【導(dǎo)讀】化投資的應(yīng)用近年來伴隨著資本市場的波動也正在穩(wěn)步地發(fā)展。國內(nèi)眾多的學(xué)者對于。在，旨在提高大眾對量化投資的理解和認(rèn)識。有且只有60只量化基金出現(xiàn)，這其中的總規(guī)模就已經(jīng)達(dá)到約為500億元。雖然中國的量化基金市場相對于歐美發(fā)達(dá)國家在數(shù)量和規(guī)模上還是會有。而且量化投資有著自己獨特的優(yōu)勢，這是因為量化投資和定性投資相比，更。起其他的投資方式，量化投資的策略會顯得更加科學(xué)和完善?；默F(xiàn)象顯得頗為嚴(yán)重。深入地究其原因，主要是因為大多數(shù)的基金經(jīng)理他們不約而。風(fēng)格的轉(zhuǎn)換兩者也會毫無疑問地會對投資績效產(chǎn)生比較突出的影響。當(dāng)然，在熊市中，加投資者的收益，然而因為目前交易機制還不夠完善，以及投資者的金融知識匱乏，資者提供可靠的投資建議。的對外經(jīng)濟政策在當(dāng)今世界已不再可能。因而,任何國家都不可避免地或主動、或被動。通過研究結(jié)果顯示，樣本中60%左右的量化基金可以超過市場的均值和。論，并提出了一些決策性的建議。

　　

【正文】 營業(yè)收入增長率、 NPG（凈利潤增長率），或是技術(shù)面指標(biāo)，如換手率變動、動量、波動等等其他。值得提出的是，股票的持有時間段也是一個不可忽視的因05多因子選股模型的建立 23 子指標(biāo)，持有一個月、兩個月還是一年，最終的收益率變化很大。這里我們?nèi)」善钡某钟衅跒橐粋€月，一個月調(diào)整一次既不會因為過度調(diào)倉使得交易成本過高而不利于組合表現(xiàn)，同時也能使得因子的取值隨著指標(biāo)的迅速變化，讓市場信息在組合調(diào)整當(dāng)中得到充分的反應(yīng)。每月月初根據(jù)因子的表現(xiàn)情況重新建立組合，候選因子我們分為 四類來考慮，分 別是成長因子、估值因子、資本結(jié)構(gòu)因子和技術(shù)面因子。具體類別下的因子見下表。 在檢驗候選因子的有效性時，大多數(shù)投資者選用用排序法來。在建立模型的整個時期，針對于每個候選因子，開始計算股票池中每個股票在首個月初因子值的大小，按從小到大（也可從大到?。┑捻樞?qū)φ麄€樣本股票進(jìn)行大小排序，并按數(shù)量等分成個股票組合并一直持有到下個月初，按同樣的排序方法在下個月初再次構(gòu)建個股票組合持有至接下來的一個月初，反復(fù)如此，一直到模型構(gòu)建期結(jié)束。當(dāng)所有組合構(gòu)建完工后，分別計算個股票組合的每月月 平均收益率、超出業(yè)績比較基準(zhǔn)的超額收益、第一檔和第五檔的月平均收益差（ R1R5）、第一二檔與第四五檔組合的月平均收益率差（ R1+R2） /2(R4+R5)/因子大小排序和收益率大小排序的相關(guān)系數(shù)、第一檔組合跑贏比較基準(zhǔn)的勝率和第五檔組合跑輸比較基準(zhǔn)的概率等。下面的流程圖簡單介紹了驗證因子有效性的幾個關(guān)鍵步驟： 24 （ 1）每個因子的收益率排序與編號排序應(yīng)有明顯的相關(guān)關(guān)系，即因子得分值較大的組合，相應(yīng)地其收益率也應(yīng)該較大或較?。ㄝ^大表明因子大小與收益率正相關(guān)，較小表明因子大小與收益率負(fù)相關(guān)，只有這樣我們才 能說此因子是決定組合預(yù)期收益的顯著影響影響因子。