李俊豪

摘要：在基于傳統(tǒng)的多因子選股模型下，進(jìn)行了對(duì)因子權(quán)重分配的改進(jìn)。在選取有效性因子后，使用衰變IC因子賦權(quán)方法得出更為符合市場(chǎng)的選股模型，并根據(jù)模型每個(gè)月進(jìn)行重新調(diào)倉(cāng)使用滬深300指數(shù)作為基準(zhǔn)進(jìn)行超額收益率的計(jì)算。結(jié)果表明該模型的回測(cè)表現(xiàn)優(yōu)于同期滬深300指數(shù)表現(xiàn)，在驗(yàn)證了衰變IC加權(quán)模型的有效性后，推廣該模型，更好地為廣大投資者提供研究建議。

關(guān)鍵詞：量化投資；多因子模型；權(quán)重賦值；IC系數(shù)；衰變型

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）11-0256-02

成功的股票投資無外乎幾大步驟：選股、擇時(shí)、倉(cāng)控。精通任何一點(diǎn)就可以說是在股市中所向披靡。量化投資亦是如此，多因子選股作為當(dāng)前量化方向重要選股手段，共有幾大步驟首先便是對(duì)于因子的選取，F(xiàn)ama和Kenneth（1993）曾研究了幾種常見對(duì)股票以及債券收益的因子，并表示市場(chǎng)風(fēng)險(xiǎn)、企業(yè)規(guī)模、賬面價(jià)值等相關(guān)性風(fēng)險(xiǎn)因素。[1]

在因子選取后便是對(duì)有限因子的選取，安信證券金融工程分析師潘安（2011）的研究報(bào)告指出在選取相應(yīng)選股因子之后，要進(jìn)行有效因子的選取以及有效冗余因子的剔除，其構(gòu)造的選股模型在2005年到2010年間有著很好的收益。

隨后是對(duì)多因子選股模型的構(gòu)建，當(dāng)前普遍的模型構(gòu)建方式大都依靠因子評(píng)分法以及回歸分析法。吳荻（2011）采用多因素綜合Z評(píng)分的選股方法，將14各項(xiàng)指標(biāo)進(jìn)行一定標(biāo)準(zhǔn)化，然后用不同的權(quán)重構(gòu)建模型，驗(yàn)證得到該模型在牛市中有著良好的選股能力。[2]

對(duì)于權(quán)重分配的研究，長(zhǎng)江證券（2016）使用了因子值對(duì)收益率進(jìn)行截面回歸分析，并在得到因子的收益率后將其作為動(dòng)態(tài)權(quán)重。董嬋（2017）對(duì)于當(dāng)前選股中因子賦權(quán)進(jìn)行突破，采用信息系數(shù)-當(dāng)前因子值與下期收益率的相關(guān)性進(jìn)行重新賦權(quán)，在對(duì)2013-2015的中證500回測(cè)中有著較好的收益率。[3]

1 多因子選股模型思路

1.1 數(shù)據(jù)的來源選取

本文選取所有在2018年12月調(diào)整后的滬深300指數(shù)成分股作為研究樣本，并以2010-2018年作為樣本期，其中2010-2014年為因子篩選期，2015-2018年作為選股策略的樣本檢驗(yàn)期。其中樣本選取時(shí)間包括熊市、牛市、震蕩市。樣本空間范圍為：1.上市6個(gè)月以上、2.非ST股及ST摘帽后3個(gè)月以上。所比較的收益市場(chǎng)基準(zhǔn)也選擇滬深300指數(shù)。

數(shù)據(jù)的內(nèi)容包括上市公司的基本面數(shù)據(jù)，技術(shù)面數(shù)據(jù)，樣本充足對(duì)于當(dāng)某家的指標(biāo)數(shù)據(jù)多于一半的數(shù)據(jù)為空值時(shí)，認(rèn)為這樣的樣本會(huì)影響正常效果并直接剔除，若是有個(gè)別的數(shù)據(jù)的缺失，本文采用前后加權(quán)平均的手段進(jìn)行補(bǔ)充，并且由于這樣的數(shù)據(jù)確實(shí)較少所以對(duì)于樣本數(shù)據(jù)不會(huì)有太大的影響。其中對(duì)于因子選取數(shù)據(jù)均采用公司季度數(shù)據(jù)，對(duì)于發(fā)布時(shí)間有所不一樣的，對(duì)第二季度與第四季度進(jìn)行改變，使用半年報(bào)以及年報(bào)進(jìn)行相應(yīng)參考。

數(shù)據(jù)采集來源來自國(guó)泰安數(shù)據(jù)庫(kù)，使用的數(shù)據(jù)處理軟件為聚寬的python平臺(tái)。

1.2 候選因子的選取

本文將所考慮的候選因子共分為基本面因子、技術(shù)面因子。其中基本面因子包括規(guī)模因子、估值因子、盈利能力因子、品質(zhì)因子。技術(shù)面包括換手率以及月成交量共有21個(gè)因子，如表1所示：

1.3 選股因子的有效性檢驗(yàn)

