發(fā)布時(shí)間：2018-07-26 10:23

【摘要】：隨著信息技術(shù)的不斷發(fā)展以及中國資本市場(chǎng)的日漸成熟,量化投資在國內(nèi)受到越來越多的關(guān)注。相比于傳統(tǒng)投資模式,量化投資具有獨(dú)特的優(yōu)勢(shì),它不僅打破了傳統(tǒng)投資的范圍限制,而且克服了投資者主觀因素的影響,是一種更加系統(tǒng)化科學(xué)化的投資模式。在量化投資策略中,多因素選股由于具有市場(chǎng)容量大、收益穩(wěn)定的特征而受到機(jī)構(gòu)投資者的青睞,本文就是在這樣的背景下,嘗試構(gòu)建符合A股市場(chǎng)特征的多因素選股模型,以期能夠持續(xù)穩(wěn)定的戰(zhàn)勝市場(chǎng)。本文中我們以多因素理論為基礎(chǔ),通過對(duì)股票收益與若干風(fēng)險(xiǎn)因子進(jìn)行多元線性回歸,構(gòu)建多因素選股模型。具體而言,我們首先通過對(duì)64個(gè)可能影響股票市場(chǎng)收益的基礎(chǔ)指標(biāo)進(jìn)行顯著性檢驗(yàn),通過檢驗(yàn)我們篩選出了39個(gè)顯著指標(biāo),并通過降維處理得到了規(guī)模、價(jià)值、成長、財(cái)務(wù)質(zhì)量、盈利收益、運(yùn)營、動(dòng)量、流動(dòng)性以及波動(dòng)性等9個(gè)風(fēng)格因子,同時(shí)為規(guī)避行業(yè)因子影響,我們也將行業(yè)因子加入,與風(fēng)格因子一起構(gòu)建我們的多因素選股模型。實(shí)證中我們發(fā)現(xiàn),我們的多因子策略能夠顯著的戰(zhàn)勝市場(chǎng),在6年的回溯期內(nèi)年化超額收益高達(dá)26.8%,即使去除2013年結(jié)構(gòu)性牛市的影響,策略組合依然能夠達(dá)到22.4%的年化超額收益。此外,我們分年度、分市場(chǎng)階段對(duì)模型進(jìn)行了分析,我們發(fā)現(xiàn)不管是在牛市、熊市還是震蕩市中,策略組合都能明顯的戰(zhàn)勝市場(chǎng)指數(shù),而且震蕩市中的表現(xiàn)要遠(yuǎn)好于牛市和熊市中的表現(xiàn)。當(dāng)然我們的模型也存在一些不足,如回測(cè)中出現(xiàn)了幾次較大的回撤,風(fēng)險(xiǎn)指標(biāo)也并未完全覆蓋所有可能影響股票收益的因子,這也將是我們進(jìn)一步研究中重點(diǎn)研究的方向。
[Abstract]:With the development of information technology and the maturation of Chinese capital market, quantitative investment has been paid more and more attention in China. Compared with the traditional investment mode, quantitative investment has unique advantages. It not only breaks the limit of traditional investment scope, but also overcomes the influence of investors' subjective factors. It is a more systematic and scientific investment model. In the quantitative investment strategy, multi-factor stock selection is favored by institutional investors because of its large market capacity and stable returns. This paper tries to build a multi-factor stock selection model in accordance with the characteristics of A-share market under this background. With a view to a sustained and stable victory over the market. In this paper, based on the theory of multi-factors, we construct a multi-factor stock selection model by multivariate linear regression between stock returns and some risk factors. To be more specific, we first tested 64 basic indicators that may affect the returns of the stock market. By testing, we screened out 39 significant indicators, and through dimensionality reduction, we got scale, value, growth. Financial quality, earnings, operations, momentum, liquidity and volatility are nine style factors. In order to avoid the impact of industry factors, we also add industry factors, and build our multi-factor stock selection model together with style factors. We find that our multi-factor strategy can significantly overcome the market, in the six-year retroactive period, the annualized excess return is as high as 26.8.Even excluding the impact of the structural bull market in 2013, the strategy portfolio can still reach 22.4% annualized excess return. In addition, we analyze the model year by year and market stage, and we find that in bull market, bear market or shock market, the strategy combination can obviously beat the market index. And shock market performance is much better than the bull market and bear market performance. Of course, there are some shortcomings in our model, for example, there are several large recoveries in the back test, and the risk index does not completely cover all the factors that may affect the stock returns, which will also be the focus of our further research.
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜海;;多元線性回歸在用戶消費(fèi)研究中的應(yīng)用[J];瀘州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年03期

2 裴植,李春英;逐步多元線性回歸計(jì)算程序[J];預(yù)測(cè);1986年05期

3 馮天祥;多元線性回歸最小二乘法及其經(jīng)濟(jì)分析[J];經(jīng)濟(jì)師;2003年11期

4 李勃;;多元線性回歸算法在雙定戶定稅中的應(yīng)用[J];福建電腦;2008年03期

5 勇國溫;孟旭光;;多元線性回歸在鉆探成本預(yù)測(cè)和控制中的應(yīng)用[J];預(yù)測(cè);1990年04期

6 張曉東;決策支持系統(tǒng)中多元線性回歸技術(shù)的應(yīng)用[J];大連大學(xué)學(xué)報(bào);1998年05期

7 張鵬輝,孫晚華;多元線性回歸在影響因素分析中的應(yīng)用[J];技術(shù)經(jīng)濟(jì);2000年07期

8 王振友;陳莉娥;;多元線性回歸統(tǒng)計(jì)預(yù)測(cè)模型的應(yīng)用[J];統(tǒng)計(jì)與決策;2008年05期

9 陳逸陶;蔣艷;徐穎;;基于逐步懲罰的動(dòng)態(tài)多元線性回歸預(yù)測(cè)模型[J];統(tǒng)計(jì)與決策;2008年12期

10 喬亮亮;;多元線性回歸預(yù)測(cè)法在服裝制造中的應(yīng)用[J];長江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2010年01期

相關(guān)會(huì)議論文 前2條

1 石偉;王剛;劉愛華;武立華;;多元線性回歸在密山井水位影響因素分析的應(yīng)用[A];2013年地震流體專業(yè)委員會(huì)學(xué)術(shù)年會(huì)會(huì)議摘要[C];2013年

2 陳向軍;陳金波;;湖北省流通業(yè)競爭力影響因素測(cè)評(píng)分析[A];中部崛起與現(xiàn)代服務(wù)業(yè)——第二屆中部商業(yè)經(jīng)濟(jì)論壇論文集[C];2008年

相關(guān)碩士學(xué)位論文 前5條

1 劉軍;基于股票市價(jià)與會(huì)計(jì)信息指標(biāo)的多元線性回歸股票定價(jià)模型研究[D];西南財(cái)經(jīng)大學(xué);2009年

2 曾昭霞;貴州灣河二期粉煤灰堆場(chǎng)巖溶滲漏污染研究[D];貴州大學(xué);2009年

3 王靜;具有輸入故障自適應(yīng)能力的在線智能建模[D];廈門大學(xué);2007年

4 曹春曉;中國A股市場(chǎng)多因素選股模型實(shí)證分析[D];南京大學(xué);2014年

5 黃東盛;公眾心理預(yù)期的哈爾濱市保障性住房建設(shè)標(biāo)準(zhǔn)研究[D];哈爾濱工業(yè)大學(xué);2011年

，

本文編號(hào)：2145693