我們再次設(shè)定相關(guān)性閾值為，即滿足：abs(correl([N1,N2,N3,N4,N5],[1,2,3,4,5])) ≥ （ 2）設(shè)個排序組合中第一組的相對基準(zhǔn)超額收益為最后第五組的相對基準(zhǔn)超額收益為，如果則表示因子越大，收益越大，且需滿足：〉和反之，倘若即因子越大，收益越小，那么不等式變?yōu)椋骸岛推渲小⒎謩e為第一組和第五組的最小超額收益閾值，上述不等式條件只是確保因子取值能顯著地使得最大組合跑贏市場和最小組合明顯跑輸市場。通過下面方法計算因子的有效性：收益 率為正的月份數(shù)總月份數(shù)（對于正向因子）或收益率為負(fù)的月份數(shù)總月份數(shù)（對于負(fù)向因子），這里是月均收益率。有效的因子應(yīng)該是在整個模型構(gòu)建期，第一組和第組的這兩個組合其中較高收益的股票組合以較大的概率跑贏市場，同時較低收益的股票組合以較大概率跑輸市場。滿足相關(guān)關(guān)系閾值、超額收益閾值、有效性、跑贏市場概率這些條件的因子一般能在有較顯著的選股能力，放入有效候選因子池中進(jìn)行進(jìn)一步蹄選。我們這里的檢驗方法釆用一個月時間間隔，同樣的也可以隔個月或個月，更長的也行。關(guān)于因子排序的每個候選組合中的股票基數(shù)，如 30， 50，還是 100 也是十分重要的。一般通過歷史數(shù)據(jù)進(jìn)行實證檢驗來決定所有參數(shù)具體的最優(yōu)選擇，我們這里按來確定。 05多因子選股模型的建立 25 由于我們分別翻選中證和中證中成分股的有效因子，股票表現(xiàn)的內(nèi)在驅(qū)動因素大致相同，某些候選因子在每個組合的股票集和收益表現(xiàn)等方面高度相似，因此剔除冗余因子這一環(huán)節(jié)至關(guān)重要，必須只留下同類型因子中收益和區(qū)分度最高的因子，剔除一些冗余因子。例如收入凈利率和主營毛利率指標(biāo)之間可能具有比較明顯的相關(guān)性。主營毛利率越大的，某某收入凈利率也不會太低，因此在選股模型中，根據(jù)現(xiàn)實數(shù)據(jù)留下一個剔除一個。不妨來 看若要選出個有效因子，個月樣本期，那么具體來說：先按照收益越大分值越高的方法對對個組合分別打分，每個組合的得分為到的連續(xù)整數(shù)；按月計算所有個股的因子得分相關(guān)系數(shù)矩陣如第個月的相關(guān)系數(shù)矩陣記為，為因子序號且，計算整個模型構(gòu)建期內(nèi)相關(guān)系數(shù)矩陣的平均值（取一個得分相關(guān)系數(shù)閥值，我們這里還是取，在所有得分相關(guān)系數(shù)矩陣平均值大于的因子中，我們只留下有效性更高、與其他因子相關(guān)系數(shù)更小的因子，剩余的則作為冗余因子去除。建立綜合評分模型和選股后驗 每個月初，根據(jù)步驟取得的有效因子得分為中證、中證 股票池中的正常交易股票分配最新得分，按照一定的賦權(quán)規(guī)則求得所有候選因子加權(quán)平均分；若出現(xiàn)某些月份無法知道因子取值，則按剩下的因子得分求加權(quán)平均分。根據(jù)加權(quán)平均分對所有股票進(jìn)行排序，選擇排名靠前的一定數(shù)量股票，這里取排名前。值得一提的是我們采用分層賦權(quán)的方式來給每個因子加權(quán)評分，具體來看是在估值因子（第一大類、成長因子（第二大類、資本結(jié)構(gòu)因子（第三大類、技術(shù)面因子（第四大類）這四大類因子賦予大類權(quán)重，之后根據(jù)每一類中因子有效性的大小分配和設(shè)置類內(nèi)權(quán)重，此方法的好處在于當(dāng)一些意義相近卻難以取舍的因子出現(xiàn)時，可以 分配數(shù)值小一點的類內(nèi)權(quán)重，使得賦權(quán)結(jié)果更加科學(xué)合理。