《因子选股系列研究之三》:投机、交易行为与股票收益(上)-东方证券-20151207 (副本)
研究结论
由于市场体制、投资者结构、投资者教育等多方面的原因A股市场投机性较强,既然不能改变A股投机的事实,我们不妨研究如何在投机市场中获利。
我们将个股被投机的过程划分为4个周期,投机程度增强的周期一般伴随着股价的上涨,过度投机后投机程度减弱的周期一般伴随着股价的回落,因此,买入
由tony创建,最终由tony更新于
由于市场体制、投资者结构、投资者教育等多方面的原因A股市场投机性较强,既然不能改变A股投机的事实,我们不妨研究如何在投机市场中获利。
我们将个股被投机的过程划分为4个周期,投机程度增强的周期一般伴随着股价的上涨,过度投机后投机程度减弱的周期一般伴随着股价的回落,因此,买入
由tony创建,最终由tony更新于
Alpha因子和因子组合FMP完全等价,在一个股票协方差下,两者可以相互转换,通过因子组合可以完全的表征alpha因子。理想情况下,均值方差优化框架下的组合权重完全正比例与因子组合的权
风险中性因子组合和风险中性因子的简单因子组合成比例,因子组合的收益受IC、因子组合标准差、股票
由bofeng111创建,最终由bofeng111更新于
日月相推,行情反复,股债轮动,攻守兼备。可转债股性和债性的特征使得其进可攻退可守,因此,在市场上涨时配置偏股型可转债,在市场 下跌时配置偏债型可转债,可以实现收益最大化和风险最小化。
根据可转债的股性和债性特征,可以将可转债分为偏股型、偏债型和平 衡型。中证转债指数与转股溢价率一般呈
由cmm0305创建,最终由cmm0305更新于
机器学习问题和其流程
机器学习问题本质上在于找出使得经验风险泛函(样本误差)最小的建模流程,基本的流程可以分为特征工程、模型训练和模型融合。本篇就上述三个过程,给出相关算法的介绍,并补充了之前系列报告中未详细介绍的内
机器学习三大步骤
特征工程包含特征构建、特征提
由qxiao创建,最终由qxiao更新于
深度学习介绍及应用案例
本篇报告将焦点放在深度学习上,介绍了深度学习的常用算法和在金融领域上可以运用的场景,并给出了两个具体的案例。
监督类方法介绍
监督的深度学习算法基于神经网络结构,这种系统一般由多个层堆叠组成特定神经网络,不同算法的差别来自层的组成结构及层与
由qxiao创建,最终由qxiao更新于
无监督学习方法简介
本篇报告将进行无监督学习方法的介绍。无监督学习方法包括分布估计、因子分析、主成分分析、聚类分析、关联规则和Google PageRank算法等,本文主要就常用方法分成两类:聚类和降维进行介绍
降维方法的应用
实践中,将降维思想运用得炉火纯青的是
由qxiao创建,最终由qxiao更新于
机器学习系列报告
本系列报告试图系统全面性的介绍各种不同的机器学习方法,并且结合具体的在投资研究领域应用实例、交易策略及code示例,说明其应用情景和实现方法。机器学习的方法可以分为以下几类:监督学习、无监督学习、深度学习及其他机器学习方法(例如强化学习),对应到具体的模型上
由qxiao创建,最终由qxiao更新于
我们在前期报告《多因子量化选股系列专题研究—关于多因子模型构建方法实用性的理论探讨》中,对多因子模型方法论方面进行了一些务虚性的讨论,其中最主要的观点是认为,分组法是当前A股市场中最为实用的多因子模型构建方法。**本文
由vampire7777创建,最终由vampire7777更新于
此前,我们陆续发布了7篇单因子有效性考察报告,共对8大类78个因子的各个指标进行了有效性考察,本报告对前面分析过的各类指标进行汇总,便于各位投资者对各大因子的各指标进行比较。这些指标包括分层组合收益、独立性检验统计量、因子单期收益和累积收益、t统计量、波动量
由vampire7777创建,最终由vampire7777更新于
目的多因子模型体系包括alpha模型、风险模型、成本控制模型、组合优化模型 。 组合优化模型是最终将前三个模型整合为一体,得到最优结果。本期报告的主要目的是对组合优化模型进行详细的探讨,对不同的限制条件影响组合表现的规律性进行一定程度的揭示。
lamda系数lamda系数对组
由qxiao创建,最终由qxiao更新于
由crisvalentine创建,最终由crisvalentine更新于
