读书笔记-20180512-基于短周期价量特征的多因子选股体系

1. 股票收益=风格收益+阿尔法收益

2. 最典型的风格收益包括行业风格、市值风格。其他各大类风格因子，贝塔，动量，波动，盈利，成长，价值，杠杆，流动性，风格收益的特点在于显著但不可预测（或者说在我们的阿尔法因子模型体系中不对风格收益进行预测），而阿尔法收益的特点是显著并且一定程度上可预测。因此，阿尔法模型的目标是针对阿尔法收益的预测，而不是针对股票整体收益的预测。而评价阿尔法模型的标准也应是计算其对阿尔法收益的预测是否可靠。

3. 显著性检验的结果即可视为对一个阿尔法模型的定量评价，那么对于不同的阿尔法模型就可以有严格的好坏区分。并且，从经验上而言，预测能力较强的阿尔法模型，其所对应的实际组合获取超额收益的概率也越高。如果，阿尔法模型的预测能力的检验非显著，那么甚至都没有必要去尝试构造组合，因为最终即便实现的超额收益，若不是风格收益，那么也只是运气而已。

4. 遗憾的是，传统阿尔法因子所购建的阿尔法模型体系，其预测能力在剔除市值因子的效用之后究竟有多强的显著性，值得深思。

5. 在整个多因子模型体系中，阿尔法模型的预测过程与组合构造的实现过程需要有共同的目标，目标一致。

6. 传统多因子模型的收益来源，往往集中于财务数据的挖掘、分析师一致预期数据的挖掘，而只有一小部分是中低频量价特征的数据，因此传统多因子模型亦可称为价值型阿尔法模型。而A股市场交易行为具有很强的随机性，机构投资者的交易效率较之成熟市场亦不十分有效，加之T+0、融券卖空等交易机制的缺乏，导致在短周期由于交易行为所产生的定价非有效十分常见。

7. 交易型阿尔法体系与传统阿尔法模型体系对比：