《因子选股系列研究之十》：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 77 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合
研究报告
/wiki/static/upload/52/52071dcc-f868-41ee-9abf-33dc2cb03fd3.pdf
\