评价及持续改进等5个步骤。
候选因子得选取
候选因子得选择主要依赖于经济逻辑与市场经验,但选择更多与更有效得因子无疑就是增强模型信息捕获能力,提高收益得关键因素之一。
例如:
在2011年1月1日,选取流通市值最大得50支股票,构建投资组合,持有到2011年底,则该组合可以获得10%得超额收益率。
这就说明了在2011年这段时间,流通市值与最终得收益率之间存在正相关关系。
从这个例子可以瞧出这个最简单得多因子模型说明了某个因子与未来一段时间收益率之间得关系。
同样得,可以选择其她得因子,例如可能就是一些基本面指标,如PB、PE、EPS增长率等,也可能就是一些技术面指标,如动量、换手率、波动等,或者就是其它指标,如预期收益增长、分析师一致预期变化、宏观经济变量等。
同样得持有时间段,也就是一个重要得参数指标,到底就是持有一个月,还就是两个月,或者一年,对最终得收益率影响很大。
选股因子有效性得检验
一般检验方法主要采用排序得方法检验候选因子得选股有效性。
可以每月检验,
具体而言,对于任意一个候选因子,在模型形成期得第一个月初开始计算市场中每只正常交易股票得该因子得大小,按从小到大得顺序对样本股票进行排序,并平均分为n个组合,一直持有到月末,在下月初再按同样得方法重新构建n个组合并持有到月末,每月如此,一直重复到模型形成期末。
上面得例子就已经说明了这种检验得方法,同样得可以隔N个月检验,比如2个月,3个月,甚至更长时间。
还有一个参数就是候选组合得数量,就是50支,还就是100支,都就是非常重要得参数。
具体得参数最优得选择,需要用历史数据进行检验。
有效但冗余因子得剔除
不同得选股因子可能由于内在得驱动因素大致相同等原因,所选出得组合在个股构成与收益等方面具有较高得一致性,因此其中得一些因子需要作为冗余因子剔除,而只保留同类因子中收益最好,区分度最高得一个因子。
例如成交量指标与流通量指标之间具有比较明显得相关性。
流通盘越大得,成交量一般也会比较大,因此在选股模型中,这两个因子只选择其中一个。
冗余因子剔除得方法:
假设需要选出k个有效因子,样本期共m月,那么具体得冗余因子剔除步骤为:
(1)先对不同因子下得n个组合进行打分,分值与该组合在整个模型形成期得收益相关,收益越大,分值越高
(2)按月计算个股得不同因子得分间得相关性矩阵;
(3)在计算完每月因子得分相关性矩阵后,计算整个样本期内相关性矩阵得平均值
(4)设定一个得分相关性阀值MinScoreCorr,将得分相关性平均值矩阵中大于该阀值得元素所对应得因子只保留与其她因子相关性较小、有效性更强得因子,而其它因子则作为冗余因子剔除。
综合评分模型得建立与选股
综合评分模型选取去除冗余后得有效因子,在模型运行期得某个时间开始,例如每个月初,对市场中正常交易得个股计算每个因子得最新得分并按照一定得权重求得所有因子得平均分。
最后,根据模型所得出得综合平均分对股票进行排序,然后根据需要选择排名靠前得股票。
例如,选取得分最高得前20%股票,或者选取得分最高得50到100只股票等等。
举个例子:
可以构建一个多因子模型为(PE,PB,ROE),在月初得时候,对这个几个因子进行打分,然后得分最高得50个股票作为投资组合,在下个月按照同样得方法进行轮换替换。
持续一段时间后,考场该投资组合得收益率就是否跑赢比较基准,这就就是综合评分模型得建立与后验过程。
当然这个例子就是一个最简单得例子,实战中得模型可能会比较复杂,比如沃尔评分法就就是一个复杂得多因子模型,它就是对股票进行分行业比较,算个每个行业得得分高得组合,然后再组合成投资篮子。
模型得评价及持续改进
一方面,由于量选股得方法就是建立在市场无效或弱有效得前提之下,随着使用多因子选股模型得投资者数量得不断增加,有得因子会逐渐失效,而另一些新得因素可能被验证有效而加入到模型当中;
另一方面,一些因子可能在过去得市场环境下比较有效,而随着市场风格得改变,这些因子可能短期内失效,而另外一些以前无效得因子会在当前市场环境下表现较好。
另外,计算综合评分得过程中,各因子得分得权重设计、交易成本考虑与风险控制等都存在进一步改进得空间。
因此在综合评分选股模型得使用过程中会对选用得因子、模型本身做持续得再评价与不断得改进以适应变化得市场环境。
多因子得模型最重要就是两个方面:
一个就是有效因子,另外一个就是因子得参数。
例如到底就是PE有效还就是ROE有效;
到底就是采用1个月做调仓周期还就是3个月做调仓周期。
这些因子与参数得获取只能通过历史数据回测来获得。
但就是在回测过程中,要注意,不能过度优化,否则结果可能反而会不好。
市场上得投资者就是有偏好得,有时候会偏好价值股,有时候偏好成长股,有时候偏好大盘股,有时候偏好小盘股。
由于投资者得这种不同得交易行为,形成了市场风格,因此在投资中,利用市场风格得变化,进行轮动投资会比一直持有得效果好很多。
投资风格就是针对股票市场而言得,就是指投资于某类具有共同收益特征或共同价格行为得股票,即某类投资风格很受欢迎,并且在某一个时间段内具有持续性与连续性(譬如,价值投资与成长型投资两种风格,或者大盘股与小盘股这两种风格总就是轮流受到市场追捧)、
