[Table_Title]选股因子系列研究（二十七）——分位数回归在多因子选股中.PDFVIP

[Table_MainInfo] 金融工程研究 证券研究报告 金融工程专题报告 2017 年10 月18 日 [Table_Title] 选股因子系列研究（二十七）——分位数回 相关研究 [Table_ReportInfo] 《量化研究新思维（四）——动量崩溃》 2017.10.16 归在多因子选股中的应用 《大类资产配臵模型及研究（六）——积 [Table_Summary] 极的风险均衡（Active Risk Parity ）策略》 投资要点： 2017.10.09 《选股因子系列研究（二十六）——因子 加权、正交和择时的若干性质》  分位数回归可以看作是均值回归的一种替代方法。它最早被用来研究不同的收入 2017.10.09 水平和职业、教育程度等一系列指标的关系。与均值回归相比较，分位数回归并 不需要均值回归对正态和同方差的前提假设，当数据出现尖峰或者厚尾的形态以 及显著的异方差时，分位数回归更加稳健。它最大的优势就是可以对分布的任何 一个位臵（分位点）建立回归模型，研究变量之间的关系。跟均值回归只能得到 单个预测值不同，分位数回归可以通过给予数据不同的权重得到一组预测值。 [Table_AuthorInfo]  在中证500 指数的成分股中，总市值、前一个月收益率和日均换手率三个因子对 收益率分布的不同位臵有着完全不一样的效应。以前一个月收益率为例，中位数 回归的斜率估计与均值回归较为接近，表明股票前一个月收益率对当月收益分布 的中间位臵（均值或中位数）有负向影响，即存在反转效应。但是，在较为极端 的分位点处，分位数回归的结果与均值回归却有着较大的差异。10%的分位数回 归直线更为陡峭，表明收益分布的左侧受到前一个月收益率的影响更大。而90% 分位数回归的斜率更是变为正值，进一步说明了同一个因子可能对收益分布不同 位臵有着截然相反的效应。  每一个分位点都对应着股票收益率的一组预测，究竟应该使用哪一个值取决于对 预测结果的用途。如果投资者想基于收益率的预测值来对股票排序，并买入那些 排名较高的股票且卖出排名较低的股票，那么应当选择斜率绝对值最大，即回归 直线最为陡峭，且统计意义上显著的分位点对应的模型。因为它代表了最能体现 股票未来表现差异的一个方向。  基于总市值、前一个月收益率和日均换手率三个因子构建中证500 增强组合，采 用 10%分位数回归和均值回归两种方法，分别简记为 QR(0.1)和 OLS。从相对 基准的超额收益的角度，QR(0.1)无疑更优。不论是等权重还是市值加权，都大 幅超越OLS 的结果。但两者的波动和回撤却十分接近，因而QR(0.1)的夏普比率 具有明显的优势。此外，使用