多因子量化选股模型建立及优化

发布时间：2020-08-07 15:59

【摘要】：股市在不断的变化,所以从目前来看,不断探讨哪些指标在量化选股中更为有效,是具有现实意义的。这也是本文研究工作开始的初衷。在整个研究过程中,保持数据的严谨性、中立性、数据处理方法的科学性对于研究结论的准确性来说至关重要。本文首先构建了一个比较全面的候选因子库,通过对候选因子数据进行异常值、缺失值、标准化、市值中性化、行业中性化等一系列的处理之后,本文对候选因子进行有效性检验及再筛选,最终认为RP_TTM(净利润TTM/总市值)、BP_LF(净资产TTM/总市值)、operete_profin gr_TM(营业利润增长率TTM)、sales_gr_TTM(营业收入增长率)、BOOK_LEVEL(账面杠杆)、stock_to market_volatility(个股与市场波动率比值)、REV_LAST1M_MAX(近一个月日收益率最大值)、RSI(相对强弱)等八个因子是较为有效的因子。在得出有效因子之后,本文利用打分法来构建八因子选股模型,回测区间选定为2016年1月至2019年4月。通过对模型的回测,我们发现本文构建的八因子模型相比于沪深300,有着较为稳定的超额收益。在整个回测时间段内,八因子模型的总收益为41.02%,年化收益为11.07%。相比于基准的收益情况,八因子模型相对总收益为32.28%,年化平均超额收益为8.92%。为了深入研究,我们对原有模型进行优化,优化方案为“在利用八因子模型进行正式选股之前,首先以增长率-经营活动产生的现金流量净额(TTM)指标对股票池进行初步筛选”。通过对优化八因子模型进行回测,我们发现加入增长率-经营活动产生的现金流量净额(TTM)指标优化后的八因子模型回测表现更好。优化八因子模型相比于沪深300,有着较为稳定的超额收益。在整个回测时间段内,优化八因子模型的总收益为47.89%,年化收益为12.70%。相比于基准的收益情况,优化八因子模型相对总收益为39.15%,年化平均超额收益为10.62%。本文最后的工作是对本文建立的八因子模型、优化八因子模型与经典的Fama-French三因子进行对比分析。经过回测我们发现:本文建立的优化八因子相比于经典的三因子模型,在回测区间的表现更好。优化模型的回测总收益、回测年化收益、相对总收益、年化平均超额收益、Alpha、年化夏普比率和索提诺比率等指标均优于三因子模型对应指标,说明在回测区间内依据优化八因子模型建立的投资策略具有更强的获利能力。同时,优化八因子模型拥有更加小的年化波动率、最大回撤绝对值及下行风险,说明在回测区间内依据优化八因子模型建立的投资策略相比于三因子模型更加稳定。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51
【图文】：

１．３主要的研究方法逡逑本论文采用理论知识与实证分析相结合的方法，综合运用了证券投资、财务逡逑分析、计算机以及实证检验等方面的知识，进行多因子模型的建立及优化。逡逑本论文主要运用到的软件是万得与Ｐｙｔｈｏｎ。逡逑在本论文的写作过程中一直坚持逻辑性及“最优过程”，及在论文完成的各环逡逑节，会尽量去对各种方法做比较，比如在进行样本异常值处理时，通过比较分别逡逑被均值标准差法、ＭＡＤ绝对中位数法和ｂｏｘｐｌｏｔ箱线图法这三种异常值处理后的逡逑数据的分布情况，发现绝对中位数法在处理异常值时效果最优，并有选择性地将逡逑经过绝对中位数法处理得到的数据运用到下一步的工作之中。逡逑本论文在得出各种结论之时，希望得出的结果是最贴合中国股市的而不只是逡逑停留于理论。所以在本文中，回测用到的价格都是股票真实价格，并按照实际情逡逑况去设定模型中的一些参数。逡逑

