单因子分析对于很多读者来说,看似熟悉,但是没有自己上手做一遍,还是会产生很多问题。本篇报告中我们将给出一些基本面因子的具体测试结果,我们借鉴了光大证券的《单因子分析体系》,这也是行业内较为认可的一套测试流程,以BP和ROE_TTM因子为例,测试了预测性、稳定性、单调性和相关性等等指标。为下一步的多因子组合的构建打下基础。
未经授权,严禁转载。
多因子模型理论背景
根据现代金融理论的定义,投资组合获取的收益均可以分为两个部分,一部分是来自市场的收益,也就是Beta,另一部分则是超出市场的收益,也就是我们常说的Alpha。如何准确的定义和寻找股票市场中的Alpha一直是学术界和业界不断探索的问题,已有的模型包括资本资产定价模型CAPM和Fama-French三因素模型等,而多因子模型正是基于套利定价理论(APT)而建立的更为完善的定价模型。
从模型的构建目标上看,我们可以将多因子模型分为Alpha模型和风险模型。以Barra为代表的风险模型更多的用于投资组合的业绩归因,而在这篇报告中我们将首先讨论的是用于预测股票未来收益的Alpha模型,并将对Alpha模型中最关键的因子测试部分做详细介绍。
多因子模型构建流程
多因子模型是个较为复杂的体系,模型的构建流程往往包括以下几个方面:
首先是样本的选取,为了使得模型测试的结果更加符合实际的投资情况,我们需要对ST,PT股票以及停牌等无法买入的股票做剔除;
其次是数据的清洗,数据清洗的过程很容易被轻视或忽略,但异常值和缺失值对模型的影响往往是很显著的,在数据清洗的步骤我们需要格外的小心。
图1 多因子模型构建流程图
本文我们将展示单因子测试的框架流程。
单因子测试具体步骤
>>> 样本筛选
测试样本范围:中证800指数成份股
测试样本期间:2012-01-01至2019-01-13
为了使测试结果更符合投资逻辑,我们设定了三条样本筛选规则:
(1) 剔除选股日ST/PT的股票;
(2) 剔除上市不满一年的股票;
(3&