基于信息比率加权的多因子选股策略绩效评价
发布时间：2021-07-21 17:25
我国资本市场的日渐成熟使得理性投资者越来越多,量化选股的应用越来越广泛。在量化选股理论中,多因子选股模型逻辑清晰、选股效果突出,从而应用广泛。相信未来随着我国资本市场数据更加丰富、透明,计算机运算效率不断提升,多因子选股模型将会有更好的应用前景。本文的研究成果是基于多因子量化选股模型,针对模型的一些细节层面,包括我国财务报告的公布制度、数据的选取、因子稳健性分析、因子权重设计、模型对照分析这几方面进行了一定的创新,以此来提高模型的投资绩效。本文选取医药行业187只上市股票作为研究对象,将2006-2019年的季度数据分为训练集与验证集,在训练集上挑选最优因子并生成综合评分模型,在验证集上通过对比分析来评价各综合评分因子的投资绩效。首先,从相关性、组合收益、跑赢市场概率、夏普率、信息比率、最大回撤角度对50个初始因子进行评价,筛选出12个有效因子;然后,根据有效因子的相关系数矩阵及P值显著概率矩阵,并结合几个重要指标,剔除了4个冗余因子,剩余8综合质量最好的因子;接下来,使用这8个因子构造综合评分模型,并根据模型不同的计算方式定义了4个综合评分因子;最后,在验证集上对4个综合评分因子的选...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图３－７沪深３００指数净值变化??Ｆｉｇ．?３－７?Ｎｅｔ?ｖａｌｕｅ?ｏｆ?ｔｈｅ?ＣＳＩ?３００?ｉｎｄｅｘ??根据净值计算沪深３００指数的最大回撤，训练集期间指数的最大回撤为??－
?山东大学硕士学位论文???回撤时，说明该因子的风险控制能力较强。先对沪深３００指数在验证集期间的最??大回撤进行观察，计算其净值变化如图３－７。??３．００?１?—沪深３〇〇指数净值??２．５０?－??０．５０?－??０－００?＂?Ｉ?Ｉ?Ｉ?１?Ｉ?Ｉ?ｆｉｌｌ?ＩＩ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?Ｉ?１??—ｉＮｊｒｏｉｏｉｖｔｒｏ?Ｎ＾ｒ？ｊＮＪｈ〇ＮｊＮＪｒ＾ｉＮＪｒ〇Ｎｊｉｏｒ＞ｊＮＪＮｊｉｓｊＮｊｒ＞ＪＮｊｒｏ??〇〇〇〇〇〇?〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇??ＯＯＯＯＯ??ＣＨＣ＞＜Ｔｔ＇ｊｖｌ＇ｖｌ?＇ｊＪ００?００?００ｉｐｉｐｉ＾ＯＯ〇Ｈ＾Ｈ＊Ｈ＊ＮＪＮＪｆＯＵＪＵＪＵＪ??图３－７沪深３００指数净值变化??Ｆｉｇ．?３－７?Ｎｅｔ?ｖａｌｕｅ?ｏｆ?ｔｈｅ?ＣＳＩ?３００?ｉｎｄｅｘ??根据净值计算沪深３００指数的最大回撤，训练集期间指数的最大回撤为??６７．８３％，接下来计算１２个因子的最大回撤，结果见图３－８。??ｃｎｎｎ?■优势组最大回撤（％）?■相邻组最大回撤（％）?＃相邻两组最大回撤（％）??ｂｕ．ＵＬ）?－１??Ｌｊｉｉｉｉｉｌｌｌ??ｘｘｘｘｘｘｘｘｘｘｘｘ??ＵＪＵ？４＾ｈ－？Ｌ〇ｒ〇－Ｔ＾－＾ＵＩＬｎＮＪＵＩ??ＬＯｆＯＯＯ?ｌ－？?Ｏ?００?ｈ－？??图３－８?１２个因子最优三个组合的最大回撤??Ｆｉｇ．?３－８?Ｍａｘｉｍｕｍ?ｒｅｔｒａｃｅｍｅｎｔ?ｏｆ?ｔｈｒｅｅ?ｃｏｍｂｉｎａｔｉｏｎｓ?ｗｉｔｈ?１２?ｆａｃｔｏｒｓ?ｏｐｔｉｍｕｍ??３８??
