研报&论文

ALPHA因子库精简与优化-东方证券-20160812

由qxiao创建,最终由qxiao 被浏览 169 用户

研究结论

国内量化发展已有十余年,各家机构投资者的Alpha因子库也随之扩大,这时会面临两个问题:alpha信息源的重叠与因子间相关性处理。本报告将提供这两个问题的解决处理方法,

我们基于Fama-MacBeth回归设计了一套Alpha因子筛选流程,剔除信息重复的因子。在实证中,我们把11个Alpha因子筛选至5个,筛选过程几乎没有alpha信息的损失,筛选前后的多因子多空组合表现相当。因子筛选可以显著减少因子数量,继而减少需要估计的模型参数数量,提高估计量的准确性,从而提升模型选股表现。

Alpha优化采用的是Qian(2007)的方法,这个方法有点类似股票组合优化,alpha因子充当了个股的角色。该方法可以很好的处理因子相关性问题,实际运用的关键在于因子IC协方差矩阵的估计。传统样本协方差矩阵的估计方差太大,效果不佳,本报告中采用Ledoit(2003)提出的压缩估计量方法和Bootstrap方法来提升估计量准确性,alpha模型选股效果得到显著改善。

为便于叙述,本报告中采用的是alpha因子原始数据和原始收益率来计算IC,并未做风险中性化处理,但报告中的方法对风险中性的情况也适用,风险中性后可以获得更稳健的多空组

正文

/wiki/static/upload/04/04f04ed5-2432-4035-b80d-3a3dfd64ca50.pdf

\

标签

投资策略风险管理量化投资
{link}