多因子模型的构建

       多因子认为股票收益率是由一系列因素（因子）决定的，其本质是基于历史数据的拟合和统计分析，通过与股票收益率最相关的因子，并基于套利定价理论（APT），将多个影响因子进行组合，构建综合选股指标来筛选股票。

步骤
因子选取、因子有效性检验、因子筛选、综合评分模型以及模型的评价和改进。

弊端
任何一个多因子选股模型具有一定的时效性、风险性，需要使用者根据市场情况进行调整和更新。

优势
结果是根据客观的数据和完整的模型得出的，可以避免交易者个人主观意念的干扰，具有一定客观性。

一、因子选取

        多因子选股模型的第一步是发掘各类与股票收益率相关的因子，因子的选择主要基于经济逻辑和市场经验，在经典的规模、估值、动量、波动率等全市场通用因子基础上，根据宏观、行业、公司基本面、市场特征，结合各类特异因子来构造投资组合。

影响股价的因子分类

（1）市场整体：市场因子、系统性风险等;

（2）估值因子：市盈率、市净率、市销率、 市现率、 企业价值倍数、 PEG 等；

（3）成长因子：营业收入增长率、营业利润增长率、净利润增长率、每股收益增长率、净资产增            长率、股东权益增长率、经营活动产生的现金流量金额增长率等；

（4）盈利能力因子：销售净利率、毛利率、净资产收益率、资产收益率、营业费用比例、财务费           用比例、息税前利润与营业总收入比等； 

（5）动量反转因子：前期涨跌幅等； 

（6）交投因子：前期换手率、量比等； 

（7）规模因子：流通市值、总市值、自由流通市值、流通股本、总股本等； 

（8）股价波动因子：前期股价振幅、日收益率标准差等；

（9）分析师预测因子：预测净利润增长率、预测主营业务增长率、盈利预测调整等。 

二、因子有效性检验

       到底哪些因子是有效的呢，是PE有效还是ROE有效？到底是采用1个月做调仓周期，还是3个月做调仓周期。这些因子和参数的有效应只能通过历史数据的回测来加以分析。

       模型回测的目的是为了获得有效因子和参数，再利用这些有效因子和参数筛选股票，然后构造投资组合进行投资，从而获得正的alpha收益。一般检验方法主要采用排序的方法检验候选因子的选股有效性。

       例如：可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为 N 个组合，一直持有到月末，在下月初再按同样的方法重新构建 N 个组合并持有到月末，一直重复到模型形成期末。还有一个参数是候选组合的数量，具体参数的最优选择，需要用历史数据进行检验。

三、因子筛选

        从上百个因子当中分析出对股票收益率有效的部分因子，在每个大类因子中去做筛选, 每个大类因子中筛选出有效的 N 个因子, 包括 质量, 估值, 成长等因子。在筛选的单个因子当中做相关性分析, 合并相关性强的因子，最终得出有效的, 相关性弱的因子, 一般在 10 个左右 

严格: 例如 20 个有效因子
不严格: 例如 50 个有效因子
海选 -> N 个因子 -> 精选 -> n 个因子

四、综合评分模型

      多因子选股的判断方法分为回归法（OLS）和打分法。

1、回归法

       回归方法是利用股票历史收益率对筛选出的多因子进行回归，估计出回归方程系数，然后将最新的因子带入回归方程估计股票未来收益，以此为依据进行选股。

       回归方法的问题是很难找到一个精确拟合的回归方程，模型误差比较大

2、打分法

       打分法是根据各个因子的大小对股票进行打分，然后根据一定的权重加权得到一个总分，根据总分对股票进行筛选。

       例如每个月初，对市场中正常交易的个股计算每个因子的最新得分并按照一定的权重求得所有因子的平均分。最后，根据模型所得出的综合平均分对股票进行排序，然后根据需要选择排名靠前的股票。

       例如，选取得分最高的前 20%股票，或者选取得分最高的 50 到 100 只股票等等。

       打分法操作简单，但是权重的确定比较困难，对结果的影响较大。

五、模型的评价和改进

       多因子量化选股模型是建立在市场无效或弱有效的前提之下，随着使用多因子选股模型的交易者数量的不断增加，有的因子会逐渐失效，而另一些新的因素可能被验证有效而加入到模型当中.

六、 参考

1. 因子的有效性检验以及因子的筛选
2. 多因子选股因子筛选 - CSDN
3. 一文说透多因子选股？ - 知乎 (zhihu.com)
4. 数据准备与单因子检验