逦多因子模型优化及回测逡逑＇逦与经典因子模型的比较逡逑图１－１多因子模型构建流程图逡逑１．３主要的研究方法逡逑本论文采用理论知识与实证分析相结合的方法，综合运用了证券投资、财务逡逑分析、计算机以及实证检验等方面的知识，进行多因子模型的建立及优化。逡逑本论文主要运用到的软件是万得与Ｐｙｔｈｏｎ。逡逑在本论文的写作过程中一直坚持逻辑性及“最优过程”，及在论文完成的各环逡逑节，会尽量去对各种方法做比较，比如在进行样本异常值处理时，通过比较分别逡逑被均值标准差法、ＭＡＤ绝对中位数法和ｂｏｘｐｌｏｔ箱线图法这三种异常值处理后的逡逑数据的分布情况，发现绝对中位数法在处理异常值时效果最优，并有选择性地将逡逑经过绝对中位数法处理得到的数据运用到下一步的工作之中。逡逑本论文在得出各种结论之时，希望得出的结果是最贴合中国股市的而不只是逡逑停留于理论。所以在本文中，回测用到的价格都是股票真实价格，并按照实际情逡逑况去设定模型中的一些参数。逡逑通过阅读文献

山东大学硕士学位论文逡逑见的异常值处理方法有删除或者将异常值调整至上下限。异常值的有均值标准差法、ＭＡＤ绝对中位数法和ｂｏｘｐｌｏｔ箱线图法，后两者异常值的影响较小，其处理效果更稳健。下面我们分别运用这三种数据进行异常值的处理。逡逑（ａ）均值标准差法逡逑据３0准则，认为在均值正负三倍标准差之外的值为异常值。但值厚尾现象存在于很多因子数据的分布中，并不满足正态分布假设。逡逑＇逡逑

【相似文献】

相关期刊论文 前10条

1 王正炜;;构建网络热度因子模型分析股价运动规律[J];中国市场;2018年27期

2 韩猛;缪言;白仲林;;动态因子模型的结构识别研究[J];系统工程理论与实践;2016年07期

3 徐霜雪;俞宗火;李月梅;;预测视角下双因子模型与高阶模型的模拟比较[J];心理学报;2017年08期

4 元万达;;股权分置改革与资本市场效率的思考——基于三因子模型的实证检验[J];纳税;2017年16期

5 曹立言;;玛法五因子模型与三因子模型的中国市场有效性对比[J];现代经济信息;2017年18期

6 高华川;赵娜;;基于多层因子模型的我国核心通货膨胀估计[J];统计研究;2016年04期

7 程海星;朱满洲;;大数据背景下的动态因子模型预测机理与效果研究[J];投资研究;2015年03期

8 裴茜;朱书尚;;中国股票市场的行业特质性金融传染特征:基于网络模型的实证研究[J];金融学季刊;2017年02期

9 韩冰;;中国股市的三因子模型实证分析[J];现代商业;2014年21期

10 顾红磊;温忠麟;方杰;;双因子模型:多维构念测量的新视角[J];心理科学;2014年04期

相关会议论文 前10条

1 徐霜雪;俞宗火;董圣鸿;;预测视角下的双因子模型与高阶因子模型的模拟比较研究[A];第十九届全国心理学学术会议摘要集[C];2016年

2 顾红磊;温忠麟;;双因子模型:多维构念测量的新视角[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

3 顾红磊;温忠麟;;项目表述效应的检验与控制——基于双因子模型的视角[A];第十七届全国心理学学术会议论文摘要集[C];2014年

4 汤丹丹;温忠麟;;两类双因子模型和高阶因子模型的模拟比较:模型拟合与结构系数[A];第二十一届全国心理学学术会议摘要集[C];2018年

5 张国富;杜子平;;人力资本约束下地区全要素生产率趋同研究——基于非线性时变单因子模型的实证分析[A];第八届（2013）中国管理学年会——城市与区域管理分会场论文集[C];2013年

