模型总结 多因子精要.docx

多因子模型选股筛选有效因子因子选取估值因子：PB、PE、PEG(市盈率相对盈利增长比)、EPS等。盈利因子：ROE、ROA、毛利率等。成长因子：每股净资产增长、ROE增长率、主营业务收入增长率、每股收益(EPS)增长率等。资本结构因子（杠杆因子）：资产负债率、固定资产比率、流通市值。流动性因子：总资产周转率 、换手率(算术平均) 、流动比率 、速动比率、存货周转率、总资产周转率 技术面因子：换手率, 总资产周转率、换手率(算术平均) 、 流动比率 、速动比率、存货周转率、总资产周转率(同比) 。数据预处理数据的预处理主要包含两部分，即去极值化以及标准化。去极值化：采用“中位数去极植法”进行去极值化，公式如下：Di，upper=Dm+n×DMAD, if Di≥Dm+n×DMADDi, lower =Dm-n×DMAD, if Di≤Dm+n×DMAD标准化：由于各个描述性因子所衡量的单位不同，导致因子数值范围差异较大，因此在进行因子分析之前，必须对其进行标准化，本研究采用最常见N(0,1)正态标准化处理之，公式如下：标准化后向量=(原向量-均值)/标准差单个因子有效性分析市场环境及股票池划分按市场环境对因子有效性进行分析统计和分析不同市场阶段（牛市、熊市和震荡市三种）的因子有效性。按照市值大小对股票池进行划分经典的Fama-French 三因素模型早已表明市值对股票的收益率有显著的影响，各种主动型投资基金也常常按照投资标的的市值进行风格划分，而大、小市值股票的估值等指标存在整体性的水平差异，不具备可比性。按行业属性对股票池进行划分不同行业的某些财务指标的整体差异性大，可比性不高，因此按行业属性进一步划分股票池也是有必要的。一般来说，周期类行业与非周期行业在很多财务指标上具有显著差异，因此我们按周期与非周期对股票池进行进一步划分。之所以没有把每个行业作为一个股票池是因为如果划分的过细，一方面可操作性会降低，另一方面容易造成样本数量急剧下降，统计结果可靠性会降低。检验因子有效性方法方法一：（国泰君安-蒋瑛琨）首先，看TOP 20%组合与BOTTOM 20%组合的月平均收益率差是否有显著差异，如果有显著差异，说明该因子具有一定的区分度。同时，有效性比较高，才能说明该因子效果的稳健性比较好，才能确保依据该因子选取的组合胜率比较高。其次，看TOP 40%组合与BOTTOM 40%组合的月平均收益率差是否显著且有效性是否较高。最后，观察五档组合的因子排名与其下期收益率排名的相关性是否显著，越显著说明因子对收益的影响越确定。这样从三个方面分析因子的有效性和稳健性，很大程度上确保了分析结果不受数据的偶然巧合所影响。方法二：（广发证券-罗军）一个有效的Alpha 因子应该能够带来长期且稳定的Alpha 收益，同时因子在各期的表现应该具备较好的持续性，即具备较低的波动性，另外，根据因子挑选出来的超低配组合是否具备较高的胜率也是我们考察的标准之一。多个指标相结合的方式来考察各个因子的有效性，指标可分为两类：有效性指标和单调性指标。有效性指标：通过跟踪超低配组合的表现来考察因子的有效性，包含IC，IR，组合胜率、组合月收益率、组合滚动1 年收益率以及组合收益t 检验概率。(1) 因子IC(信息系数)：即每个时点因子在各个股票的暴露值与各股票下个期回报的相关系数，本文认为如果一个因子的IC 值高于2%(或低于-2%)，则认为该因子在优选个股alpha 收益上有较好的效果，IC 为正表示该因子与股票的未来收益有正相关关系，应该超配因子暴露值高的股票，反之若IC 为负则超配因子暴露值低的股票。(2) 因子IR(信息比)：即因子在样本期间的平均年化收益与年化平均标准差的比值，IR 的绝对值越高，表面该因子在优选个股alpha 收益上效果越好，另外，经统计发现，IR 的绝对值高于0.7 时，Alpha 因子的选股效果通常比较明显，另外，若IR 为正，则代表应该超配因子暴露值高的股票，反之若IR 为负，则应该超配因子暴露值低的股票。(3) 组合胜率：用于衡量Alpha 因子是否在多数时间内有效。(4) 组合收益：包括因子月平均收益和因子滚动12 个月累计收益，用于衡量因子Alpha 是否具有稳定且可持续收益。(5) t 检验概率：用于衡量Alpha 因子是否具有显著的因子回报，因子的t 检验概率越小，说明该因子的选股效果越好，经统计发现，t 检验的概率小于0.2 时，相应的Alpha因子具有较好的选股效果！单调性指标：通过分析各档股票组合的表现是否具备显著的单调性，从而考察因子的有效性，包含各档累积收益率、各档相对基准累积收益率、各档平均年收益率以及各档相对基准平均年收益率。一般来说，IC 和IR 较高且为正时，各档组合的收益表现呈现单调递增的规律，IC 和IR