渤海证券欢迎您
    选择字体【   分享到 【新浪微博 腾讯微博】   
   多因子模型研究之二:收益预测模型
2018-01-02 11:21 上午   渤海证券研究所
   1、在上一篇报告《多因子模型研究之一:单因子测试》中,我们介绍了多因子模型建立的第一步:单因子测试的具体方法与回测结果,最终选出十余个各方面表现较为优异的因子。本篇报告中,我们首先介绍了因子多重共线性的判定标准与处理方法,并综合多重共线性分析,最终确定了7个大类12个因子作为建立多因子模型的因子池。
   2、接下来,我们尝试了四种收益预测模型,分别为移动均值模型、指数加权移动均值模型、因子IC优化模型(原始模型和矩阵压缩模型),以及机器学习中的逻辑回归模型。最终,表现较为优秀的三种收益预测模型为:移动均值模型、逻辑回归模型以及因子IC优化压缩矩阵模型。我们选择了12个月的移动均值模型、24个月的逻辑回归模型以及24个月的因子IC优化压缩矩阵模型进行横向比较。通过比较这三种方法的回测结果,我们发现,逻辑回归模型收益率最高,波动率也最大。因子IC优化压缩矩阵模型波动率最低,收益也最低。移动平均模型则介于二者之间。对冲中证500指数之后,因子IC优化压缩矩阵模型最大回撤仅7.08%,夏普比率高达3.2,在几种模型种表现最好。
   3、最后,我们简单分析了模型表现的原因。均值法给出的因子权重比较分散,预测序列较为平滑,且能比较好的反应因子变化的大趋势,但缺点是有一定的滞后性。EWMA模型对近期因子的变化更为敏感,但这种预测有时在因子收益率震荡剧烈时反而会适得其反。ICshrink模型和因子收益序列的关系则比较复杂。而逻辑回归给出的因子权重集中在了市值、动量、波动率等少数几个因子上,从历史经验来看,这几个因子也是选股区分度最高的。这也就不难理解为什么在牛市中逻辑回归模型表现如此惊人,但当面对2017年风格转换行情时,过去区分度高的因子开始失效,逻辑回归模型从而产生了较大回撤。
   4、在实际操作中,可根据自身需求,选择适当收益预测模型。我们在未来的研究中,也会继续尝试更多模型,以求取得更优异的选股结果。