因子筛选与投资组合构建 招商证券_20181023_
由vampire7777创建，最终由vampire7777 被浏览 87 用户
报告摘要
本文对单因子测试下的多个指标进行了主观权衡与分析，先初步筛选出16个比较有影响力的因子。然后以最大化模型整体解释力为原则，进一步精选因子，在已有的数据和全A股的样本空间下，暂定选定4个因子进入模型。通过逐层增量信息解释方式，统计了各因子的增量信息对于超额收益的解释能力。最后提了三种适合本框架的投资组合构建方法，并且着重介绍了其中的纯因子法和二次规划方法，并以中证500成分股作为股票池进行算例演示。
在实际数据的测算中发现波动量能、最高累计收益和最高趋势收益、夏普值等各项收益指标关系密切，相互影响，这些指标有“此消彼长”的关系。
因子不同特性之间要做出权衡与妥协，本文试图综合考察因子的众多指标，来挑选适合策略的因子。
对各指标进行综合考察判断，初选16个因子。依据包括：首先，相关系数高的因子尽量不同时入选；然后，着重考虑波动量能大的因子；最后综合考察累积收益指标、Sharpe值与因子背后的经济学逻辑。
在筛选因子的量化精选阶段，着眼于因子模型的整体解释能力，用少量因子尽可能提高模型的整体解释能力。即尽可能挑选那些能带来较大解释能力的因子。最后选出的因子有：A股流通市值对数、BP、3个月股价动量（反转）、（2个月）。
我们用逐层增量解释的方法在对因子收益贡献能力进行剥离，使得因子对于超额收益的贡献划分更为明晰，后续进行因子调整的时候也更有针对性。
最后提了三种适用于本模型的构建投资组合的方法，着重介绍了纯因子法与二次规划方法，并且以算例进行解释。
正文
/wiki/static/upload/48/48dbd793-5e7b-4165-9b5c-949170f07abb.pdf
\