短周期因子的挖掘与组合构建-光大证券-20190804
由qxiao创建，最终由qxiao 被浏览 82 用户
摘要
不同因子类型的逻辑与特性有很大差异，适合的调仓周期也未必一致。本文运用数据挖掘的方式从量价类数据中挖掘短周期因子，并测试不同交易成本与调仓周期对短周期因子收益能力的影响。最终构建短周期因子选股组合。
多维数据特征下，利用遗传规划原理批量生成因子。底层数据上除了基本的量价数据特征以外，运用高频数据构造了买卖交易标值、买卖成交量比值等更多数据特征。并利用遗传规划原理挖掘有效日频量价技术因子。
通过相关性检验筛选因子池并进行单因子测试。通过相关性测试剔除相关性过高的因子，将最终通过相关性测试的17个因子定为短周期因子池，简称短周期Alpha17。短周期Alpha17因子池内因子平均日度IC绝对值均值为6.0%，平均日度IR为0.8，平均多空夏普8.22。
交易成本与调仓周期对组合效果影响大。短周期Alpha17因子池中因子信息衰减速度较快。绝大部分因子的半衰期集中在第5天左右。我们测试交易成本与调仓周期对组合的影响，在构建每个调仓频率组合时，因子池会剔除掉在此调仓频率下信息衰减到一定程度以下的因子。基于测试结果，如果交易成本可以控制在双边0.2%以下，每日调仓效果最好；如果交易成本在双边0.2%到0.3%，调仓频率为每2日调仓效果较优；若交易成本在双边0.4%及以上时，短周期组合效果不理想，更推荐低频调仓组合。
短周期Alpha17量价组合表现优秀。基于短周期Alpha17因子池构建短周期Alpha17量价复合因子，并以此构建短周期Alpha17量价组合。在双边千三交易成本、2日调仓周期下，2010年至2019年中样本期间，组合年化收益31.1%，年化波动率30.8%，夏普比率1.04，最大回撤45.1%。相对中证500指数年化超额收益30.8%，相对波动率9.1%，信息比率3.01，相对最大回撤18.7%。该组合换手率较高，双边换手率平均每年182倍。受益于更多短周期因子信息与更短调仓周期的优势，组合表现相比月频量价组合更为突出，从2015年开始在收益及回撤上显著优于月频量价组合。
风险提示：测试结果均基于模型和历史数据，模型存在数据挖掘及失效的风险。
正文
/wiki/static/upload/a1/a15848c9-5dc9-4820-8879-9508c36a4181.pdf
\