見如下分層權(quán)重示意圖： 26 在每個觀察期的月初，對五組大類因子里的每個進(jìn)行打分，然后從每個因子中選取得分最高的個股票構(gòu)建與因子匹配的投資組合，下個月初同樣輪流替換，記住可能每次組合里的股票不同。考察期結(jié)束后，分別對比此因子值高的投資組合的收益率跑贏比較基準(zhǔn)的概率，基準(zhǔn)按情況取定，這是綜合評分型的構(gòu)建和后驗步驟。除了可以根據(jù)股票風(fēng)格的輪轉(zhuǎn)來分大小盤分別題選出有效因子，還有更加復(fù)雜的多因子模型，如沃爾評分法就是一種分行業(yè)來比較，選出每個行業(yè)最高得分的組合，然后 再加總成一籃子投資股票。 當(dāng)使用多因子選股模型來進(jìn)行投資決策的人越來越多時，或是市場環(huán)境已經(jīng)改變，之前顯著有效的因子也會表現(xiàn)漸漸失色，而其他一些因子之前不顯著有效的極大可能會在下一個市場環(huán)境下表現(xiàn)出色，因此我們需要持續(xù)不斷地檢驗所有候選因子的有效性且每次構(gòu)建模型前挖掘出新的當(dāng)期有效因子，而副除當(dāng)期已經(jīng)失效的候選因子。此外，在建立綜合評分模型和選股決策時，組合的建倉交易成本考慮、因子得分計算的賦權(quán)規(guī)則設(shè)計等都存在很大的改進(jìn)空間，但堅決杜絕過度優(yōu)化帶來模型效率損失。決定多因子模型成敗的關(guān)鍵兩點是有效因子和因子參 數(shù)，而獲取這些只有通過過去的數(shù)據(jù)回測得到，而現(xiàn)在也會成了為將來的過去，因此隨著市場環(huán)境的變化，需要在每次使用多因子模型的過程中不斷調(diào)整飄選出的有效因子，而除因子外模型其他各方面也要持續(xù)不斷的改進(jìn)和再評價。 06因子模型實證結(jié)果 27 本章首先介紹了量化投資的應(yīng)用現(xiàn)狀：目前國內(nèi)量化投資應(yīng)用還處于起步階主要 被公募基金、證券公司專戶理財部、私募機構(gòu)和期貨經(jīng)濟商使用。近年來量化投資產(chǎn)品呈現(xiàn)快速的增長，本章以量化基金為代表介紹了當(dāng)前機構(gòu)投資者使用量化投資策略的情況。量化基金在選用量化投資策略方面，還是多以多因子選股模型進(jìn)行擇股、BlackLitterman模型進(jìn)行行業(yè)資產(chǎn)配置為主。 之后分析了量化投資與傳統(tǒng)投資的區(qū)別，為介紹其發(fā)展前景提供一定的基礎(chǔ)依據(jù)。最后本章闡明了量化投資的發(fā)展前景，即在資本市場可投資產(chǎn)品不斷增加、海外量化投資人才歸國和國內(nèi)量化投資人才增加等方面分析了量化投資的發(fā)展前景，也從量化投資人才的創(chuàng)新能力、目前還是以引入國外的量化投資策略為主等方面分析了量化投資發(fā)展面臨的挑戰(zhàn)。 本章以上研究為理論模型的選取和結(jié)果討論提供了現(xiàn)實依據(jù)。 6 因子模型實證結(jié)果 選取合適的數(shù)據(jù)對模型檢測是實證檢驗階段的關(guān)鍵，我們?nèi)≈凶C和 中證成分股從2020年 1月到 2020年 1月為樣本區(qū)間，其中 2020年 1月到 2020年 1月為樣本外區(qū)間，用來檢驗樣本內(nèi)區(qū)間所構(gòu)建的模型的穩(wěn)定性； 2020年 1月到 207年 10月間的數(shù)據(jù)為樣本內(nèi)區(qū)間，作為候選因子的測試蹄選和優(yōu)化時期，因為此時間段包含了一波牛市行情，從年月到年月間的，一波熊市行情，從 2020年 11 月到 2020年 12月，以及從 2020年1月運行期末的震蕩市行情，數(shù)據(jù)比較全面的。