?山东大学硕士学位论文???接下来观察各因子优势组的胜率情况，统计各因子优势组各期超额收益表现，??结果见图３－１１。??■综合评分因子Ｓ１?＊综合ｉ平分因子Ｓ２?□综合评分因子Ｓ３?Ｓ综合评分因子Ｓ４??３０．００?－??２０．００?－??ｌｏ．ｏｏ?－ｉ－ｔｈ?Ｉｐ?Ｌｖ?＾??ｏｏｏ?■丨丨Ｂ?１１?ＢＬｐ?ｍｌ＼?ｌｉＴ１?１＾－ｖ－?ｍｓ＼￣．?＾?ｍ＾ｒ：??－１０．００?－?Ｉ??－２０．００?－??？３０．００?？?｜??？４０．００?？?Ｉ??－５０．００?■??－６０．００?■??４＾４＾４＾ＬｎＬｎｉ／ｉＣＴ？ａ＞ｃｒ＞＾Ｊ＇ｓＪ＇ｓＪ０ＯＣ？０Ｏ＜＾ｔＤ＾??Ｉ?■?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?ｔ?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?■?Ｉ??ｌ－？ＭＯＪＨ－４Ｎ）ＵＪ｜－？ＮＪＵＩ｜－？ＮＪＵｉｈ－？ＮＪＵＪＭｒ〇Ｕ＞??图３－１１验证集期间各因子的超额收益表现??Ｆｉｇ．?３－１１?Ｔｈｅ?ｐｅｒｆｏｒｍａｎｃｅ?ｏｆ?ｅｘｃｅｓｓ?ｒｅｔｕｒｎｓ?ｏｆ?ｅａｃｈ?ｆａｃｔｏｒ?ｄｕｒｉｎｇ?ｖａｌｉｄａｔｉｏｎ?ｓｅｔ??统计验证集期间各综合评分因子的超额收益表现，发现因子ＳＩ、Ｓ２、Ｓ３、Ｓ４??优势组在此期间年化超额收益分别为１４．０８％、１．５０％、３．１１％、－３．７１％，Ｓ１表现最??好。４个综合评分因子跑赢市场的概率分别为７２．２２％、６１．１１％、６１．１１％、６６．６７％，??仍然可见因子Ｓ１的胜率最高且领先较多，验证集期间交易频次较少也是其他三个??因子的胜率相差无几的原因之一。??接下来使用夏普率及信息比率指标从风险
【参考文献】：
期刊论文
[1]Adaboost-SVM多因子选股模型[J]. 王伦. 经济研究导刊. 2019(10)
[2]多因子量化选股模型与择时策略[J]. 王春丽,刘光,王齐. 东北财经大学学报. 2018(05)
[3]基于沪深300成份股的多因子量化选股策略研究[J]. 苏靖宇,方宏彬. 福建商学院学报. 2018(01)
[4]基于多因子选股的半监督核聚类算法改进研究[J]. 李文星,李俊琪. 统计与信息论坛. 2018(03)
[5]因子分析法在上市公司投资价值分析的实用性探究——基于TMT板块[J]. 吴瑜琪. 全国流通经济. 2017(15)
[6]主成分分析和因子分析在中国股票评价体系中的应用[J]. 胡书文,徐建武. 重庆理工大学学报(自然科学). 2017(05)
[7]中国股市风险预警指标体系分析[J]. 魏伟,国世平. 深圳大学学报(人文社会科学版). 2017(02)
