基于日内高频数据的短周期选股因子研究-广发证券-20190506
由qxiao创建，最终由qxiao 被浏览 231 用户
摘要
传统多因子选股
在国内A股市场，传统的多因子量化选股模型得到了广泛的应用，在实际表现中，传统的多因子模型在过去几年中也表现出较为稳定的超额收益率。但随着传统多因子模型应用越来越广泛，历史长期有效的因子逐渐失效，对新因子的挖掘提出了迫切的需求。
新因子挖掘
传统的因子指标挖掘主要集中于财务报表、个股中低频率的价量等相关的数据维度，而这部分数据维度的增量价值的挖掘已逐渐饱和，需从其他新的数据维度中挖掘新的因子指标，本篇报告从个股日内高频数据出发尝试挖掘出新的因子指标。
基于高频数据因子的策略构建
基于个股日内高频数据，构建了已实现波动（Realized Volatility）𝑅𝑉𝑜𝑙，已实现偏度（Realized Skewness）𝑅𝑆𝑘𝑒𝑤、已实现峰度（Realized Kurtosis）𝑅𝐾𝑢𝑟𝑡因子指标，考察这三个因子在回测区间内对个股收益率的区别度。
策略实证结果分析
在实证区间内，报告对𝑅𝑉𝑜𝑙，𝑅𝑆𝑘𝑒𝑤、𝑅𝐾𝑢𝑟𝑡三个因子指标进行了详细测算。实证结果表明，𝑅𝑉𝑜𝑙、𝑅𝐾𝑢𝑟𝑡因子指标对个股收益率区分度不明显，而𝑅𝑆𝑘𝑒𝑤在全市场以及中证500中对个股收益率区分度明显。因子指标RSkew在全市场中选股，从2007年至今，IC均值为-0.028，负IC占比为68.7%，多头组合在回测期内表现优异，年化收益率为26.7%，多头组合对冲中证800指数后年化收益率为17.7%，最大回撤为23.6%，信息比率为1.291。因子指标𝑅𝑆𝑘𝑒𝑤在中证500指数成分股中选股，从2007年至今，IC均值为-0.04，负IC占比为64.6%，多头组合取得了23.10%的年化收益率，多头组合对冲中证500指数后年化收益率为11.20%，最大回撤为5.70%，信息比率为2.076。
正文
/wiki/static/upload/61/6146e3fa-5d11-4b20-9f99-09d60a6c4e1b.pdf
\