金融投资行业分析-Alpha因子库精简与优化——《因子选股系列研究之十》.pdfVIP

HeaderTable _User 1122253200 金融工程 HeaderTable _Stock 股票代码 投资评级 评级变化 Alpha 因子库精简与优化 行业code HeaderTable —— 《因子选股系列研究之十》 _Excel 研究结论 报告发布日期 2016 年08 月12 日  国内量化发展已有十余年，各家机构投资者的Alpha 因子库也随之扩大，这 时会面临两个问题：alpha 信息源的重叠与因子间相关性处理。本报告将提 证券分析师 朱剑涛 供这两个问题的解决处理方法， 0216077 zhujiantao@  我们基于Fama-MacBeth 回归设计了一套Alpha 因子筛选流程，剔除信息重 执业证书编号：S0860515060001 复的因子。在实证中，我们把11 个Alpha 因子筛选至5 个，筛选过程几乎 没有alpha 信息的损失，筛选前后的多因子多空组合表现相当。因子筛选可 以显著减少因子数量，继而减少需要估计的模型参数数量，提高估计量的准 相关报告 确性，从而提升模型选股表现。 日内残差高阶矩与股票收益 2016-08-12  Alpha 优化采用的是Qian(2007)的方法，这个方法有点类似股票组合优化， 动态情景多因子Alpha 模型 2016-05-25 alpha 因子充当了个股的角色。该方法可以很好的处理因子相关性问题，实 投机、交易行为与股票收益（下） 2016-05-12 际运用的关键在于因子 IC 协方差矩阵的估计。传统样本协方差矩阵的估计 用组合优化构建更精确多样的投资组合 2016-02-19 方差太大，效果不佳，本报告中采用Ledoit （2003 ）提出的压缩估计量方法 剔除行业、风格因素后的大类因子检验 2016-02-17 和Bootstrap 方法来提升估计量准确性，alpha 模型选股效果得到显著改善。 基于交易热度的指数增强 2015-12-14 投机、交易行为与股票收益（上） 2015-12-07  为便于叙述，本报告中采用的是alpha 因子原始数据和原始收益率来计算IC ， 专 并未做风险中性化处理，但报告中的方法对风险中性的情况也适用，风险中 低特质波动，高超额收益