本文關(guān)鍵詞：基于三層過濾模式的多因子選股模型研究

  更多相關(guān)文章： Alpha 多因子 資產(chǎn)定價 過濾

【摘要】：多因子模型是目前國際上主流的量化投資模型之一,也是目前中國量化投資領(lǐng)域的熱點問題。多因子模型試圖通過建模的方法對驅(qū)動股票市場價格變化的因子進行解釋和分析,并通過模型來選擇優(yōu)秀股票建立股票投資組合。多因子模型的研究對券商和投資基金的運作也具有一定的指導(dǎo)意義。目前國內(nèi)流行的很多量化投資模型都是建立在多因子模型的框架基礎(chǔ)上,因此多因子模型的研究是目前量化投資領(lǐng)域業(yè)界關(guān)注的一個重要問題。本文也是在前人研究成果的基礎(chǔ)上繼續(xù)對多因子模型進行探討,在方法上仍屬于實證研究的范疇。首先將因子按照影響股票周期的長短進行量化,分別定義了長期因子、中期因子和短期因子這三類因子。接下來從市場經(jīng)驗和經(jīng)濟邏輯方面確定了候選因子組成候選因子庫,然后通過設(shè)計單因子測試流程,從候選因子庫中篩選出每一類的有效因子。最后根據(jù)每一類的有效因子的特點,引入相應(yīng)的人工智能識別模型,尋找正Alpha收益股票組合,實現(xiàn)阿爾法量化對沖投資策略。通過數(shù)據(jù)進行驗證本文建立的三層過濾多因子選股模型,模型預(yù)測的準(zhǔn)確率可以達到70%以上;構(gòu)建的Alpha投資策略,年化收益率是58.5%,最大回撤為6.37%,并和傳統(tǒng)多因子選股模型比較,不僅風(fēng)險得到了有效控制,而且收益率也顯著提高。本文的研究意義主要存在于以下兩個方面,一方面通過模型在股市中找出若干支表現(xiàn)相對優(yōu)秀的股票構(gòu)建投資組合,同時做空滬深300股指期貨,使得其在牛熊市中都能夠產(chǎn)生較為穩(wěn)定的收益,為投資者提供參考和建議;另一方面通過建立三層過濾模式的選股模型能達到拋磚引玉的作用,為廣大的投資模型研究者提供思路的拓展,進行更深入的研究。
【關(guān)鍵詞】：Alpha 多因子 資產(chǎn)定價 過濾
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F832.51;F224
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-18
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外文獻研究綜述10-16
• 1.3 本文的組織架構(gòu)和創(chuàng)新點16-18
• 第二章 Alpha投資策略模型介紹18-22
• 2.1 Alpha收益來源18-19
• 2.2 APT模型19-20
• 2.3 Fama-French三因子模型20
• 2.4 本章小結(jié)20-22
• 第三章 單因子測試22-34
• 3.1 候選因子庫的構(gòu)建22-23
• 3.2 因子測試23-26
• 3.2.1 因子測試的數(shù)據(jù)選取和處理24-25
• 3.2.2 因子測試的流程設(shè)計25-26
• 3.3 因子選取26-33
• 3.3.1 相關(guān)性檢驗26-28
• 3.3.2 因子顯著性T檢驗28-29
• 3.3.3 因子的勝率和相關(guān)收益率計算29-31
• 3.3.4 剔除有效但冗余因子31-33
• 3.4 本章小結(jié)33-34
• 第四章 Alpha策略多因子模型構(gòu)建34-45
• 4.1 風(fēng)險控制下的多因子模型構(gòu)建34-38
• 4.1.1 基于資產(chǎn)定價模型的Alpha投資策略推導(dǎo)34
• 4.1.2 Alpha對沖投資策略在牛熊市的表現(xiàn)分析34-35
• 4.1.3 基于跟蹤誤差的風(fēng)險控制模型構(gòu)建35-37
• 4.1.4 多因子選股的分類模型構(gòu)建37-38
• 4.2 基于三層過濾模式的多因子選股模型構(gòu)建38-44
• 4.2.1 模型的提出38-39
• 4.2.2 模型的設(shè)計流程39-40
• 4.2.3 數(shù)據(jù)的選取和處理40-42
• 4.2.4 模型的訓(xùn)練和測試42-44
• 4.3 本章小結(jié)44-45
• 第五章 交易模型實證分析45-59
• 5.1 交易模型流程45-46
• 5.2 策略基本設(shè)置46-47
• 5.3 策略評估指標(biāo)47-50
• 5.4 實證結(jié)果50-58
• 5.4.1 模型預(yù)測準(zhǔn)確率評估50-53
• 5.4.2 策略的收益與風(fēng)險評估53-58
• 5.5 模型應(yīng)用58
• 5.6 本章小結(jié)58-59
• 結(jié)論與展望59-60
• 參考文獻60-64
• 攻讀碩士學(xué)位期間取得的研究成果64-65
• 致謝65-66
• 附件66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 田苗苗;數(shù)據(jù)挖掘之決策樹方法概述[J];長春大學(xué)學(xué)報;2004年06期

2 劉小茂,李楚霖,王建華;風(fēng)險資產(chǎn)組合的均值—CVaR有效前沿(Ⅰ)[J];管理工程學(xué)報;2003年01期

3 王源昌;汪來喜;羅小明;;F-F三因子資產(chǎn)定價模型的擴展及其實證研究[J];金融理論與實踐;2010年06期

4 花俊洲;;CVaR模型的有效邊界與組合選擇[J];上海金融學(xué)院學(xué)報;2008年06期

5 屈云香;黃啟;;獲取alpha收益的數(shù)量化投資組合策略研究——基于滬深300指數(shù)的實證研究[J];現(xiàn)代商業(yè);2011年09期

6 曹靜;秦超英;覃森;;均值-CVaR模型下的兩基金分離定理[J];系統(tǒng)工程學(xué)報;2006年02期

7 劉小茂;杜紅軍;;金融資產(chǎn)的VaR和CVaR風(fēng)險的優(yōu)良估計[J];中國管理科學(xué);2006年05期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 李佼瑞;套利定價模型（APT）的統(tǒng)計分析及在我國股票市場的應(yīng)用研究[D];陜西師范大學(xué);2002年

2 吳昌友;神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2007年

3 夏巽;上證A股市場FF三因子模型適用性研究[D];南京理工大學(xué);2009年

4 張文;指數(shù)復(fù)制模型研究[D];華東師范大學(xué);2010年

5 鄒運;基于遺傳算法的風(fēng)格選股模型研究[D];東北財經(jīng)大學(xué);2012年

6 鄒振華;基于文本挖掘的量化投資系統(tǒng)[D];華南理工大學(xué);2013年

7 張偉;支持向量分類機（SVC）在量化選股中的應(yīng)用[D];山東大學(xué);2014年

，

本文編號：564992