量化投資——策略與技術_第1頁
已閱讀1頁,還剩86頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、 第 2 章 量化選股 : 本章中基本面選股介紹了多因子模型、風格輪動模型和行業(yè)輪動模型。市場行為選股介紹了資金流模型、動量反轉模型、一致預期模型、趨勢追蹤模型和籌碼選股模型。 多因子模型是應用最廣泛的一種選股模型,基本原理是采用一系列的因子作為選股標準,滿足這些因子的股票則被買入,不滿足的則賣出。多因子模型相對來說比較穩(wěn)定,因為在不同市場條件下,總有一些因子會發(fā)揮作用。 風格輪動模型是利用市場的風格特征進行投資,比如有時候市場偏好

2、小盤股,有時候偏好大盤股,如果是風格轉換的初期介入,則可以獲得較大的超額收益。 行業(yè)輪動與風格輪動類似,由于經(jīng)濟周期的原因,總有一些行業(yè)先啟動,有的行業(yè)跟隨。在經(jīng)濟周期過程中,依次對這些輪動的行業(yè)進行配置,則比買入持有策略有更好的效果。 資金流選股的基本思想是利用資金的流向來判斷股票的漲跌,如果資金流入,則股票應該會上漲,如果資金流出,則股票應該下跌。所以將資金流入流出的情況編成指標,則可以利用該指標來判斷在未來一段時間股票的漲跌情況了

3、。 動量反轉模型是指股票的強弱變化情況,過去一段時間強的股票,在未來一段時間繼續(xù)保持強勢,過去一段時間弱的股票,在未來一段時間繼續(xù)弱勢,這叫做動? 摘要 摘要 ? 量化選股就是利用數(shù)量化的方法選擇股票組合, 期望該股票組合能夠獲得超越基準收益率的投資行為。量化選股策略總的來說可以分為兩類:第一類是基本面選股 第二類是市場行為選股。 27 第2章量化選股量化分析的角度來看,這些因子和收益率之間存在因果關系。本節(jié)的多因子模型就是要研究市場上

4、有哪些因子對最終收益率的作用比較大,它們在不同市場階段的表現(xiàn)如何。 2.1.1 基本概念 多因子模型是一類重要的選股模型,它的優(yōu)點是能夠綜合很多信息最后得出一個選股結果。多因子模型的表現(xiàn)相對來說也比較穩(wěn)定,因為在不同的市場情況下,總有一些因子會發(fā)揮作用。因此,在量化投資界,不同的投資者和研究者都開發(fā)了很多不同的多因子模型。各種多因子模型核心的區(qū)別一是在因子的選取上,二是在如何用多因子綜合得到一個最終的判斷。 一般而言,多因子選股模型有兩

5、種判斷方法,一是打分法,二是回歸法。 打分法就是根據(jù)各個因子的大小對股票進行打分,然后按照一定的權重加權得到一個總分,根據(jù)總分再對股票進行篩選。打分法根據(jù)加權方法的不同又可以分為靜態(tài)加權和動態(tài)加權。打分法的優(yōu)點是相對比較穩(wěn)健,不容易受到極端值的影響。 回歸法就是用過去的股票的收益率對多因子進行回歸,得到一個回歸方程,然后把最新的因子值代入回歸方程得到一個對未來股票收益的預判,最后以此為依據(jù)進行選股?;貧w法的優(yōu)點是能夠比較及時地調整股票對

6、各因子的敏感性,而且不同的股票對不同的因子的敏感性也可以不同。 回歸法的缺點是容易受到極端值的影響,在股票對因子敏感度變化較大的市場情況下效果也比較差。 2.1.2 策略模型 多因子選股模型的建立過程主要分為候選因子的選取、 選股因子有效性的檢驗、有效但冗余因子的剔除、綜合評分模型的建立和模型的評價及持續(xù)改進 5 個步驟。 1.候選因子的選取 .候選因子的選取 候選因子可能是一些基本面指標,如 PB、PE、EPS 增長率等,也可能是一些

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論