基于组合权重优化的风格中性多因子选股策略-国泰君安-20150505
摘要
策略研究背景
2015年第二季度行业投资策略
阿尔法对冲策略收益率不大yu盘风格轮动收益率高度相关。
在2014年12月的市场行情中,普遍遭遇了较大回撤。策略研究目标:
通过风险模型定量的分解股票收益来源,进而实现组合波动率的预测。
构建股票组合,使组合尽量暴露在阿尔
由qxiao创建,最终由qxiao更新于
策略研究背景
2015年第二季度行业投资策略
阿尔法对冲策略收益率不大yu盘风格轮动收益率高度相关。
在2014年12月的市场行情中,普遍遭遇了较大回撤。策略研究目标:
通过风险模型定量的分解股票收益来源,进而实现组合波动率的预测。
构建股票组合,使组合尽量暴露在阿尔
由qxiao创建,最终由qxiao更新于
基于机构持股信息将上市公司分类。上市公司的股东结构与股价存在一定关联。本文通过上市公司、基金公司以及理财产品的定期报告所披露的信息可以将上市公司分为有/无机构持股两类。通过两类组合收益的对比,设计了一种基于机构持股信息的Portable Alpha策略增强方法。
A股市场机构持股范围
由qxiao创建,最终由qxiao更新于
利用算法进行股票量化交易是当今金融市场的一个重要趋势。在国际象棋和围棋等诸多复杂的游戏中,深度强化学习(DRL)智能体都取得了惊人的成绩。深度强化学习的理论同样适用于股票市场的量化决策。本文介绍了同济大学计算机科学与技术系的上海市大学生创新创业训练计划优秀项目:「基于深度强化学习的金融量化策略研究」
由small_q创建,最终由small_q更新于
深度学习量化交易策略是从海量历史数据中利用统计原理通过数据挖掘和逻辑验证的方式发掘出超额收益来源。相比于传统的线性模型,深度学习模型的表示能力更强,能够学习的特征更多。本文以卷积神经网络为例,介绍深度学习模型在量化择时模型中的应用。
由small_q创建,最终由small_q更新于
作者:Murphy N. J., Gebbie T. J.
出处:Quantitative Finance, 2021-03
本文使用了一种基于对抗型专家的在线学习算法
由qxiao创建,最终由qxiao更新于
概念动量的理论基础
传统的资产类别划分方法(如行业划分)具有清晰的定义,但是现在很多股票都会被划分到不同的概念板块中,而概念板块的划分则相对模糊。当投资者很难厘清概念板块的信息时,概念的扩散就相对缓慢,此时“概念动量”就形成了。
*概念动量策略实证结果
由crisvalentine创建,最终由crisvalentine更新于
根据信号传递理论,企业对研发支出资本化或费用化处理,实际上向市场传递了研发项目未来盈利能力的信号。资本化的研发支出应当可以带来未来经济利益,而费用化的研发支出则没有未来经济利益。
企业会计准则规定的资本化条件相对较为主观,使得上市公司在资本化和费用化上有很大的隐性选择空间,企业可能出
由small_q创建,最终由small_q更新于
为了解决传统宏观事件驱动类策略无法持续在样本外跟踪事件因子或者调整事件策略的弊端,本文构建动态事件驱动策略框架。将事件因子的评价环节包含在每期事件因子的选择当中,动态选择与资产走势更相关的事件因子,解决样本外因子的评价问题和动态因子优选的问题,使得
由small_q创建,最终由small_q更新于
报告摘要:条件随机场模型及股市择时思路自1988年,西蒙斯成立了大奖章基金并在多次股灾中取得稳定的收益后,纯技术量化型的投资策略开始受到投资者的广泛关注,而机器学习正是这种技术量化型策略的中坚力量。目前使用较为成熟的模型之一是隐马尔可夫模型HMM,其与条件随机场是一对“生成判别对”。相
由small_q创建,最终由small_q更新于
由copen创建,最终由copen更新于
机构调研事件。通过上市公司的投资者调研公告,可以获知机构投资者的调研信息。统计发现,A 股的机构调研事件以特定对象调研为主;参与调研的机构投资者集中在 5 家以内;多数调研公告会在调研事件发生后的一周内公告。 机构调研的股票特征。研究发现,机构投资者倾向于调研大市值,前期具有高涨幅、高
由small_q创建,最终由small_q更新于
高增速股票的成长困境
我们通常根据净利润同比增速来衡量股票的成长性,然而由于同比增速会面临微利股、除数效应、非经常性损益等多种因素导致其可能产生较大奇异值或失真,导致高增速股票中股票的未来收益并不正比于其业绩增速,单纯以单季度归母净利润同比增速来筛选成长股较为敏感
由crisvalentine创建,最终由crisvalentine更新于
2018年2月6日,受夜间美股大跌的影响,A股早盘低开后一路下挫。截止收盘,沪深300、中证500和创业板指分别下跌2.93%、4.90%和5.34%。面对这样突如其来的风险,除了提前预判、降低仓位之外,是否还有其他可供对冲的手段,以规避股票组合的大幅回撤。 为此,本文介绍了两类非常简
由small_q创建,最终由small_q更新于
作者:Adriano Koshiyama, et al.