這樣就可以非常全局地看到各因子在多種市場環(huán)境下的表現(xiàn)，進(jìn)而來考察各因子是否具有持續(xù)的顯著效果，以成功構(gòu)建穩(wěn)定性更強的多因子選 股模型，并達(dá)到為實際投資提供最全面和完善的信息指導(dǎo)的目的。我們的數(shù)據(jù)是從銳思金融研究數(shù)據(jù)庫中下載得到。 對于中證和中證成分構(gòu)成在我們選擇的測試區(qū)間發(fā)生過變化，有的股票前期是小盤股的成分股，一段時間后被副除，之后又被調(diào)入，如三精制藥（于年月日調(diào)入中證，于年月日調(diào)出，于年月日又調(diào)入至今，類似這種情況的，調(diào)出持續(xù)時間不超過半年的當(dāng)做正常處理；對于中證的成分股中，調(diào)入時間不超過年的不能很好的代表小盤股的各項因子指標(biāo)，我們給予剔除。對于股票的處理，因為下載數(shù)據(jù)時的股票不一定以前在 28 歷史市場上也是，所以股 票同意正常處理，除非有財務(wù)數(shù)據(jù)證明此公司的財務(wù)狀態(tài)出現(xiàn)異常，如為負(fù)值，我們將其剔除，以盡量減少誤刪市場有效歷史數(shù)據(jù)的可能性。在估值類因子的計算過程中，我們期望估值越低的股票在下個月會有越好的表現(xiàn)，但如果估值出現(xiàn)沒有意義的負(fù)值將其去除；為了防止在計算財務(wù)成長指標(biāo)的時候出現(xiàn)上一期取值為負(fù)，本期取值為正，卻計算出增長率為負(fù)的錯誤，我們使用如下計算公式：增長率 =本期指標(biāo) 上期指標(biāo)） /abs(上期指標(biāo) )。 對于中證和中證成分構(gòu)成在我們選擇的測試區(qū)間發(fā)生過變化，有的股票前期是小盤股的成分股，一段時間后被副除，之后又被調(diào) 入，如三精制藥（ 600829）于 2020年7月 1日調(diào)入中證 500，于 2020年 1月 5日調(diào)出，于 2020年 7月 1日又調(diào)入至今，類似這種情況的，調(diào)出持續(xù)時間不超過半年的當(dāng)做正常處理；對于中證的成分股中，調(diào)入時間不超過 1年的不能很好的代表小盤股的各項因子指標(biāo)，我們給予剔除。對于 ST股票的處理，因為下載數(shù)據(jù)時的股票不一定以前在歷史市場上也是，所以 ST股票同意正常處理，除非有財務(wù)數(shù)據(jù)證明此公司的財務(wù)狀態(tài)出現(xiàn)異常，如 ROE為負(fù)值，我們將其剔除，以盡量減少誤刪市場有效歷史數(shù)據(jù)的可能性。在估值類因子的計算過程中，我們期望估 值越低的股票在下個月會有越好的表現(xiàn)，但如果估值出現(xiàn)沒有意義的負(fù)值將其去除；為了防止在計算財務(wù)成長。 財務(wù)數(shù)據(jù)從這段期間公司對外公布的財務(wù)報表得到，一般公司披露四次，包括一季報、半年報、三季報和年報，但在檢驗因子有效性應(yīng)用這些數(shù)據(jù)時，很難恰好找到當(dāng)前時點的財務(wù)數(shù)據(jù)。一般上市公司發(fā)布財務(wù)報告的時間為：一季報從 4 月 1 日到 4月 30日，年中報從 7月 1日到 7月 31日，三季報從 10月 1日到 10月 31日，年報從次年 1月 1日到次年 4月 30日。