基于拟合优度和波动率调整的因子溢价估计-海通证券-20170828
由qxiao创建，最终由qxiao 被浏览 78 用户
摘要
本文主要探讨了采用固定时间窗口、等权预测因子溢价方法的局限性和适用性，并详细分析了基于数据时效性和参数波动性改进因子溢价预测的方法
估计时间窗口的选取会影响收益率预测模型的表现。为提高收益率预测模型的预测精度，需有效选取时间窗口长度。时间窗口过长，因子溢价难以适应变动的市场环境；但时间窗口过短，干扰信息过多，也难以达到有效的估计目的。
指数加权移动平均法灵活性高。指数加权移动平均法可通过调整衰减速度，将距离当前时间点较远的数据点权重配臵为0；因此在因子溢价估计过程中，时间窗口的选择问题，在一定程度上可转换为确定衰减速度的问题。此外，该方法将较大的权重放在较近的数据上，更能适应变动的市场环境。
基于拟合优度确定衰减速度的方法，可提高预测模型稳定性。拟合优度越低，反映当前时点异质程度越高，投资者对当前时点数据投入的关注度理应更多。因此拟合优度越低，指数加权移动平均法的参数衰减速度应设臵得越快。基于拟合优度确定衰减系数的方法，在没有明显降低模型平均预测能力的基础上，大幅降低了模型的波动性，从而可提高收益率预测模型的收益风险表现
基于波动率调整的因子溢价值，可降低预测模型波动性。因子溢价估计的标准差越大，表明因子风险越高。即使其存在较高的风险溢价，但也有可能是由少数几个极端值引起的，因此可靠性并不高。在这种情况下，更为合理的因子溢价预测方法应该是经波动率调整后的因子溢价值。基于波动率调整的因子溢价能进一步降低模型的波动性，提升收益率预测模型的收益风险表现。
等权加权法与改进模型的对比。等权移动平均法的收益高，但风险也大，在较短时间内能将前期累计的收益全部损失掉，该方法更适合因子溢价在短期内得以修复的市场。而基于拟合优度确定衰减系数并根据波动率调整溢价的改进模型，更能适应反向变动的市场环境，在均值回复的时间段会损失小幅收益，但在风格切换的时间段则具备较强的风险抵御能力。需要注意的是，在因子失效后出现报复性反弹时，改进模型可能会大幅跑输等权加权法。整体而言，改进模型是以损失高收益阶段的部分收益，换取在因子失效即模型回撤阶段的正向收益，呈现风险平滑的作用．
正文
/wiki/static/upload/5c/5c4df3a1-2ea6-4fee-bdcc-1e3230e8938d.pdf
\