[8]基于多元回归分析的多因子选股模型[J]. 黄宏运,王梅,朱家明. 通化师范学院学报. 2016(08)
[9]浅析基于大数据的多因子量化选股策略[J]. 李姝锦,胡晓旭,王聪. 经济研究导刊. 2016(17)
[10]金砖国家股票市场成长性指标体系构建[J]. 于晓雯,张延良. 中国证券期货. 2013(01)
硕士论文
[1]多因子选股模型的构建与应用[D]. 朱世清.山东财经大学 2015
[2]运用量化投资策略实现超额收益Alpha的理论与实践[D]. 章宏帆.浙江大学 2015
[3]基于多因子模型的量化选股[D]. 张利平.河北经贸大学 2014
[4]基于多因子量化模型的A股投资组合选股分析[D]. 江方敏.西南交通大学 2013
本文编号：3295457
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图３－７沪深３００指数净值变化??Ｆｉｇ．?３－７?Ｎｅｔ?ｖａｌｕｅ?ｏｆ?ｔｈｅ?ＣＳＩ?３００?ｉｎｄｅｘ??根据净值计算沪深３００指数的最大回撤，训练集期间指数的最大回撤为??－
?山东大学硕士学位论文???回撤时，说明该因子的风险控制能力较强。先对沪深３００指数在验证集期间的最??大回撤进行观察，计算其净值变化如图３－７。??３．００?１?—沪深３〇〇指数净值??２．５０?－??０．５０?－??０－００?＂?Ｉ?Ｉ?Ｉ?１?Ｉ?Ｉ?ｆｉｌｌ?ＩＩ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?Ｉ?１??—ｉＮｊｒｏｉｏｉｖｔｒｏ?Ｎ＾ｒ？ｊＮＪｈ〇ＮｊＮＪｒ＾ｉＮＪｒ〇Ｎｊｉｏｒ＞ｊＮＪＮｊｉｓｊＮｊｒ＞ＪＮｊｒｏ??〇〇〇〇〇〇?〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇〇??ＯＯＯＯＯ??ＣＨＣ＞＜Ｔｔ＇ｊｖｌ＇ｖｌ?＇ｊＪ００?００?００ｉｐｉｐｉ＾ＯＯ〇Ｈ＾Ｈ＊Ｈ＊ＮＪＮＪｆＯＵＪＵＪＵＪ??图３－７沪深３００指数净值变化??Ｆｉｇ．?３－７?Ｎｅｔ?ｖａｌｕｅ?ｏｆ?ｔｈｅ?ＣＳＩ?３００?ｉｎｄｅｘ??根据净值计算沪深３００指数的最大回撤，训练集期间指数的最大回撤为??６７．８３％，接下来计算１２个因子的最大回撤，结果见图３－８。??ｃｎｎｎ?■优势组最大回撤（％）?■相邻组最大回撤（％）?＃相邻两组最大回撤（％）??ｂｕ．ＵＬ）?－１??Ｌｊｉｉｉｉｉｌｌｌ??ｘｘｘｘｘｘｘｘｘｘｘｘ??ＵＪＵ？４＾ｈ－？Ｌ〇ｒ〇－Ｔ＾－＾ＵＩＬｎＮＪＵＩ??ＬＯｆＯＯＯ?ｌ－？?Ｏ?００?ｈ－？??图３－８?１２个因子最优三个组合的最大回撤??Ｆｉｇ．?３－８?Ｍａｘｉｍｕｍ?ｒｅｔｒａｃｅｍｅｎｔ?ｏｆ?ｔｈｒｅｅ?ｃｏｍｂｉｎａｔｉｏｎｓ?ｗｉｔｈ?１２?ｆａｃｔｏｒｓ?ｏｐｔｉｍｕｍ??３８??
