多因子选股模型

多因子选股模型涉及将多个指标（或“因子”）组合起来，用以评估股票的潜在回报与风险。这些因子通常包括但不限于价值、动量、规模、质量、波动性和股息收益等。接下来，将详细解释一些常见的多因子模型指标公式，并用数据示例来说明它们如何工作。

价值因子

价值因子通常通过比较股票的市场价格与其基本面价值来评估股票是否被低估。常用的指标包括市盈率（P/E）、市净率（P/B）、企业价值对EBITD

多因子选股模型是一个在全球金融领域广泛应用的投资策略，它基于多个因子来评估和选择股票。这种模型试图通过组合不同的投资因子，比如价值、成长、市场情绪、质量、动量等，来提高投资组合的回报率并降低风险。

基本概念

多因子选股模型通过综合考虑多个影响股票表现的因子来构建投资组合。这些因子是基于历史数据和金融理论研究得出的，能够从不同角度反映股票的潜在价值和风险。例如，价值因子可能基于公司的

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

更新

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

本文来自方正证券研究所于2022年4月12日发布的报告《成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

在股票市场中，成交量的边际变化隐含着非常重要的信息，特别是在技术分析领域，成交量被认为是股票市场的原动力。俗语“量在价先”深刻的反

\

更新

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

本文来自方正证券研究所于2023年3月27日发布的报告《推动个股价格变化的因素分解与“花隐林间”因子——多因子选股系列研究之十》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005，联系人：陈宗伟。

摘要

推动个股价格发生变化的因素，通常可以分为三大类：市场层面的推动力、个股层面的推动力、噪声。其中个股层面的推动

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

https://bigquant.com/experimentshare/7f8b8876e5ae4b98aec2130aa2da259b

第一种选了因子自定义模块，报错如上。

[https://bigquant.com/experimentshare/40bcd9dbc30849229b7ee4b6de3136fd](https://bigquant.com/experimentshare/40bcd9dbc30849229b7ee4b6de3

摘要

本篇报告中，我们将开创性的构建全新的多因子模型体系--短周期交易型多因子阿尔法选股体系。

通过交易型阿尔法策略的研究，我们发现在A股市场，与传统多因子模型所获取的股票价值阿尔法收益相比，交易型阿尔法收益的空间更大、收益稳定性也更强。

即便是最纯粹的价值投资者也不得不承认，交易行为在短期内对股票价格起着几乎是决定性的影响，而发掘这种交易型套利空间正是量化投资的优势所在，因此量化模型在这一领域内应有着广泛的运用空间。

在本篇报告所构建的交易体系中，我们总共构建、运用了将近200个短周期阿尔法因子，其中因子数据则均来自于个股日频率的价格与成交量数据。在此基础上，我们构建了

摘要

基本面投资逻辑日益受到量化组合投资者的重视，本篇报告重点关注各类基本面因子对不同风格股票预测能力的差异及其在策略构建中的应用。

研究表明，基于市值域划分、盈利域划分以及波动域划分的状态下，各类基本面因子对不同风格域内的股票收益预测能力存在显著差异，相应的因子权重应有所区分。

阿尔法模型构建过程中，我们分别考虑了最优因子权重、个股因子权重匹配、预期收益整合等细节内容，目的是使得因子组合更有效的适应不同风格的市场环境变化，提高模型预测精度。

基于风格域划分下的基本面多因子策略自 2013 年至 2018 年 6 月，实现年化超额收益 18%，信息比率 2.81。相比于未分域的基

摘要

策略研究背景

2015年第二季度行业投资策略

阿尔法对冲策略收益率不大yu盘风格轮动收益率高度相关。

在2014年12月的市场行情中，普遍遭遇了较大回撤。策略研究目标：

通过风险模型定量的分解股票收益来源，进而实现组合波动率的预测。

构建股票组合，使组合尽量暴露在阿尔法因子下，同时剔除其余丌稳定的风格因素的干扰。

通过优化方法，构建现金中性、行业中性、风格中性的最优投资组合，获取稳健超额收益。

策略研发思路

构建结构化风险模型对股票组合的收益率和波动率进行量化预测。

行业因子：A股30个行业分类

风格因子：9大类因子Beta、Momentum、

摘要

量化投资与多因子选股

量化投资的本质是借用计算机将传统投资的逻辑定量化，并具有纪律性、程序化等优势。量化投资主要分为两个大方向，选股以及择时，分别决定了买卖的标的与时点，而量化选股则又包括了多因子选股、行业轮动、事件驱动等策略。量化策略的前提假设是历史会重复，而多因子选股则提炼出那些能够长期具备择股能力的因素，并加以整合。 多因子模型从历史数据分析，挑选出能够长期有效甄别出未来高收益股票的因子，并构建模型。在多因子选股时，股票的规模、估值、盈利水平、成长能力、过去的市场表现等等都将体现在量化模型中进行综合的判断。在不同的市场环境中，模型中的因子会有不同的表现，但整体提供

