内容    1、之前发表的两篇报告中,我们介绍了多因子模型的单因子测试方法和收益预测模型。在本篇报告中,我们首先构建了多因子模型的最后一部分:风险预测模型。并在建立收益模型和风险模型后,综合两个模型的表现结果,对股票配置仓位进行二次优化。    2、风险模型构建的基本思路为,通过估计因子的协方差矩阵,刻画股票池的未来波动。多因子风险模型将个股风险转化为多因子模型的系统性风险以及股票本身的残差风险之和,减少了参数估计的数量和估计误差。    3、我们参考之前选出的7大类12个因子,使用24个月月频数据建立模型,在估计因子协方差矩阵时使用压缩矩阵算法对因子协方差矩阵进行压缩,分别以沪深300、中证500以及全体A股作为股票池构建投资组合。沪深300优化组合对冲指数夏普比率1.78,中证500优化组合对冲指数夏普比率2.22,全体A股优化组合对冲指数夏普比率2.31。    4、通过业绩归因模型,可以衡量投资组合的选股风格,确定投资组合的主要收益来源。以上文选出的沪深300股票池为例,对投资组合内股票进行业绩归因分析,可以发现模型选出的股票平均来看具有小市值、低估值、高盈利、高成长、低波动率、低换手率、前期涨幅较低的特点。其中市值因子暴露最大,波动率也最大。在市值因子上的过度暴露会在市场风格切换时带来一定风险。    5、通过对因子暴露的控制,可以得到针对特定因子中性的优化模型。我们构建了沪深300成分股针对市值中性的投资组合,进一步降低了组合波动率,提高了对冲业绩基准后的夏普比率。同理,我们还可以构建针对包括行业因子在内的一个或多个因子中性的组合。    6、截至本篇,我们用三篇系列报告,对多因子模型的整体构建流程做了完整的梳理。接下来,我们的研究重点将主要从寻找更为有效的因子、改进现有算法、构建因子择时模型三方面展开。通过引入宏观因素、统计指标、技术指标等多种方法对于原有模型进行进一步优化。结合行业轮动策略与大类资产配置,逐步构建成熟完善的投资策略。

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。