python多因子量化选股模型_量化新兵第十步：多因子选股模型

 前 言

APT套利定价理论是在资本资产定价理论的基础上进行延申，假定因素模型能描述证券收益，当市场不存在无风险套利时，可以构建多因子线性模型给股票定价，若结果与实际股价发生偏差，我们可以对低估值的股票做多，对高估值的股票做空，当股票价格回归真实价值时获利。

01

理论基础

APT

简单而言，套利定价模型就是一个多因子的线性组合模型。金融资产的收益来源于无风险利率和风险溢价。风险包括系统性风险和非系统性风险。系统性风险是公共因素，对整体市场产生影响，因此多元化投资只能分散非系统性风险。当我们将这些风险用利率、通货膨胀、市盈率等衡量时，它们便成为因子，而其系数便是因子暴露度。考虑到影响因素实在太多，我们只能寻找最优的因子组合。

数据标准化

有些因子成千上万，有些因子只有个位数，为了去除数据的单位对我们回归造成影响，我们通过对数据进行标准化处理，将其转化为无量纲的纯数值。

这里会展示两种常用的方法：

1、Z-score 标准化：将所有数据减去均值再除以标准差，从而符合均值为0标准差为1的标准正态分布

2、min-max 归一化：数据与最小值的差 除以 最大值和最小值的差，通过对原始数据的线性变换，使结果落到[0,1]区间

ARBR