6 杜江红;尚雪松;孟慧;聂光辉;李永鑫;;成人依恋风格是维度的、类型的还是维度和类型的混合?[A];第十九届全国心理学学术会议摘要集[C];2016年

7 顾红磊;温忠麟;;多维测验分数的报告与解释:基于双因子模型的视角[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年

8 吕惠聪;林燕滢;陈启山;;成人依恋与恋爱满意度的关系:双因子模型[A];第十七届全国心理学学术会议论文摘要集[C];2014年

9 高华川;赵娜;;基于多层因子模型的我国核心通货膨胀估计[A];21世纪数量经济学（第16卷）[C];2015年

10 白强;白仲林;;动态因子模型的广义矩估计(GMM)及其统计性质研究[A];21世纪数量经济学（第16卷）[C];2015年

相关重要报纸文章 前10条

1 记者 整理 陈健;Q因子模型可用于量化投资管理[N];上海金融报;2016年

2 大摩多因子基金基金经理 刘钊;多策略的时代[N];中国证券报;2014年

3 本报记者 张焕昀;指基“增强”效果凸显[N];中国证券报;2018年

4 本报记者 李良;博道基金杨梦：量化“增强”让指基收益超越指数[N];中国证券报;2019年

5 国泰君安期货研究所 吴泱;多因子模型在套期保值中的应用[N];期货日报;2009年

6 大摩多因子策略基金 张靖;发掘细微投资机会[N];经济日报;2013年

7 本报记者 陈晓刚;美联储密制“因子模型”挑战人脑决断[N];中国证券报;2006年

8 本报记者 姜沁诗;成长风格量化基金频成立 基本面投资成主流[N];中国证券报;2018年

9 大摩华鑫基金公司;掘金价值投资[N];中国证券报;2015年

10 本报记者 常仙鹤;量化基金的美好时光[N];中国证券报;2014年

相关博士学位论文 前10条

1 白强;因子模型的广义矩估计方法及其应用研究[D];天津财经大学;2016年

2 邱琳;信息推荐中评分预测问题研究[D];北京邮电大学;2018年

3 朱满洲;动态因子模型的理论和应用研究[D];华中科技大学;2013年

4 崔国伟;高维因子模型相关理论与应用研究[D];华中科技大学;2015年

5 王少新;不定最小二乘问题和近似因子模型的相关研究[D];重庆大学;2016年

6 尹昱乔;中国A股市场资产定价模型实证研究[D];东北财经大学;2016年

7 范会勇;大学生情绪智力的测量学研究[D];西南大学;2010年

8 奚胜田;风险预算在证券公司资本充足性管理中的应用[D];天津大学;2007年

9 马庆魁;我国货币市场利率期限结构及其与宏观经济关联性研究[D];吉林大学;2009年

10 高春亭;五因子资产定价模型及其在我国证券市场的应用研究[D];重庆大学;2016年

相关硕士学位论文 前10条

1 赖新蓁;单维模型和双因子模型的选择研究[D];华东师范大学;2019年

2 刘德文;多因子Alpha策略在A股市场的实证研究[D];山东大学;2019年

3 李倩倩;多因子量化选股模型建立及优化[D];山东大学;2019年

4 徐晓波;基于贝叶斯方法的股票定价模型的比较分析[D];山东大学;2019年

5 赵凌霄;基于平行因子模型的大规模MIMO系统信道估计与信号检测算法研究[D];郑州大学;2019年

6 张力戈;我国开放式基金市场波动率异象研究[D];南京大学;2019年

7 张泓;近似因子模型因子个数选择方法的比较研究[D];上海师范大学;2019年

8 赵雄飞;基于LSTM的股票预期收益研究[D];北方工业大学;2019年

9 王健星;基于行业轮动策略的多因子模型选股方案策划[D];上海师范大学;2019年

10 刑金宝;高维近因子模型的因子经验过程[D];苏州大学;2018年

本文编号：2784202