量化选股模型-丁鹏.pptxVIP

量化选股模型丁鹏

2丁鹏博士中国量化投资学会理事长《量化投资—策略与技术》作者《量化投资丛书》主编《量化投资与对冲基金》副主编方正富邦基金公司投资经理部门介绍大纲简介

内容提要量化选股概述多因子模型风格轮动模型行业轮动模型资金流模型动量翻转模型一致预期模型趋势追踪模型筹码选股模型

阿尔法策略阿尔法策略有正向阿尔法和反向

阿尔法两种〔1〕正向阿尔法就是构建一批

超越市场的股票组合，同时做空股指期货〔2〕反向阿尔法就是融券做空一批弱于市场股票组合，同时做多股指期货阿尔法的核心在于：量化选股模型

量化选股概述量化选股策略总的来说可以分

为两类：第一类是根本面选股，

第二类是市场行为选股。根本面选股主要有：多因子模型、风格轮动模型和行业轮动模型。市场行为选股主要有：资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。

多因子模型经济学解释多因子模型是应用最广泛的一种选

股模型，根本原理是采用一系列的

因子作为选股标准，满足这些因子

的股票那么被买入，不满足的那么卖出。例如，当很多投资者认为低PE的价值型的股票是好的投资标时，他们纷纷买入低PE的股票，会使得该股票出现上涨，或者超越大市。这样就使得低PE这个因子的有效性得到表达

多因子模型一般而言，多因子选股模型有

两种判断方法，一是打分法，

二是回归法。〔1〕打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选〔2〕打分法是最简单，也是最稳定的筛选因子的方法。其中因子的权重对最终的结果有着至关重要的影响。

多因子模型〔3〕回归法就是用过去的股票

的收益率对多因子进行回归，得

到一个回归方程，然后把最新的

因子值代入回归方程得到一个对未来股票收益的预判，最后以此为依据进行选股〔4〕回归法的问题在于很难找到一个精确拟合的回归方程，存在很大的模型误差，所以实战中用处不广。

多因子模型多因子选股模型的建立过程1．候选因子的选取候选因子可能是一些根本面指标，

如PB、PE、EPS增长率等，也可能是一些技术面指标，如动量、换手率、波动等。2．选股因子有效性的检验一般检验方法主要采用排序的方法检验候选因子的选股有效性。

多因子模型〔1〕对于任意一个候选因子在模型

形成期的第1个周期初开始计算各股

票该因子的大小，按从小到大的顺

序对样本股票进行排序，并平均分为

n个组合，一直持有到周期末。〔2〕在下个周期再按同样的方法重新构建n个组合并持有到周期末，每个周期如此，一直重复到模型形成期末。〔3〕组合构建完毕后，计算这n个组合的年化复合收益、相对于业绩基准的超出收益、在不同市场状况下的高收益组合跑赢基准和低收益组合跑输基准的概率等

多因子模型3．有效但冗余因子的剔除不同的选股因子可能由于内在

的驱动因素大致相同等原因，因

此其中的一些因子需要作为冗余

因子剔除。具体的方法有很多，比较典型的是计算相关系数的方式假设需要选出k个有效因子，样本期共m月，那么具体的冗余因子剔除步骤如下：

多因子模型〔1〕具体方法：令组合1和n相对

基准的超额收益分别为AR1和

ARn，如果AR1ARn，那么将组合i

的分值设为i；反之，AR1ARn，

组合i的分值为n-i+1，即所有组合的分值取1到n间的连续整数。组合得分确定后，再将其赋给每月该组合内的所有个股。〔2〕按月计算个股的不同因子得分间的相关性矩阵，令第t月的个股因子得分相关性矩阵为：(Score_Corrt,u,v)，u,v=1,2,...,k，u和v为因子序号。

多因子模型〔3〕在计算完每月因子得分

相关性矩阵后，计算整个样本

期内相关性矩阵的平均值，计算

公式为：〔4〕设定一个得分相关性阈值MinScoreCorr，对得分相关性平均值矩阵中大于该阈值的元素所对应的因子只保存与其他因子相关性较小、有效性更强的因子，而其他因子那么作为冗余因子剔除。

多因子模型4．综合评分模型的建立和选股在模型运行期的每个周期初对市场中正

常交易的个股计算每个因子的最新得分，

并按照一定的权重求得所有因子的平均分。

然后根据模型所得出的综合平均分对股票进行排序，然后根据需要选择排名靠前的股票。例如，选取得分最高的前20%股票等。5．模型的评价及持续改进由于量选股的方法是建立在市场无效或弱有效的前提之下，随着使用多因子选股模型的投资者数量的不断增加，有的因子会逐渐失效，而另一些新的因素可能被验证有效而参加到模型中，因此需要不断的修订。

多因子模型1.有效因子的选取本案例选取1997—2010年共14

年作为样本期，其中1997—2004年作为因子检验筛选期〔共8年〕，2005—2010年作为选股模型的样本外检验期〔共6年〕。所