本文来自方正证券研究所于2022年5月8日发布的报告《个股成交量的潮汐变化及“潮汐”因子构建——多因子选股系列研究之二》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

在股票市场中，成交量的边际变化隐含着非常重要的信息。特别是在技术分析领域，成交量被认为是股票市场的原动力。俗语“量在价先”深刻的反应了成交量的变化对于股票价格波动的预测具有指示性作用。

对于个股而言，每个交易日的240分钟里，有的时候成交量高，有的时候成交量低。成交量高的时刻宛如大海的高潮，个股交投活跃，股票价格波动也相对较大，成交量低的时刻则犹如大海的低潮，交易较为清淡。股票

本文来自方正证券研究所于2022年5月30日发布的报告《个股波动率的变动及“勇攀高峰”因子构建——多因子选股系列研究之三》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

在股票市场中，波动率是最受关注的市场变量之一，波动率不仅自身对股票收益率有较大影响，而且对于市场其他驱动因子也存在较强的影响。个股波动率的增大，既有可能预示着风险的加剧，也可能是股价飙升的前兆，而分辨波动率提升是喜是忧的关键在于，波动率加剧的同时收益率有没有随之提高。

本文中我们将参考学术界的做法，使用收益波动比这一指标，来对收益率随波动率的变化程度加以衡量。通过考察

本文来自方正证券研究所于2023年2月15日发布的报告《个股成交额的市场跟随性与“水中行舟”因子——多因子选股系列研究之九》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005，联系人：陈宗伟。

摘要

个股的成交额跟随市场的趋势，是否预示着个股未来的收益率会相对较高呢？本文中我们分两种情况进行了讨论。

其一，当个股股价处于相对高位时，其成交额与其他股票成交额之间的关联性越高越好。当个股股价处于相对高位时，如果其成交额更多是由市场趋势带动的，而非个股独立交易影响，则表明此时投资者对该股票价格的看法仍然较为一致，没有出现较大分歧，因此其上涨趋势可能还没

本文来自方正证券研究所于2022年8月4日发布的报告《波动率的波动率与投资者模糊性厌恶——多因子选股系列研究之五》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

波动率是股票市场最常用的风险度量指标之一，同时波动率因子对于其他驱动因子特别是量价类因子存在较为明显的影响。而波动率本身也存在明显波动，Kostopoulos等(2021)提到使用波动率的波动率来刻画波动率的模糊性。研究发现投资者普遍是波动率的模糊性（以下简称模糊性）的厌恶者，当模糊性较大时，投资者会急于卖出股票，减少在风险资产上的配置。

本文我们通过三种方式衡量模糊性较大时

本文来自方正证券研究所于2022年4月12日发布的报告《成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

在股票市场中，成交量的边际变化隐含着非常重要的信息，特别是在技术分析领域，成交量被认为是股票市场的原动力。俗语“量在价先”深刻的反应了成交量的变化对于股票价格波动的预测具有指示性作用。本文中我们将尝试从成交量的边际变动出发，挖掘其对股票收益的潜在影响。

我们以利好信息为例，当一个利好信息公布后，可能会引起相应个股成交量的突然放大。如果在成交量激增的同时，价格却未发生变动，或者未能

摘要

传统多因子选股

在国内A股市场，传统的多因子量化选股模型得到了广泛的应用，在实际表现中，传统的多因子模型在过去几年中也表现出较为稳定的超额收益率。但随着传统多因子模型应用越来越广泛，历史长期有效的因子逐渐失效，对新因子的挖掘提出了迫切的需求。

新因子挖掘

传统的因子指标挖掘主要集中于财务报表、个股中低频率的价量等相关的数据维度，而这部分数据维度的增量价值的挖掘已逐渐饱和，需从其他新的数据维度中挖掘新的因子指标，本篇报告从个股日内高频数据出发尝试挖掘出新的因子指标

基于高频数据因子的策略构建

基于个股日内高频数据，构建了已实现波动（Realized

摘要

分位数回归可以看作是均值回归的一种替代方法。它最早被用来研究不同的收入水平和职业、教育程度等一系列指标的关系。与均值回归相比较，分位数回归并不需要均值回归对正态和同方差的前提假设，当数据出现尖峰或者厚尾的形态以及显著的异方差时，分位数回归更加稳健。它最大的优势就是可以对分布的任何一个位置（分位点）建立回归模型，研究变量之间的关系。跟均值回归只能得到单个预测值不同，分位数回归可以通过给予数据不同的权重得到一组预测值

在中证500指数的成分股中，总市值、前一个月收益率和日均换手率三个因子对收益率分布的不同位置有着完全不一样的效应。以前一个月收益率为例，中位数回归的斜率估计与均值回归