?山东大学硕士学位论文???接下来观察各因子优势组的胜率情况，统计各因子优势组各期超额收益表现，??结果见图３－１１。??■综合评分因子Ｓ１?＊综合ｉ平分因子Ｓ２?□综合评分因子Ｓ３?Ｓ综合评分因子Ｓ４??３０．００?－??２０．００?－??ｌｏ．ｏｏ?－ｉ－ｔｈ?Ｉｐ?Ｌｖ?＾??ｏｏｏ?■丨丨Ｂ?１１?ＢＬｐ?ｍｌ＼?ｌｉＴ１?１＾－ｖ－?ｍｓ＼￣．?＾?ｍ＾ｒ：??－１０．００?－?Ｉ??－２０．００?－??？３０．００?？?｜??？４０．００?？?Ｉ??－５０．００?■??－６０．００?■??４＾４＾４＾ＬｎＬｎｉ／ｉＣＴ？ａ＞ｃｒ＞＾Ｊ＇ｓＪ＇ｓＪ０ＯＣ？０Ｏ＜＾ｔＤ＾??Ｉ?■?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?ｔ?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?■?Ｉ??ｌ－？ＭＯＪＨ－４Ｎ）ＵＪ｜－？ＮＪＵＩ｜－？ＮＪＵｉｈ－？ＮＪＵＪＭｒ〇Ｕ＞??图３－１１验证集期间各因子的超额收益表现??Ｆｉｇ．?３－１１?Ｔｈｅ?ｐｅｒｆｏｒｍａｎｃｅ?ｏｆ?ｅｘｃｅｓｓ?ｒｅｔｕｒｎｓ?ｏｆ?ｅａｃｈ?ｆａｃｔｏｒ?ｄｕｒｉｎｇ?ｖａｌｉｄａｔｉｏｎ?ｓｅｔ??统计验证集期间各综合评分因子的超额收益表现，发现因子ＳＩ、Ｓ２、Ｓ３、Ｓ４??优势组在此期间年化超额收益分别为１４．０８％、１．５０％、３．１１％、－３．７１％，Ｓ１表现最??好。４个综合评分因子跑赢市场的概率分别为７２．２２％、６１．１１％、６１．１１％、６６．６７％，??仍然可见因子Ｓ１的胜率最高且领先较多，验证集期间交易频次较少也是其他三个??因子的胜率相差无几的原因之一。??接下来使用夏普率及信息比率指标从风险
【参考文献】：
期刊论文
[1]Adaboost-SVM多因子选股模型[J]. 王伦. 经济研究导刊. 2019(10)
[2]多因子量化选股模型与择时策略[J]. 王春丽,刘光,王齐. 东北财经大学学报. 2018(05)
[3]基于沪深300成份股的多因子量化选股策略研究[J]. 苏靖宇,方宏彬. 福建商学院学报. 2018(01)
[4]基于多因子选股的半监督核聚类算法改进研究[J]. 李文星,李俊琪. 统计与信息论坛. 2018(03)
[5]因子分析法在上市公司投资价值分析的实用性探究——基于TMT板块[J]. 吴瑜琪. 全国流通经济. 2017(15)
[6]主成分分析和因子分析在中国股票评价体系中的应用[J]. 胡书文,徐建武. 重庆理工大学学报(自然科学). 2017(05)
[7]中国股市风险预警指标体系分析[J]. 魏伟,国世平. 深圳大学学报(人文社会科学版). 2017(02)
[8]基于多元回归分析的多因子选股模型[J]. 黄宏运,王梅,朱家明. 通化师范学院学报. 2016(08)
[9]浅析基于大数据的多因子量化选股策略[J]. 李姝锦,胡晓旭,王聪. 经济研究导刊. 2016(17)
[10]金砖国家股票市场成长性指标体系构建[J]. 于晓雯,张延良. 中国证券期货. 2013(01)
硕士论文
[1]多因子选股模型的构建与应用[D]. 朱世清.山东财经大学 2015
[2]运用量化投资策略实现超额收益Alpha的理论与实践[D]. 章宏帆.浙江大学 2015
[3]基于多因子模型的量化选股[D]. 张利平.河北经贸大学 2014
[4]基于多因子量化模型的A股投资组合选股分析[D]. 江方敏.西南交通大学 2013
本文编号：3295457
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/3295457.html
