GX券商量化选股模型开发研究

发布时间：2020-05-11 18:20

【摘要】：量化投资,是作为最近几年我国资本市场的一块热门领域,目前许多金融机构都针对其设立量化研究部、金融工程部、程序化交易等相关部门,募集大量熟悉计算机编程、金融专业的复合型人才从事A股市场的量化产品开发工作。广大普通投资者通过订制这些产品也可以间接地参与到量化投资的领域当中。量化投资诠释了一种崭新的投资方式,丰富了众多投资者的选择,在前面几年时间发展以后,整体的规模有了较大的提升。其中多因子模型是用于选股的一种使用较多的模型之一,从根本上来说,主要是充分依据各种类型的因子开展选股,不同的因子分别是由各个角度开展股票的选取。多因子模型存在了明显的稳定性,由于结合特定的市场环境,不同的因子产生的效果存在着一定差异。所以,结合量化投资业内情况,投资人以及相关的研究人员也进行了大量的模型研究。其中不同类型的多因子模型关键的差别主要体现在因子的确定以及在此基础上结合不同因子获得最后的结论。多因子模型就是充分考虑不同因子的情况实现对股票的打分,结合依据给出的权重信息开展加权获得最终得分,然后结合总分开展股票的选取。在开展多因子选股模型的构建阶段包括了候选因子的确定、因子有效性的检验、去掉冗余因子、综合模型的构建、模型评价以及改进这五个过程。本文结合作者自身在GX证券实习工作经验,在多因子选股模型的开发阶段有一定的参与,因此,本文在不涉及保密信息的前提条件下,根据GX券商量化投资模型的开发运用的实际情况,借鉴了因子的筛选以及应用过程,通过在JoinQuant平台做独立开发并对其运行的实际结果做总结。本文从财务指标及行情指标中选取变量,充分依托WIND数据库开展高管薪酬因子、股本结构因子、资本结构因子、盈利能力因子、成长能力因子、技术指标因子等候选因子的确定,采取这种方式能够充分的对股价造成影响的因子进行充分的考虑,采取这种方式对于选股效率的提升有很大的帮助。获得更高更稳健的收益。应用Python编程语言在样本回测期内对模型进行检验,在交易实盘上看,个别公司股票停牌以及出现黑天鹅事件等特殊情况的出现导致交易出现流动性差的问题。虽然在模型完善的角度上依然存在不足,但多因子量化选股模型对投资者的投资行为可以提供有效的参考作用,具有一定的适用性。
【图文】：

框图,因子,有效性检验,期数

开展有效性检验。需要指出的是，这一点与数据挖掘有很大的相似性。然而在进行候选因子确定的过程中，，需要对候选因子本身具备的功能和意义有深入的了解。2.2 模型的构建框架本文所涉及的模型构建框架大致为：（1）充分考虑高管薪酬、股本结构、成长能力、技术指标、盈利能力以及资本结构这几个不同的部分，开展二十四个候选因子的确定。（2）充分采用回测期数据的方法针对上述的二十四个因子开展有效性检验，然后将其中冗余因子去掉，结合收益率的情况进行因子的选取。（3）充分采用测试期数据开展投资组合的确定。（4）在完成投资组合的构建以后，需要针对其绩效开展检验，其中关键的指标就有组合收益率分析、组合选股胜率。下图给出了其对应的框图。

曲线,相对收益,情况,组合模型

西南科技大学硕士研究生学位论文第27 页行业，一般是要分析股票的行业分布情况。4.3 模型的应用结果评价在开展业绩评价的过程中，关键需要针对相对时期中不同股票组合的收益率、风险指标、选股成功率等各个指标进行充分考虑。因为在 4.2 中本文充分利用了数量组合模型开展了选股的研究，然而这能够充分体现传统的百分比模型所暴露出的很多不足，从而选用数量组合模型作为实际应用。也就是基于此这里开展分析，主要是针对前文的数量组合模型开展对应的业绩评价。（1）组合收益评价利用Python开发平台我们可以抽选出表现良好的组合1并绘制出组合1以及上证综指在 2010 年至 2016 年的累计净值曲线，如图 4-1 所示；
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.51

【参考文献】