证券分析师:黎鹏,执业证书:S1190519100002
详见报告《多因子系列:基于主成分分析的技术面因子改进20200710》
策略观点
1) 主要思路:原始因子一般为横截面数据,为了增加信息量我们可以加入不同时间窗口的指标均值,然后通过不同加权或调整方法以形成新指标。 2) 处理方法:主成分分析 选择主成分分析的原因:技术面因子均线线性相关性较高;可将横向比较的影响考虑进去; 3)主成分分析对数据有两点要求,一是数据的标准差具有轮动特征。二是数据最好具有较强线性相关性。检验方法:统计因子标准差,分层净值对比,回归收益对比; 4)改进后的市值以及换手率因子稳定性增强。 代入新因子后对原有多因子策略有明显的增强。 从胜率上看,改进后的多因子策略的年度胜率为85%,平均年度超额收益为18%,平均信息比率为1.05,相对最大回撤为7%,每次换手大约在20%左右 。一、概述
多因子模型的思路为将因子在第t期的暴露度与t+1期的股票收益进行线性回归,所得到的回归系数即为因子在t期的因子收益率,计算方法为:![4d927a36f6fb1bba40c662c3764c3941.png](https://i-blog.csdnimg.cn/blog_migrate/51d87f944c243507c958044f067c8528.png)
![7b9105f5774eb70bef0b29fff6e7209f.png](https://i-blog.csdnimg.cn/blog_migrate/1bb6f148d22934edf30fe3791dd4e1a1.png)
![e9c52000bd22c3ece5a2c8df43916915.png](https://i-blog.csdnimg.cn/blog_migrate/2a0110f83ffdb2d11248ccb1af20feaa.png)
![8d49318b69ae514f9f93e6b275417c4a.png](https://i-blog.csdnimg.cn/blog_migrate/c849888b352212107182cc8554f8cc0a.png)
![c6f6a59e3020e61011a2df1bea4c853c.png](https://i-blog.csdnimg.cn/blog_migrate/7fe82de271064794f5e56f708f16f181.png)
![d0c4bb4b729523fbf57f5d1acd5b1d12.png](https://i-blog.csdnimg.cn/blog_migrate/99a197e40e2030327319c96b06d0c12d.png)