Beta

导语

本文介绍了因子模型、对冲以及Beta的相关内容，并针对如何进行市场风险对冲给出了具体的案例。

因子模型

因子模型是通过其他若干项资产回报的线性组合来解释一项资产回报的一种方式，因子模型的一般形式是：

这看起来很熟悉，因为它正是多元线性回归模型。

什么是beta?

一项资产的beta是该资产收益率与其他资产收益率通过上述模型回归拟合的beta。比如，我们用回归模型

2021年4月22日Q1&Q2问题：

策略案例

https://bigquant.com/experimentshare/d50c07db9f7f45168dd745027c04b6d8

\

问题

国泰君安alpha191中的count、regbeta、regresi三个函数怎么定义？

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?p=2&share_source=copy_web

\

策略源码

# 国泰君安 Count(a, n)，过去5天close_0 > close_1 的天数
conditions = where(close_0

https://bigquant.com/experimentshare/887354a18288489e9bb5d65923da8e9b

\

问题

如何利用滚动回测进行策略开发和因子挖掘？

视频

[https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2

{{membership}}

https://bigquant.com/codeshare/37d36e41-2184-4342-b581-9561f199eeec

\

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

贝塔系数（Beta）是衡量一项投资相对于整体市场波动的指标。它是资本资产定价模型（CAPM）的关键组成部分，用于计算资产的预期回报和风险。贝塔系数反映了个别股票或投资组合相对于市场基准（如标准普尔500指数）的波动性。

BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），可以验证Beta贝塔系数因子组成的AI量化策略。

![](/wiki/api/attachments.redirect?

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

旧版声明

本文为旧版实现，仅供学习参考。

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

策略案例

https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

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

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

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

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

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

新版数据平

导语

本文介绍如何对一个回测结果进行深入分析。

新建一个可视化AI策略

我们先构建一个可视化AI策略，如下所示。

回测结果

回测结果一般指策略运行完毕之后输出的能够综合反映策略效果的综合图表，如下所示：

可以看出，回测结果包括收益概括、交易详情、每日持仓、

如标题

https://bigquant.com/codeshare/1d87d715-5139-432b-9267-5b99154e598b

回测曲线的相对收益线的计算公式

回测如何设置一次全仓买入一只股票

222

摘要

基于风险的SmartBeta策略

传统基于风险的SmartBeta策略有最小方差组合（GM V）、等风险贡献组合（ERC）、最大分散度组合（MDP）和等权组合（EW）四个模型，它们均属于同一个优化族：最小方差优化问题加以不同约束

建立统一优化模型

我们建立了一个针对四个风险模型的统一优化框架（以下简称框架），通过调整框架下的三个参数(𝜆,𝛾,𝛿)即可得到每一种模型甚至是混合模型：𝒘∗(𝝀,𝜸,𝜹)=𝒂𝒓𝒈𝒎𝒊𝒏𝟏𝟐𝒘𝑻𝚺𝒘−𝝀𝓓(𝒘;𝜸)+(𝝀−𝟏)𝓑(𝒘;𝜹)基于框架我们可以更好地理解每一种模型对于

报告摘要

主要观点

本篇是“学海拾珠”系列第十九篇。本文研究了股票收益的情绪再现效应和情绪反转效应，作者对股票在历史与未来的情绪一致时期和情绪不一致时期的季节性收益规律进行检验，并通过测算股票收益对情绪变化的敏感程度，即情绪Beta，构建相应的投资策略。

• 市场情绪的季节性变化：月度效应与周度效应

前人证明了在每年的1月和3月以及每周的周五，投资者情绪都会出现一定程度的上涨；相反，在每年的9月和10月以及每周的周一投资者情绪则会较为低落。这一现象同样也反映在资本市场中，到了每年的1月和3月或是周五，投资者更倾向于把安全资产转换为风险资产，这导致了风险资产

摘要

海外低相关因子与A股高相关因子

桥水基金创始人达利欧（RayDalio）在其著作《原则》中提到低相关资产可以有效地提高组合的收益风险比，海外相关文献也证明了低相关因子在海外市场的有效性。但是我们发现，与海外市场的结论不同，在A股市场高相关股票的表现要优于低相关股票。我们通过对相关系数进行分解来解释这一现象。对于同一指数，指数的成分股与该指数的相关系数可以分解为成分股的波动率和Beta值。因此，我们可以把高相关策略视为低波动率策略和高Beta策略的结合。

高相关性因子IC和ICIR较高，5档收益区分度较大

我们在每个季度的第1个交易日计算过去一季度中证500指

摘要

本报告使用香港证券交易所披露易数据，基于沪深股通（以下简称北向）整体和细分席位对应的持股数量，对北向资金重仓股票与增量资金所属行业分别进行测算，并拟合行业轮动因子

向细分席位资金因子表现优于北向整体资金因子。以席位性质作为划分依据，计算不同类别的北向资金行业选择能力，我们可以筛选出有效的席位信息。经过拆分调整后因子能够较为明确的刻画北向资金的投资偏好，同时取得持续稳定的超额收益

陆股通北向整体资金流数据的不足

尽管整体陆股通增仓金额映射到一级行业上已经能够较好地刻画北向资金行业轮动并取得超额收益，但由于资金性质与体量的差异可能导致交易行业驳杂，行业轮动变化速

研究结论

本篇报告基于5分钟的高频数据构建了跳跃Beta和连续Beta两个因子，从因子表现来看这两个因子不论原始值还是行业中性化之后在各个样本空间都具有显著的选股效果，相比常规Beta选股效果提升明显，而且其在大市值股票中的选股表现基本也与全市场类似。此外，这两个因子是基于过去一年的数据构建的，因此其因子衰减很慢，因子RankIC的半衰期大约为9个月。

从相关性上看，这两个因子与常规的Beta有着很高的相关性，说明其也属于Beta类型的因子，但是在对常规Beta因子正交化之后，这两个因子仍具有较强的选股效果。此外，中性化后跳跃Beta与估值、非流动性、投机性的RankIC相关性均大于

总结

• 本文是我们美股 SmartBeta 产品巡礼系列报告之五:成长因子。主要总结了美股 Smart Beta 成长因子 ETF 总规模与数量的变化、增长速度、收益率特征，介绍了规模最大的成长因子 ETF 及其跟踪指数的情况。
• 美国上市的 SmartBeta ETF 产品中，成长因子 ETF 共有43个，总资产达 1879 亿美元(截止最新)，数量与规模都与同属风格因子的 价值因子 ETF 产品类似。Barra 在成长因子中使用的指标包括过去 5 年销售增长率、过去5年利润增长率、未来 3 年预测盈利增长率、 未来 1 年预测盈利增长率。成长 ETF 从 2000 年开始出现，