基于单层滤网下的A股选股模型的改进

发布时间：2020-10-02 10:50

　　 我国资本市场开市以来,经历了上世纪90年代内幕交易横生、市场操纵频发、指数暴涨暴跌的市场初期阶段,进入21世纪以来,我国证券市场在国民经济中的地位快速提升,截止2017年10月31日,证券市场总市值占GDP的比重跃升至273.43%,2015年最高峰,曾经达到过471.88%的高位。虽然证券市场总市值近十年来直线提升,但是参与其中的普通投资人和部分机构投资人,不仅未能分享中国经济飞速发展的成果,反而出现大部分市场参与者亏损累累的局面。本文试图在单因子构成的单层滤网选股模型基础上,对其进行两次连续升级,以期建立一套能够在中国证券市场长期生存的具备强硬逻辑的投资系统,为投资人参与中国证券市场,提供一定的思路借鉴。本文试图将主观投资与量化投资进行有效融合,在因子范围和因子所属类别方面,充分发挥主观能动性,结合前人研究成果和作者在投资实务中积累的相关经验,将影响股价波动的核心因子分类首先界定为价值类和成长,在此基础上,每一类别分别指定了 3个核心选股因子。结合选股因子自身特征及中国证券市场的独有特点,于3个选股因子中,各剔除一个因子,最终价值类和成长各保留两个核心选股因子。对于保留的四个选股因子,按照因子所属类别,分别建立价值类和成长单层滤网选股模型,选定沪深300为业绩比较基准,依托2005年5月1日到2017年10月31日的全市场标的财务数据与行情数据,对由以上因子建立的选股模型效能进行逐个测试,确定单层滤网选股模型相对业绩比较基准的选股有效性。在对单层滤网选股模型有效性完成数据验证后,分别形成了价值类两组和成长两组,一共四组选股模型。在此基础上,我们尝试对单层滤网选股模型进行升级,组成先价值后成长和先成长后价值两类双层滤网选股模型。我们首先对各因子作为第一层因子的双层滤网选股模型效能与该因子作为核心选股因子的单层滤网选股模型的选股效能进行比对,以验证同一因子作为第一层滤网的双层滤网选股模型相对该因子作为核心选股因子的单层滤网选股模型的优越性。在数据的进一步分析中,我们横截面分别对比了价值优先的四组双层滤网选股模型的系统效能,并选出一组综合表现最优秀的选股模型,作为价值优先下的双层滤网选股模型的最优模型,并与价值因子构成的单层滤网选股模型中的最优模型进行比对,验证同一因子类别下,双层滤网选股模型相对于单层滤网选股模型的效能优越性。在对单层滤网和双层滤网所有模型进行数据分析的过程中,我们发现,系统效能评估体系中,净值高点回落指标区分度较低,原因就是我们建立的选股模型主要强调股票的选择,未考虑加入择时操作,但是在我国暴涨暴跌的资本市场,要想长期生存,尤其是长期管理投资人资金,对于净值回落要求极高。我们结合道氏理论以及葛兰均线法则,选择特定时间周期下的均线进行择时操作,并将经过择时操作后的系统效能与择时前的系统效能进行全方位比对分析,以证明择时因子的相对有效性。
【学位单位】：山东大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.51
【部分图文】：

本文研宄主题所涉及的标的范围为全市场Ａ股，研究期间为２００５年５月１逡逑日至２０１７年１０月３１日，在研宄期初，样本总数为１３８８家，研宄期末，样本总逡逑数为３４６２家（图３－１）。逡逑＊邋＊逡逑３２００－逦｜｜｜邋＊３２００逡逑Ｉ逡逑２８００－逦｜逦｜｜－２？Ｘ）逡逑－逦ｊｉｌ邋１１１邋ｒ逡逑２０００－逦Ｉ逦Ｉ｜ｈ２０００逡逑撕逦ｌｌ１Ｍ0逡逑：，ｉｉｉ｜邋１逦！邋Ｉ邋！ｉ：逦！：逡逑９４－１２逦９６－１２逦９８－１２逦００－１２逦０２－１２逦０４＾１２逦０６－１２逦０８＾１２逦１０－１２逦１２－１２逦１４－１２逦１６－１２逡逑栜来恶？邋Ｗｉｎｄ逡逑图３－１上市公司：境内上市数（Ａ、Ｂ股）逡逑３．１．２数据的说明逡逑本文研宄所涉及的样本数据分为行情数据和财务数据两类。行情数据及财务逡逑数据的获取全部直接来源于ＷＩＮＤ金融资讯终端。在样本数据的选取及处理方逡逑１５逡逑

我们首先测试了全周期内，两个价值因子驱动的单层滤网选股模型和业绩比逡逑较基准的绩效情况，从净值图直观观察，我们选定的两个价值因子的获利能力远逡逑超业绩比较基准（图３－２）。逡逑表３－１价值因子单层滤网选股模型全周期效能分析逡逑逦业绩评价指标逦ＰＢ逦ＰＥＧ邋ＨＳ３００逡逑累计收益率逦４６３９．１４％逦４８７３．４３％逦３４０．７０％逡逑平均超额收益逦０．０９％逦０．０９％逦０．００％逡逑累计相对基准指数超额收益率逦２７６．４９％逦２７３．２１％逦０．００％逡逑收益率中位数逦０．２６％逦０．３２％逦０．１０％逡逑跑赢基准指数的概率逦５６．６６％逦５７．３５％逦０．００％逡逑取得正收益的概率逦５８．１１％逦５８．８０％逦５４．１６％逡逑平均收益率逦０．１６％逦０．１６％逦０．０６％逡逑收益率标准差逦２．４０１７逦２．２９１１逦１．７９３４逡逑夏普比率逦０．０６５逦０．０６７７逦０．０３６２逡逑峰度逦４．７９２６逦４．３８２５逦３．５３７３逡逑偏度逦－０．５０４９逦－０．４１１８逦－０．４逡逑净值高点回落比逦７１．１３％逦７６．２８％逦７２．３０％逡逑最大净值逦５８．０８６７逦６５．９２１１逦６．２８８１逡逑最小净值逦０．７３４３逦０．８１７３逦０．８７５２逡逑注：表中数据是根据底层数据计算所得，底层数据来源于ＷＩＮＤ数据库逡逑２８逡逑

图３－４邋ＰＥＧ驱动的单层滤网选股模型相对基准指数累计超额收益率逡逑从表３－１来看，收益率评价方面，两个选股指标的累计收益率远超基准指数逡逑累计收益率，其中ＰＥＧ选股模型的表现略微领先ＰＢ选股模型。收益率中位数、逡逑取得正收益的概率，三者表现与累计收益率相同。平均收益率比较，ＰＢ与ＰＥＧ逡逑选股模型表现相同，同时远超沪深３００基准指数表现。我们最为重视的收益率评逡逑价指标相对基准指数的累计超额收益率，即系统相对基准指数获取阿尔法的能力，逡逑２９逡逑

【参考文献】

相关期刊论文 前2条

1 石予友;仲伟周;马骏;陈燕;;股票的权益比、账面市值比及其公司规模与股票投资风险——以上海证券市场的10只上市公司股票投资风险为例[J];金融研究;2008年06期

2 吴业春;王成;;中小企业成长性因素模型的实证研究[J];特区经济;2007年06期

本文编号：2832317