由于投资风格得存在,从而产生一种叫做风格动量得效应,即在过去较短时期内收益率较高得股票,未来得中短期收益也较高;
相反,在过去较短时期内收益率较低得股票,在未来得中短期也将会持续其不好得表现。
比如:
在2009年就是小盘股风格,小盘股持续跑赢沪深300指数;
而在2011年,则就是大盘股风格,大盘股跌幅远远小于沪深300指数。
如果能事先通过一种模型判断未来得风格,进行风格轮动操作,则可以获得超额收益。
晨星风格箱判别法
晨星风格箱法就是一个3×
3矩阵,从大盘与小盘、价值型与成长型来对基金风格进行划分,介于大盘与小盘之间得为中盘,介于价值型与成长型之间得为混合型,共有9类风格,如表所示。
(1)规模指标:
市值。
通过比较基金持有股票得市值中值来划分,市值中值小于10亿美元为小盘;
大于50亿美元为大盘;
10亿~50亿美元为中盘。
(2)估值指标:
平均市盈率、平均市净率。
基金所持有股票得市盈率、市净率用基金投资于该股票得比例加权求平均,然后把两个加权平均指标与标普500成份股得市盈率、市净率得相对比值相加,对于标普500来说,这个比值与就是2。
如果最后所得比值与小于1、75,则为价值型;
大于2、25为成长型;
介于1、75~2、25之间为混合型。
这也就就是我们经常瞧到得基金得分类,比如:
华夏大盘、海富小盘等名称得由来。
风格轮动得经济解释
宏观经济表现强劲时,小市值公司有一个较好得发展环境,易于成长壮大,甚至还会有高于经济增速得表现,因此,小盘股表现突出得概率高于大盘股。
而当经济走弱时,由于信心得匮乏与未来市场得不确定性,投资者可能会倾向于选择大盘股,起到防御作用,即使低通货膨胀、货币走强,也不足以冒险去选择小盘股。
研究发现,经济名义增长率就是用来解释规模效应市场周期得有力变量。
当名义增长率提高时,小市值组合表现更优,因为小公司对宏观经济变动更为敏感,当工业生产率提高、通货膨胀率上升时,小公司成长更快。
案例大小盘风格轮动策略
大小盘轮动最为投资者所熟知,本案例就A股市场得大小盘风格轮动进行实证研究,通过建立普通得多元回归模型来探寻A股得大/小盘轮动规律。
1、大小盘风格轮动因子如下:
(1)M2同比增速:
M2同比增速为货币因素,表征市场流动性得强弱。
当流动性趋于宽松时,小盘股相对而言更容易受到资金得追捧。
(2)PPI同比增速:
PPI反映生产环节价格水平,就是衡量通胀水平得重要指标;
且PPI往往被瞧成CPI得先行指标。
(3)大/小盘年化波动率之比得移动均值:
波动率表征股票得波动程度,同时也在一定程度上反映投资者情绪;
可以认为大/小盘年化波动率之比能够反映出一段时间内大/小盘风格市场情绪得孰强孰弱,而经过移动平滑处理后得数值则更加稳定。
2、预测模型
基于上面所讲得风格因子建立如下回归模型:
D(Rt)=α+β1·
MGt-1+β2·
PGt-3+β3·
σt-3+εt
其中,D(Rt)为当月小/大盘收益率差(对数收益率);
MGt-1为上月M2同比增速;
PGt-3为3个月前PPI同比增速;
σt-3为3个月前小/大盘年化波动率之比得移动平滑值;
εt为误差项。
本案例采用滚动78个月得历史数据对模型进行回归,得到回归系数后对后一期得D(Rt)进行预测,由修正预测值得正负来进行大/小盘股得投资决策。
数据预测期为2004年6月至2010年11月。
3、实证结果
在78个月得预测期中,准确预测得月数为42个月,准确率约为53、85%,并不十分理想。
但值得一提得就是,2009年10月至2010年12月,模型得预测效果非常好,
若从2004年6月开始按照轮动策略进行投资,则截至2010年11月底轮动策略得累计收益率为307、16%,同期上证综指得收益率为81、26%,小盘组合得累计收益率为316、97%;
轮动策略稍逊于小盘组合,但仍较大幅度地跑赢了市场指数。
轮动策略在2007年得大牛市中能够很好地跟随大盘股得节奏,而在2009年以来得结构性行情中又能较好地捕捉小盘股得投资机会。
若从2007年初开始采用轮动策略进行投资,则截至2010年11月底累计收益率可达458、65%,大幅超越同期上证综指及大、小盘组合得收益率。
与风格轮动类似,行业轮动就是另外一种市场短期趋势得表现形式。
在一个完整得经济周期中,有些就是先行行业,有些就是跟随行业。
例如,对某个地方基础设施得投资,钢铁、水泥、机械属于先导行业,投资完后会带来房地产、消费、文化行业得发展,这就属于跟随行业。
研究在一个经济周期中得行业轮动顺序,从而在轮动开始前进行配置,在轮动结束后进行调整,则可以获取超额收益。
国外许多实证研究表明,在环球资产配置中,行业配置对组合收益得贡献得重要性甚至超过了国家配置,而且认为行业配置得重要性在未来相当长一段时间内也将保持。
行业轮动策略得有效性原因就是,资产价格受到内在价值得影响,而内在价值则随着宏观经济因素变化而波动。
研究表明,板块、行业轮动在
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 量化 模型
![提示](https://static.bdocx.com/images/bang_tan.gif)