因子加权、正交和择时的若干性质-海通证券-20171009
由qxiao创建，最终由qxiao 被浏览 67 用户
研报摘要
近年来，对量化多因子模型的研究主要集中在因子加权、正交和择时这三个方面。流行的方法大体有以下两种，一是以因子为核心建模，二是基于收益率和因子之间的Fama-MacBeth回归。本文首先证明了，在一定的条件下，两者之间的等价性。随后，在这个基础上，得到了有关因子正交和择时的重要性质
最大化复合因子IC加权法等价于Fama-MacBeth回归
若收益率和因子都为原始值的z-score，则最大化复合因子IC加权法等价于Fama-MacBeth回归。在z-score的假设下，最大化复合因子IC加权法完全可以用更加简洁，且更便于程序编写和运算的回归模型代替
在原始的Fama-MacBeth回归模型中加入和已有因子正交的新因子，不会改变原始模型得到的因子溢价
在原始的Fama-MacBeth回归模型中加入和已有因子正交的新因子，不会改变原始模型得到的因子溢价。这条性质为新因子的有效性检验提供了极大的便利，正交化后，新因子的溢价及稳定性可直接与原始因子进行对比
在Fama-MacBeth回归中，不论新加入的因子是否与原有因子正交，其因子溢价的估计不会改变
在Fama-MacBeth回归中，不论新加入的因子是否与原有因子正交，其因子溢价的估计不会改变。这条性质表明，倘若想在已有模型中加入一个新因子，不妨将它对原模型中的所有因子进行回归，得到正交因子后再行加入。这样做既避免了可能存在的多重共线性的影响，也没有损失与新因子选股能力有关的信息，因为正交不改变其因子溢价的估计
Qian等人（2012）的因子择时模型，本质上就是拿因子溢价对条件变量集合建立回归模型后，计算被解释变量的最小二乘估计
Qian等人（2012）的因子择时模型，本质上就是拿因子溢价对条件变量集合建立回归模型后，计算被解释变量的最小二乘估计。这一结论不仅使得模型更加直观且易于理解，而且也能极大地简化程序的编写步骤、提高运算效率。另外，在使用这个模型的过程中，一定要注意控制条件变量的个数，防止出现过拟合的问题
正文
/wiki/static/upload/26/262eb2b6-95d8-4444-a89c-b0fdf36f364c.pdf
\