\
由small_q创建,最终由small_q更新于
本文对单因子测试下的多个指标进行了主观权衡与分析,先初步筛选出16个比较有影响力的因子。然后以最大化模型整体解释力为原则,进一步精选因子,在已有的数据和全A股的样本空间下,暂定选定4个因子进入模型。通过逐层增量信息解释方式,统计了各因子的增量信息对于超额收益的解释能力。最后提了三种适
由vampire7777创建,最终由vampire7777更新于
由qxiao创建,最终由qxiao更新于
量价组合构建高频因子往往可以带来信息增量
量价组合构建因子构建过程相对复杂,和传统量价风格因子和高阶矩因子均有一定相关性,但相关性不高,往往可以带来新的信息增量。本文给出两种量价组合构建因子的案例,其中以价格轨迹变动改进的非流动性因子在剥离了规模因子的线性影响后,全A股范围内
由weiyuanxu1101创建,最终由weiyuanxu1101更新于
据悉,截至8月29日,百亿级私募数量为109家。对比去年底的百亿级私募名单可以发现,嘉恳资产、赫富投资、申毅投资、呈瑞投资、宁波宁聚、煜德投资、思道科投资、和谐浩数投资、泛海投资和星阔投资等13家私募退出了百亿俱乐部。值得注意的是,这里面多家机构曾凭借亮眼业绩实现规
由think创建,最终由think更新于
发布时间:2019年6月10日
研究团队:华泰金融工程
研究员:林晓明S0570516010001、陈烨S0570518080004
本文通过原理分析和系统测试,介绍了遗传规划在选股因子挖掘中的应用 ====遗传规划是一种启发式的公式演化技术,通过模拟自然界中遗传进化的过程来
由sztuwhr创建,最终由sztuwhr更新于
由frankygtd创建,最终由frankygtd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、高换手
由small_q创建,最终由small_q更新于
本文从分析师覆盖度以及基本面相关性的角度对行业龙头股进行定义,发现龙头股和无分析师覆盖的股票之间存在信息传导现象。龙头股预期基本面的改变会对无覆盖股票的二级市场价格产生影响,市场存在显著的龙头股效应。基于此,我们构造了调整后的预期EPS变动因子,发现该因子对股票收益具有稳健的预测能力,
由small_q创建,最终由small_q更新于
自2018年以来,大小盘风格的波动极为剧烈。因此,预判大小盘风格对于获取稳健的投资业绩显得尤为重要。前期研究成果表明,利率水平的变化与市场波动率是两类较为有效的大小盘风格先行指标。因此,本文基于上述两类指标构建了量化模型,预测未来1个月大盘强于小盘的概率,从而辅助大小盘风格轮动。
由small_q创建,最终由small_q更新于
沪深300调样过程中剔除股的均值回归现象分别统计历次剔除及纳入沪深300指数的个股在调样前260个交易日以及调样后500个交易日内的累积超额收益(基准:剔除银行股的沪深300等权指数),剔除成分股收益存在明显的均值回归现象,且超额收益持续稳定。
剔除成分股反转组的优化方法1、综合前后
由small_q创建,最终由small_q更新于
日历效应简述及成因假说在不同的时间,收益、风险等指标往往存在系统性的差异,这就是所谓的日历效应。日历效应种类繁多并在多国市场中存在。Ariel(1987)发现上半月的收益通常为正,且上半个月收益好于下半月,这一效应被称为“月初效应”。
“上半月做多下半月做空”的简单实验“月初效应”与
由small_q创建,最终由small_q更新于
指数调样短期效应成因假说及检测沪深300指数调仓日前后收益率序列的Wilcoxon检测结果表明,调入个股短期股价上涨及调出个股价格下跌的短期调样效应主要集中在调仓日前N天的时间窗口。
指数调整成分股的长期表现测试结果表明,1)沪深300指数上市之初的成分股组合持有至今,回报率高于沪深
由small_q创建,最终由small_q更新于
Fama和French标准的价值(B/P)度量方法是一个合理的、保守的选择,对这个领域起到了很好的作用。但这不是最好的选择。本文对B/P计算指标的时效性进行了研究,会对组合投资策略的有效性产生很大的影响,时效性越强的B/P在使用价值和动量对策略做风险调整和
由small_q创建,最终由small_q更新于