出处:Quantitative Financ
由qxiao创建,最终由qxiao更新于
量化投资的本质是借用计算机将传统投资的逻辑定量化,并具有纪律性、程序化等优势。量化投资主要分为两个大方向,选股以及择时,分别决定了买卖的标的与时点,而量化选股则又包括了多因子选股、行业轮动、事件驱动等策略。量化策略的前提假设是历史会重复,而多因子选股则提
由small_q创建,最终由small_q更新于
因子和商业周期
投资管理领域发生了一场革命,学术界和从业者都认识到股票的某些特征与横截面上的回报有关,由此产生了Smart Beta策略的繁荣,Smart Beta代表了不同于CAPM中beta的系统性风险。了解这些风险因素与商业周期的关系可能会带来新的收益
由crisvalentine创建,最终由crisvalentine更新于
盈余后价格漂移效应(PEAD)是指股价在盈余公告发布后有较大概率向业绩高于或低于预期的方向漂移。传统SUE因子基于公告财务数据来衡量PEAD效应并预测股票的异常收益,而本文尝试从纯文本的角度出发构建文本SUE.tx
由small_q创建,最终由small_q更新于
传统因子表现不佳,因子择时大显身手在历史上表现良好的规模、反转和流动性因子在17年以来都出现了明显的回撤,导致主流多因子选股策略表现欠佳。在这样的大背景下,如何把握Alpha因子的风格轮动,选择最有效的风格因子,成为重要的研究课题。
基于机器学习的因子择时框架本报告选择常见的7个风
由small_q创建,最终由small_q更新于
前言
本篇报告为东吴金工“技术分析拥抱选股因子”系列研究第二篇,延续了“将技术分析的方法应用于构建选股因子”的研究理念,从经典的蜡烛图上下影线入手,逐步探索了上下影线中蕴藏的选股信号。
蜡烛上下影线选股因子
根据蜡烛图上、下影线的定义,构造选股因子。回测结果显示,
由qxiao创建,最终由qxiao更新于
基于技术分析的短线交易策略本质上分为趋势反转和趋势跟随两种。本报告尝试利用周期分析描述趋势状态、背驰分析描述力度强弱,对趋势反转策略进行构建。最终得到的策略2018年以来在中证800样本股中的胜率为69.82%,盈亏比为1.65
周期分析理论认为,绝大部分的价格序列波动都可以看成是多
由qxiao创建,最终由qxiao更新于
由qxiao创建,最终由qxiao更新于
20210322-长江证券-基础因子研究(十七):高频因子(十一),高频数据的微观划分.pdf
由kyrie_fu创建,最终由kyrie_fu更新于
大师策略靠谱吗? 众所周知,大师的思想在股市中一直受到众多投资者的追捧,而今天我们的主角罗伯瑞克就是华尔街著名的资本大佬。从事证券资管近50年。本篇研报主要介绍罗伯瑞克的超额现金流选股法则,其中指标来自于大佬接受采访时,给投资者的建议所提炼而成。
![{w:100}{w:1
由small_q创建,最终由small_q更新于
\
由small_q创建,最终由small_q更新于
本文来自方正证券研究所于2022年5月8日发布的报告《个股成交量的潮汐变化及“潮汐”因子构建——多因子选股系列研究之二》,欲了解具体内容,请阅读报告原文,分析师:曹春晓 S1220522030005。
在股票市场中,成交量的边际变化隐含着非常重要的信息。特别是在技术分析领域,成交量被
由small_q创建,最终由small_q更新于