选股因子研究系列（三）——从Spearman相关系数出发研究因子有效性——Kalman Filter模型在因子选择中的应用.pdfVIP

量化研究 证券研究报告 专题报告 选股因子研究系列（三） 2013 年 10 月 11 日 从 Spearman 相关系数出发研究因子有效性 ——Kalman Filter 模型在因子选择中的应用 多因子选股模型中最重要的环节之一是选择因子。由于市场风格是不断变化的， 曾经有效的因子在未来的时期未必有效，因此如何能及时的把握当前市场的运行状况 和人们的投资风格，并从中提炼出对应的因子是因子选择的本质。 通常来说，人们可以从两个角度出发来研究当前的市场风格。一个是基本面的角 度，投资者根据目前市场所处的内外政策和经济环境对整个市场进行分析，以推断当 前的有效因子；另一个是依据量化模型，从市场数据出发，分析因子数据和股票收益 率之间的关系，以此来预测因子未来的有效性。 量化方法的优势在于其处理数据的能力，通过量化模型人们可以准确的刻画股票 因子与股票表现之间的关系、因子之间的关系以及这些关系随时间变动的情况。但这 也会面临很多问题，本报告中我们主要关心如下两个： 相关研究  数据中的噪音。市场数据中往往包含大量噪音，这些噪音的来源多种多样，有些是 在数据采集和保存过程中所带来的噪音，例如：错误的数据信息、极端的数据值以 基于动量因子和财务指标的组合优化方 法研究 2009.09.28 及数据的丢失等等；有些是数据处理过程中所导致的噪音，例如：数据量有限，使 得统计量无法对目标值进行有效的估计。这些噪音使人们无法正确的认识和理解市 弱者终有逆袭日，强势几无持续时 场特征，破坏了用于刻画市场特征和行为的统计量的有效性和稳定性。 2012.07.23  数据的时效性。市场风格是不断变化的，人们需要构建动态的量化模型，实时的跟 因子模型的尾部相关性研究 踪市场风格和预测市场的变化。然而，人们仅仅能够依靠历史数据，这些数据是否 2013.03.25 能够预测未来甚至描述当前的市场状况只能在事后进行准确的考量。若选取的市场 数据时期较长，那么模型无法及时的对市场变化做出反应；而若选取的市场数据时 期较短，则数据量较小使得无法有效的拟合模型。 在以上的讨论中，我们会发现一个悖论：用较短的历史数据进行市场分析，容易 引入大量的噪音，而用较长的历史数据进行分析，则容易导致分析结果有一定的滞后 性。因此，在模型设计过程中，我们需要对以上悖论进行一定的平衡。 金融工程高级分析师 在本报告中，我们以历史上沪深 300 成分股为因子池，用截面 Spearman 相关系 数作为描述因子与股票收益的相关关系的统计量，研究了因子 Spearman 相关系数时 郑雅斌 间序列的历史表现及性质。在该选择因子的研究框架下，我们抛砖引玉的使用马尔科 SAC 执业证书编号：S0850511040004 夫链 Kalman Filter 模型对因子 Spearman 相关系数时间序列进行建模，分析其对因 电 话：0