量化选股.docxVIP

量化选股多因子选股理论基础——APT模型不存在套利机会：即投资者不可能通过一个既无风险又无资本的资产组合获得正的预期收益。如果市场上这一机会一旦存在，就会被利用直到消失。股票回报率可以由一个线性因子模型从想法到交易一个不错的投资想法买还是卖？量是多少？？从投资想法到指标指标构建 设计选择能够描述投资思想的可量化指标例：价值被低估的股票未来价值会回归市盈率(PricetoEarningsratio)市净率PEEPEPBEPB从量化指标到股票评级股票评级：设定股票池/时间区间/权重，计算个股得分：市盈率(PricetoEarningsratio)市净率PEEPEPBEPB设定股票池：全部A股设定时间区间2012年9月-2012年12月指标标准化：方向/量纲设定权重个股评级从评级结果道股票筛选名称评级PEEPE兴业银行0.991交通银行0.991华夏银行0.950.95国元证券0.520.63民生银行0.991中国银行0.980.99股票评级投资组合得分最高的10%股票得分最高的30股票得分最高的金融行业10只股票……回溯测试得分最高的30股票股票评级回溯测试单调性可预测性收益率分析交易分析因子有效性的两个重要方面 单调性——检验指标是否具有一致性，得分高的股票收益率是否高于得分低的股票；可预测性——检验指标是否具有预测能力，即指标与收益率之间是否存在相关性；单指标检验举例：EPE 分位数组合——平均/年化收益率、胜率单指标组合收益率分析：累计/相对/绝对收益率，累计分布、信息系数交易分析：交易成本影响，组合换手率单指标检验举例：EPE单指标检验举例：EPE策略优化策略优化：因子权重的动态调整和优化，最优时间区间等；原始策略PE/EPE/PB/EPB优化目标函数设定优化算法选择优化算法历史回溯期最优指标权重优化后的策略等权重每月筛选因子选股的整体流程指标构建选择因子股票评级设定权重组合构建筛选股票回溯测试评估模型策略优化优化权重投资思想交易量化量化因子基于财务指标、估值指标、技术指标等构建因子分析的框架•相关指标数量非常多，应选取各类中有代表性因子进行分析；•可以按指标类型分类，也可以按投资主题分类需要不断更新补充新的有效因子进行分析市场特征会不断发生变化，可能出现新的有效因子，需要及时抓住！常见量化因子因子算法回溯分析时间分析——整体分析时间分析——整体分析2007年1月至2010年10月：–综合模型QM、QM_GA及单因素模型RPE、EPE表现最好；–在多因素模型中，QM及其优化模型QM_GA的表现最好，而在各个模块中表现较好的是价值模型VM和成长模型GM，然后是稳定性模型PM和动量MM；–单因素模型中表现最好的RPE、EPE、NPE、DY和ER，表现最差的是ROE、TM、ES；–优化作用有限；时间分析——年度分析时间分析——年度分析2007年1月至2010年10月：–综合模型QM、QM_GA及单因素模型RPE、EPE表现最好；–多因素模型中，QM、QM_GA表现最好，而在各个模块中表现较好的是GM、VM，然后是MM和PM；–单因素模型中，表现最好的RPE、EPE、ER和DY，表现最差的是TM、ROE、ES；–优化未必能提高组合的绩效；时间分析——阶段分析根据市场走势，划分为四个阶段：●2007年1月-2007年10月；●2007年11月-2008年11月；●2008年12月-2009年7月；●2009年8月-2010年10月；时间分析——阶段分析时间分析——阶段分析2007年1月至2010年10月：–表现最好的是单因素模型RPE、EPE和综合模型QM_GA和QM–多因素模型中，QM和QM_GA表现最好，其次是成长、动量、稳定性和价值模型；–单因素模型中，表现最好的是RPE、EPE、ER和DY，表现最差的是TM、ROE、ES；–从优化算法看，分阶段时，优化提高了QM、MM和PM的表现；广大证券量化选股广大证券量化选股广大证券量化选股广大证券量化选股广大证券量化选股广大证券量化选股广大证券——选股产品体系