2017年,我们的工作在力求深度的前提下,继续扩展研究领域,目前已经构建完善的FOF体系,搭建多因子分析平台,探索特质波动率、择时因子等新型有效因子,梳理人工智能历史、算法与投资应用,从机构交易行为角度研究行业轮动。    FOF体系:综述此前研究的包含大类资产配置和基金分析的FOF分析体系,由简入繁、由远及近地提供多种分析思路,为不同风险偏好和收益目标的FOF投资系统提供适宜的解决方案。    多因子体系:多因子分析由点及面,实现组合构建,涵盖单因子测试和特征分析、因子筛选。单因子测试和特征分析结果显示,国内质量因子表现出防御特征,市值、动量、低波因子分别表现出顺周期、全周期和防御特性。因子筛选是在基准模型的因子基础上添加某个新的因子带来的截距项变化,来确定该因子是否提供了额外的信息。经过多因子打分筛选出来的股票组合,也表现出更稳定的特征。    特质波动率及择时因子:基于因子筛选研究个股特质波动率,据此构建的 STDO 和 STDN 因子有较强的有效性,组合年化收益率分别为 25.80%和 27.50%,Sharpe比分别为 0.711 和 0.760。择时因子,在时间序列维度上分析构建因子,结果显示EP_Q_3Y在全A和中证500的选股能力较强,EP_Q_5Y在全A、沪深300和中证500的选股能力均较强,EP_Q_3Y与EP_TTM自身有较强的相关性,与反转因子相关性不高。    其他研究:风格轮动,以Fama-French三因子模型为出发点,对当前因子收益水平下对应的下一个周期风格以逻辑关系进行风格轮动的探究。人工智能研究,围绕人工智能的发展历史,主要算法以及金融投资领域应用进行梳理,力求为投资者勾勒出一幅人工智能全景图。机构交易行为视角下的行业轮动,利用股票超大单资金数据研究机构交易行为中的行业偏好,结果显示机构投资者主动净买入指标具有较强有效性,构建的行业轮动组合相对基准有显著的超额收益。 展望:建立完备的多因子选股体系,为市场的最重点需求提供服务和思路;深耕人工智能投资策略研究、开拓行为金融领域探索,为新的因子开发开辟新大陆。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。