结合中高频信息的指数增强策略-天风证券-20200514
由qxiao创建，最终由qxiao 被浏览 147 用户
摘要
数据频率与预测宽度
数据频率与预测宽度数据频率与因子预测时间宽度存在天然隔阂，数据频率越高其时间序列自相关性便越低，所能预测的时间宽度通常越有限。因此信息的变频处理对于在中高频数据中构建⻓周期alpha尤为关键。本篇报告中，我们希望探索中高频数据的通用化降频方式，进而我们通过“公式化”alpha达到批量构建⻓周期量价因子的目标。
基于中高频数据的⻓周期基于中高频数据的⻓周期alpha
我们将因子构建拆解成信号生成、日度降频、月度降频三部分，进而得到公式化表达：factor=Alpha(formula，dailyTrans，monthlyTrans，windows)其中formula为初始日内中高频信号，dailyTrans为日内信号到日度因子转换的变频方式，monthlyTrans、windows分别为日度因子值到月度因子的二次变频方式及滚动窗口⻓度。基于中高频数据，本文采用以上Alpha表达式构建了10个以月为预测宽度的⻓周期因子，因子剔除常⻅量价⻛格后平均IC均值为4.0%、ICIR达到3.16，多空收益13.6%、多头收益6.8%，表现出稳健的选股能力。
结合中高频量价信息的指数增强策略
结合中高频量价信息的指数增强策略我们将10个基于中高频数据构建的⻓周期因子与传统基本面因子结合构建月度调仓的中证500指数和与沪深300指数增强模型，中高频信息显著提升了指数增强组合收益。2011年以来中证500指数增强组合年化超额收益率24.5%，信息比4.21；中高频信息分别提升组合收益和信息比为3.9%、0.59。2011年以来沪深300指数增强组合年化超额收益率12.2%，信息比2.87；中高频信息分别提升组合收益和信息比为2.4%、0.42。1/39
正文
/wiki/static/upload/c2/c229e70c-af70-4c05-936f-a566c2eafdeb.pdf
\