基于因子IC的多因子量化選股模型及績效分析
發(fā)布時間:2020-12-29 11:25
為探究中國股票市場的波動幅度和風險性,選取2016年1月1日至2019年3月31日期間的上證指數(shù)和深證成指的收益率為研究對象,建立GARCH模型進行實證分析,得出以下主要結論:外部的沖擊會加劇對上證指數(shù)、深證成指的波動,且上證指數(shù)受到外部沖擊的波動更大,深證成指所受前期波動的影響更大;趯嵶C分析結果,制定了量化投資策略,即通過因子IC優(yōu)化復合因子IR的方式來配置因子權重,構造多因子選股模型,并選取一些傳統(tǒng)因子結合新構造的非流動性因子ILLIQ來進行分析,回測結果表明在2015年1月1日至2018年1月1日期間的回測中,策略收益達到67.67%,遠高于基準收益10.69%。
【文章來源】:長春理工大學學報(社會科學版). 2019年06期
【文章頁數(shù)】:6 頁
【部分圖文】:
上證指數(shù)收益率時序圖
圖1 上證指數(shù)收益率時序圖通過以上圖形可以看出,上證指數(shù)收益率和深證指數(shù)收益率序列基本都是圍繞在0附近上下波動,直觀上判斷應該都是平穩(wěn)的。以下進一步采用ADF單位根檢驗法進行判斷,利用EVIEWS軟件得到結果匯總,如表1所示。
圖3給出了2014年~2017年間,在不同時點,將市場上所有股票按因子分成10組,選取第1組(Q1)、第5組(Q5)以及第10組(Q10)股票因子的均值情況進行觀察?梢钥吹剑旱谝唤M因子值在-1至-0.5之間變化,第五組的因子值在-0.5上方小幅波動,第十組則在0.5至1.0區(qū)域內波動。這幾組整體的因子均值波動范圍較小,因此我們認為因子的截面特征較為穩(wěn)定。
【參考文獻】:
碩士論文
[1]A股市場多因子選股量化模型構建及其檢驗[D]. 費洋.浙江大學 2018
[2]多因子選股模型在中國股票市場的實證分析[D]. 王昭棟.山東大學 2014
[3]基于多因子量化模型的A股投資組合選股分析[D]. 江方敏.西南交通大學 2013
本文編號:2945560
【文章來源】:長春理工大學學報(社會科學版). 2019年06期
【文章頁數(shù)】:6 頁
【部分圖文】:
上證指數(shù)收益率時序圖
圖1 上證指數(shù)收益率時序圖通過以上圖形可以看出,上證指數(shù)收益率和深證指數(shù)收益率序列基本都是圍繞在0附近上下波動,直觀上判斷應該都是平穩(wěn)的。以下進一步采用ADF單位根檢驗法進行判斷,利用EVIEWS軟件得到結果匯總,如表1所示。
圖3給出了2014年~2017年間,在不同時點,將市場上所有股票按因子分成10組,選取第1組(Q1)、第5組(Q5)以及第10組(Q10)股票因子的均值情況進行觀察?梢钥吹剑旱谝唤M因子值在-1至-0.5之間變化,第五組的因子值在-0.5上方小幅波動,第十組則在0.5至1.0區(qū)域內波動。這幾組整體的因子均值波動范圍較小,因此我們認為因子的截面特征較為穩(wěn)定。
【參考文獻】:
碩士論文
[1]A股市場多因子選股量化模型構建及其檢驗[D]. 費洋.浙江大學 2018
[2]多因子選股模型在中國股票市場的實證分析[D]. 王昭棟.山東大學 2014
[3]基于多因子量化模型的A股投資組合選股分析[D]. 江方敏.西南交通大學 2013
本文編號:2945560
本文鏈接:http://sikaile.net/guanlilunwen/huobilw/2945560.html