金融投资行业分析-金融工程研究Alpha预测.pdfVIP

HeaderTable _User 1122253200 金融工程 HeaderTable _Stock 股票代码 投资评级 评级变化 Alpha 预测 行业code HeaderTable —— 《因子选股系列研究之十三》 _Excel 研究结论 报告发布日期 2016 年10 月25 日  策略 Alpha 收益的定义取决于投资者控制了哪些风险，Alpha 因子的 ZSCORE 可以通过多期横截面回归取平均的方式转化成预测收益率，输入 证券分析师 朱剑涛 后续的组合优化过程。 0216077 zhujiantao@  在两个变量满足正态分布时，Pearson 和 Spearman 相关系数的数值很接 执业证书编号：S0860515060001 近，但Spearman 秩相关系数在做显著性检验时不依赖于变量的正态分布特 性，更稳健，因此因子选股计算IC 时多采用后者。  Alpha 因子是否需要做风险中性化处理取决于做组合优化时是否做了对应的 相关报告 风险暴露控制，并非风险因素剔除的越多越好。当构建的组合完全控制了风 线性高效简化版冲击成本模型 2016-10-21 险暴露时，风险调整IC （risk adjusted IC ）会比Purifed alpha IC 更能准确 资金规模对策略收益的影响 2016-08-26 反映组合的未来收益。但实际投资中，投资者或多或少都会暴露一些风险来 Alpha 因子库精简与优化 2016-08-12 获取更高的alpha ，个股权重也会有上下限限制，风险调整IC 的预测能力和 日内残差高阶矩与股票收益 2016-08-12 理论有出入。再加上近些年A 股市值效应明显，而风险调整 IC 更偏好大盘 动态情景多因子Alpha 模型 2016-05-25 股数据，因此实证测试下来，Purified alpha 效果优于风险调整IC。  Alpha 因子加权最麻烦的地方在于因子间的相关性处理。“因子按逻辑分类 专 “的方法对技术类因子的适用性差，而且逻辑上同属一类的因子在做完风险 题 中性化处理后，同类因子间相关性可能低于异类因子间相关性。Qian(2007) 报 的alpha 优化方法过于强调稳健性，会牺牲比较多的alpha 收益，在无法做 告 空、杠杆交易难度大的国内市场，这种方法的适用性有限。  我们在之前报告中提出的因子筛选方法可以很好的剔除重复信息的因子，降 低因子数量。因子筛选过程产生了一系列相互正交的 “残差因子 “，用这些 因子做IC_IR 加权可以规避因子间的共线性问题，也就是本报告的”增量正 交化 “方法。或者直接对筛选出的因