动态情景Alpha模型再思考-东方证券-20170217
由qxiao创建，最终由qxiao 被浏览 91 用户
研究结论
抽象出了动态情景Alpha模型（DCAM）的一般框架，DCAM是传统的静态模型的层次化叠加，当只有一个情景且该情景只有一个情景区间时DCAM退化为静态模型。
衡量一个情景因子好坏的主要标准就是这个情景下不同区间的alpha模型的差异化程度，即该情景下不同区间股票预期收益的影响因素及其重要性是否差异明显。DCAM每个情景区间的alpha不一定一致，alpha因子只要在部分情景区间内有效就能为总体模型创造价值，所以DCAM下对alpha因子的有效性检验提出了新的挑战。
模型应该把同一情景不同情景区间下的alpha或者预期收益放在一起比较，而不是标准化的ZSCORE.情景区间内的alpha横截面差异性表示该区间模型的预测能力强弱，alpha的均值表示了该区间的alpha偏好。
不同情景下alpha应该通过alpha估计的准确性进行加权，在准确性不好确定的情况下，我们建议采用情景对alpha模型的区分度进行加权。实证结果表明，本篇报告新提出的动态情景模型相对静态模型和老版模型的收益和稳定性均有明显提升，新模型在小市值有一定偏好，但在控制了市值和行业之后表现依然显著优于其他模型。
风险提示
本文的研究成果基于历史数据，如果未来风格发生重大变化，部分规律可能失效。
极端市场环境可能对模型效果造成冲击。
正文
/wiki/static/upload/ba/ba809fd1-ffd5-462e-871c-ab00aeccbec8.pdf
\