基于不同域研究的多因子选股体系 国泰君安_20180313
由small_q创建，最终由small_q 被浏览 21 用户
摘要
本篇报告通过引入分域研究的理念，对传统多因子模型研究体系进行了当时拓展，并构建了相应的研究分析框架与投资策略。
分域研究解决的是传统线性预测模型对市场非线性特征刻画的不足，也是量化与基本面结合的有效途径，通过对各行业、板块投资逻辑的量化建模，可以使得模型更贴近市场本质投资逻辑，更加精确的发掘有效投资机会。我们通过采用全域风险调整后子域相关系数统计的检验方式，并以12大类189个小类因子为基础因子库，通过对宽基域、板块域、行业域的比较分析，找到了各个股票域内的核心驱动因素，也对各个行业、板块之间的区别进行了有效梳理。
在分域阿尔法模型的基础上，我们分别构建了沪深300成分股增强、中证500成分股增强、各行业指数成分增强策略，实证分析结果表明，域内有效阿尔法因子的应用可以获取较为稳健的超额收益。
通过分行业域模型预测整合得到全截面预测收益的方法，我们构建了全市场选股增强模型，实证分析结果表明，自年1月至2018年1月，沪深300全市场增强策略年化超额收益15%，信息比率3.1；中证500全市场增强策略年化超额收益24.5%，信息比率3.5，组合表现均较为稳健。
本篇报告的研究表明，即便在市场风格剧烈波动的环境下，在分域预测和风险中性控制的基础上，多因子模型仍能表现出稳健战胜市场基准指数的良好特性，是投资者值得信赖的投资方式。
正文
/wiki/static/upload/6a/6abaad05-7478-4307-be66-fbc53884a0a4.pdf
\