這樣就可能有 4月初、 7月初、 10月初我們換倉時雖然前一季度已過，但并不是所有上市公司 季度報表都已經(jīng)公布，因此需要對滯后的財務(wù)數(shù)據(jù)進(jìn)行適合為實際投資做檢驗的處理，例如檢驗期的當(dāng)月恰好是報表公布月我們就用最新獲取的數(shù)據(jù)確保在每個歷史時點都使各因子指標(biāo)值在個股間的不同時刻間可比性較明顯，現(xiàn)進(jìn)行如下滯后處理： 1 月份、 2 月份、 3 月份、 4 月份取上一年的最近三季報財務(wù)數(shù)據(jù)， 5 月份、 6 月份、 7 月份使用當(dāng)年一季報或上一年年報的數(shù)據(jù)構(gòu)建組合， 8月份、 9月份、 10月份則釆用當(dāng)年半年報，而 11 月份和 12月份是使用最近的一期三季報的財務(wù)數(shù)據(jù)，這種處理是與實際操作一致的。例如在年月初需要凈利潤增長率來構(gòu)建四月份新的組 合的時候，在此時間點計算一些成長因子或者估值因子我們就06因子模型實證結(jié)果 29 按前面約定使用年三季報的財務(wù)數(shù)據(jù)。此外估值類因子中去除一切取值為負(fù)數(shù)的個股，如 000562D的 2020年 1月份的市銷率為 ，顯然為異常值就應(yīng)該將其去除在數(shù)據(jù)之外，不能算入正常的數(shù)據(jù)選取范圍之內(nèi)。 30 財務(wù)數(shù)據(jù)從這段期間公司對外公布的財務(wù)報表得到，一般公司披露四次，包括一季報、半年報、三季報和年報，但在檢驗因子有效性應(yīng)用這些數(shù)據(jù)時，很難恰好找到當(dāng)前時點的財務(wù)數(shù)據(jù)。一般上市公司發(fā)布財務(wù)報告的時間為：一季報從月日到月日，年中報從月日到月日，三季報從 月日到月日，年報從次年月日到次年月日。這樣就可能有月初、月初、月初我們換倉時雖然前一季度已過，但并不是所有上市公司季度報 表都已經(jīng)公布，因此需要對滯后的財務(wù)數(shù)據(jù)進(jìn)行適合為實際投資做檢驗的處理，例如檢驗期的當(dāng)月恰好是報表公布月我們就用最新獲取的數(shù)據(jù)確保在每個歷史時點都使各因子指標(biāo)值在個股間的不同時刻間可比性較明顯，現(xiàn)進(jìn)行如下滯后處理：月份、月份、月份、月份取上一年的最近三季報財務(wù)數(shù)據(jù)，月份、月份、月份使用當(dāng)年一季報或上一年年報的數(shù)據(jù)構(gòu)建組合，月份、‘月份、十月份則釆用當(dāng)年半年報，而月份和月份是使用最近的一期三 季報的財務(wù)數(shù)據(jù)，這種處理是與實際操作一致的。例如在年月初需要凈利潤增長率來構(gòu)建四月份新的組合的時候，在此時間點計算一些成長因子或者估值因子我們就按前面約定使用年三季報的財務(wù)數(shù)據(jù)。此外估值類因子中去除一切取值為負(fù)數(shù)的個股，如的年月份的市銷率為負(fù)數(shù)，顯然為異常值將其去除。 取 2020 年 3 月到 2020 年 3 月中證、中證成分股的市場數(shù)據(jù)，根據(jù)前一節(jié)的有效因子，對符合要求的成分股中每一因子從到打分，分別按如下賦權(quán)規(guī)則求出每只股票的最后得分，按從大到小的順序排列，取得分最高的前的股票建立組合，并 與基準(zhǔn)指數(shù)作比較，若有得分分值相同的股票就取流通市值大的。 圖 63（ 1）中證 100 股票池中分層賦權(quán)規(guī)則 圖 63（ 2）中證 500 股票池中分層賦權(quán)規(guī)則 06因子模型實證結(jié)果 31 我們?nèi)≈凶C、中證成分股中最后總分排名前的個股建立投資組合，持有期 6個