炒股太难？不知道如何入手？美盛财富通带你从零经验变为炒股大神，今天为各位分享《多因子模型》，是否对你有帮助呢？
多因子模型：多因子模型是应用最广泛的一种选股模型,基本原理是采用一系列的因子作为选股标准,满足这些因子的股票则被买入,不满足的则卖出。
三个因子：市场资产组合、市值因子、账面市值比因子。
多因子模型是一类重要的选股模型，它的优点是能够综合很多信息最后得出一个选股结果。多因子模型的表现相对米说也比较稳定，因为在不同的市场情况下，总有一些因子会发挥作用。因此，在量化投资界，不同的投盗者和研究者都开发了很多不同的多因子模型。各种多因子模型核心的区别一是在因子的选取上，二是在如何用多因子综合得到一个最终的判断。
一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。
打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。打分法根据加权方法的不同又可以分为静态加权和动态加权。打分法的优点是相对比较稳健，不容易受到极端值的影响。
回归法就是用过去的股票的收益率对多因子进行回归。得到一个回归方程，然后把最新的因子值代入回归方程得到一个对未来股票收益的预判，最后以此为依据进行选股。回归法的优点是能够比较及时地调整股票对各因子的敏感性，而且不同的股对不同的因子的敏感性也可以不同。回归法的缺点是容易受到极端值的影晌，在股票对因子敏感度变化较大的市场情况下效果也比较差。
在构建多因子模型之前，如何对单因子效果进行检验？
Barra结构化多因子风险模型是目前指数增强和阿尔法对冲基金应用比较广泛的分析工具，在构建多因子模型之前，我们需要寻找到有效的因子。那么，到底要通过何种方法对单因子进行检验呢？
最常用的方法是，我们用目标因子构建一个投资组合进行回测，看回测的结果来验证因子的有效性。今天，我们以因子“20日相对强弱（RSI）”为例，详细讲解：
数据处理
在构建投资组合之前，我们首先需要对原始的因子值进行处理：去极值、正交化
去极值：是去除数据中的极值，防止出现异常的个股被选入策略股票池，从而导致策略收益表现异常。
目前常用的去极值方法：
1、均值方差去极值
2、3倍标准差法去极值
3、分位数去极值。
在这里我们选用均值方差去极值
正交化：因子本身的数值受股票所属行业和股票市值的影响，所以对因子做正交化处理，去除行业和市值的影响。常用方法：回归取残差法
构建投资组合
选取目标因子：
这里我们以“20日相对强弱（RSI）”为例
选取样本市场：
A股所有股票，去除ST，停牌，上市时间小于3个月
确定调仓频率和测试时间窗：
5日调仓和10日调仓，从2013年1月1日至2018年1月1日
根据因子IC、IR值确定因子排序方式，通过因子值的大小对股票进行排序，挑选排序前20%的股票买入。按照调仓周期进行换仓。
回测
10日IC值：-0.054210日IR值：-0.386910日回测:
5日IC值： -0.06085日IR值：-0.43585日回测：
结果分析：
20日RSI回测10日年化收益27.2%，回测5日年化33.9%。我们还对4日、8日、14日RSI因子进行检验，发现4日RSI因子的效果较差，8日、14日、20日RSI因子效果相似，比较有效。
构件多因子模型数据导出方法：
将完成的模型属性成果进行导出，点击角点模型右键选择“导出”，弹出“另存为”窗口，设置选择需要的数值模拟器格式。
选择保存路径和数据类型后，点击保存弹出“模型输出”窗口，可以选择输出的属性模型及设置和输出范围的设置。
量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的行为，研究表明，板块、行业轮动在者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显著的差异。
多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。
DIF:=EMA(CLOSE,12)-EMA(CLOSE,26);
DEA:=EMA(DIF,9);
MACD:=(DIF-DEA)*2;
忽略以上公式。因子是多样化的，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等等。 总之因子可以多样化，也可以用几个做一个简单的，但必须是对股价有效影响的。
《多因子模型》的内容先讲解到这里了，综上所述，投资理财有风险，如果你在投资过程中有哪些疑问，可以在下方留意，我们第一时间为你解答
评论