从Spearman 相关系数出发研究因子有效性—Kalman Filter 模型在因子选择中的应用
创建于 更新于
摘要
本报告基于沪深300成分股，采用截面Spearman相关系数作为因子与股票收益相关性的统计量，研究因子Spearman相关系数时间序列特性及有效性。针对数据噪声大、市场风格变化快的矛盾，报告提出以马尔科夫链Kalman Filter模型对因子Spearman相关系数序列建模，提升因子有效性跟踪与预测能力。实证结果表明该模型优于传统24个月移动平均（p值选取法），并在以沪深300为基准构建的股票组合回测中表现出较好净值增长和风险控制效果，为因子选股提供了更为动态和稳健的方法论 [page::0][page::4][page::7][page::9][page::10]