主要观点

本文概述

本文主要介绍因子的衰减在多因子选股中的应用。主要包括因子半衰期定义、单因子衰减分析、多因子横截面IC、IC_IR半衰期加权方法和单因子时间序列最大化复合IC_IR加权方法的深入研究。发现不管是在横截面上做IC、IC_IR半衰期加权，还是单因子的时间序列加权上，单因子的半衰期H_Factor均为多因子权重求解的一个稳健最优参数。

单因子衰减分析

从单因子衰减分析可知大部分因子的IC衰减速度较快，所以在做因子IC加权时理应对因子近期的IC给与更大的权重分配，这样才能更好地适应市场短期的变化。这里，我们引入半衰期权重来衡量其影

摘要

本报告通过多角度、更严格的测算方法分析了财务质量类、价量类和分析师预期类共18个因子指标的有效性，给出了最全面和细致的分析结果，为构建多因子选股模型和指导实际投资提供了很多有价值的信息。

创新之处

1. 专注于单因子分析。通过最全面和最细化的分析，挖掘出最有效和稳健的因子。
2. 提出了更严格和更全面的度量因子有效性的方法。我们从因子排序后的TOP20%与BOTTOM20%、TOP40%与BOTTOM40%组合的表现差异及稳定性，以及因子排名与收益率排名的相关性3个方面来度量因子有效性。
3. 分析了不同股票池和不同市场环境下因子的有效性。为了提高各个因子在个股

摘要

本报告导读：基于股票组合的权重优化方法，构建市值中性、行业中性、风格中性的最优投资组合，可获得稳健的超额收益。

任意股票都在同一时刻暴露于多种不同的风险因素下，它们之间的共同作用形成了股票价格的波动。通过对不同风险因子的梳理研究，可实现对股票收益来源的分解剥离，从而定量的研究股价波动的成因。

量化对冲策略的目标是追求稳健的绝对收益，最优投资组合的构建是一种完美的平衡状态，投资经理应将组合充分暴露于阿尔法因子下，同时剔除其余不稳定的风格因素干扰。

通过股票组合的权重优化，实现了市值中性、行业中性、风格中性约束条件下的最优投资组合构建，获取稳健的超额收益。

基于组合权

摘要

因子选股模型在实际应用中的问题

我们在基础篇中对于组合的构建进行了系统化的梳理，但是在实际的应用场景中许多模型假设都受到了挑战。我们需要针对特定问题对于模型进行适当的调整

1. 因子相关性处理。因子之间的相关性可从截面以及时间序列两个角度来理解，因子的正交能够帮助我们有效控制截面相关性从而简化因子的相关性分析
2. 因子收益的预测。在收益预测模型中，股票收益的预测实际取决于因子收益的预测。今年以来较为流行的因子择时实际上就是因子收益的预测

正文

[/wiki/static/upload/35/35bb9c23-530d-49b7-aa4d-4c5e2fb9ffd2.

摘要

现代资产组合理论（Markowitz H.M. 1952）

引入均值、方差概念刻画资产风险收益特征与投资者效用偏好，通过最优化模型得到既定要求下的最优投资组合

现代资产组合理论中常见的优化问题形式：

1. 在既定风险下，最大化收益
2. 在既定收益下，最小化风险
3. 最大化效用函数

现代资产组合理论参考文献：Markowitz, H.M. (March 1952).“Portfolio Selection”.The Journal of Finance.7(1): 77–91

正文

[/wiki/static/upload/96/9608a652-c440-4

研究结论

去年底至今，得益于南下资金的注入，以及经济复苏的预期，恒生综指涨幅已超过10%，低估值、高股息的优质港股吸引了全球投资者前来配置，随着沪港通、深港通的相继开放，港股与A股的关系日益紧密，两地投资者可以更加便捷地投资对方的股市，研究因子选股模型在港股的应用能产生直接的投资收益。

我们分别在恒生综指和港股通成分股内进行了7大类23个Alpha因子的有效性检验，和美股类似，估值、盈利、成长因子在港股中都比较显著，IC在3%左右，流动类因子中的Am ountAvg_1 M_3M（过去一个月日均成交额/过去三个月日均成交额）表现优异，特别是在港股通成分股当中，夏普比率最高0.

摘要

因子创新——传统因子的改进

股票高频收益方差：股票高频收益方差更加真实地体现出了股票的波动性。

相比于日收益方差，高频方差能够反应出股票收益在短时间内的波动特征。

股票高频收益偏度：偏度衡量了股票收益在尾部附近的分布特征。例如，左偏（偏度为负）体现了股票日内大幅下跌的比率远高于日内大幅上涨的比率。

股票高频收益峰度：峰度衡量了股票收益在尾部附近的波动特征。例如，较高的高频收益峰度体现了股票日内大幅下跌或者大幅上涨的幅度较大。

正文

[/wiki/static/upload/cf/cfa4303d-a39f-42f2-b2af-869ee96dc671.p