在已有的21個(gè)候選因子中挑選更為有效的、真正影響股票收益率的因子則為重中之重。本文采用將這些因子進(jìn)行單獨(dú)測(cè)試，每個(gè)選股周期重復(fù)測(cè)試，首先information coeficient（IC）信息系數(shù)是選取因子的第一道關(guān)卡，IC系數(shù)記錄了股票因子值與下期收益率的相關(guān)系數(shù)。本文采用spearman秩相關(guān)系數(shù)進(jìn)行選擇，若是秩相關(guān)系數(shù)較大，則該因子對(duì)股票價(jià)格影響較大。通常來說，一般認(rèn)為IC絕對(duì)值>=3%，則認(rèn)為該因子較為有效。其次要判斷IC的正確性，對(duì)每個(gè)交易日的IC值進(jìn)行顯著性檢驗(yàn)，設(shè)置通過顯著性檢驗(yàn)的IC比例-顯著性比例，并設(shè)定閾值0.7，超過70%即可認(rèn)定為優(yōu)秀的因子。

第二步，在將滬深300個(gè)股的年化收益率與因子進(jìn)行相關(guān)性分析，若正相關(guān)則，因子越大收益率越高，反之，因子越小收益率越大，倒數(shù)處理。然后根據(jù)所得數(shù)據(jù)對(duì)股票進(jìn)行因子大小的打分，根據(jù)打分進(jìn)行降序排列后分組，本文將其分為15組，從1組到15組。然后，分別計(jì)算第一組和第15組的超額α收益，分別設(shè)為x與y，若是能夠明顯看到兩組中一組明顯跑贏滬深300指數(shù)以及一組明顯跑輸滬深300指數(shù)。最后計(jì)算分別在牛市、熊市、震蕩市中個(gè)組合的表現(xiàn)，若是跑贏與跑輸?shù)母怕驶静蛔冞@說明因子選取較為準(zhǔn)確。

1.4 有效冗余因子的去除

盡管在選取的有效因子都能夠在股市中有著良好的表現(xiàn)，但是通常會(huì)有這一些因子的相關(guān)性相當(dāng)高，減少相關(guān)變量的影響是多因子選股模型的重要環(huán)節(jié)。本文需要留下相關(guān)性較小的有效因子。[4]具體步驟是：計(jì)算不同因子的超額收益率，隨后進(jìn)行打分，超額收益率高的因子分值高。假設(shè)組合[A1]到組合[An]有超額收益率[Q1]到[Qn]，將收益率按照大小進(jìn)行排列，若[Qn]>[Q1]，那么第t個(gè)因子的得分就是t，反之得分為[n-t-1]，隨后根據(jù)得分得到相關(guān)性矩陣。在設(shè)定閾值[MaxIndexCorr][MaxIndexCorr]后，若是相關(guān)系數(shù)超過閾值，則該因子作為冗余因子被去除。此處經(jīng)過檢驗(yàn)沒有因子被去除，故不列所計(jì)算數(shù)據(jù)。

1.5 動(dòng)態(tài)權(quán)重評(píng)分模型

本文采用打分法篩選出股票組合，常見的打分法分為兩類，本文采用動(dòng)態(tài)權(quán)重打分法。使用IC因子對(duì)9大因子進(jìn)行賦權(quán)，在這里，本文因?yàn)榭紤]了時(shí)間對(duì)IC因子的影響，認(rèn)為因子具有一定的動(dòng)量性，所以近期因子對(duì)股票收益的影響一定是要大于遠(yuǎn)期因子的，那么不妨將近期因子賦予更多的權(quán)重，遠(yuǎn)期因子的權(quán)重賦予少些。

規(guī)定所選擇股票5日換倉(cāng)，每一次換倉(cāng)日向前滾動(dòng)一期計(jì)算最新IC值，作為下一期的權(quán)重，最后使用滬深300指數(shù)作為基準(zhǔn)指數(shù)，將所得收益與其比較。

2 模型回測(cè)

通過聚寬python量化平臺(tái)進(jìn)行相應(yīng)數(shù)據(jù)回測(cè)，可以得到量化收益回測(cè)圖：

其中藍(lán)色線條為本文采用的衰變IC加權(quán)模型所會(huì)測(cè)出的策略收益線，三年收益高達(dá)36.20%，策略年化收益8.24%，而同期滬深300指數(shù)收益-14.80%，說明本策略實(shí)戰(zhàn)效果良好，通過檢測(cè)。

3 結(jié)論與建議

通過模型可以看出，通過IC系數(shù)選取的因子在衰變IC加權(quán)的動(dòng)態(tài)打分系統(tǒng)模型下表現(xiàn)良好，其模型收益遠(yuǎn)高于同期的滬深300指數(shù)，在基本面分析與純技術(shù)分析中找到了相當(dāng)?shù)呐c股價(jià)波動(dòng)的關(guān)聯(lián)，幫助當(dāng)前股民有效地規(guī)避了一定風(fēng)險(xiǎn)。同時(shí)這一結(jié)論為當(dāng)前的投資者提供了一條行之有效的量化選股的思路，使得當(dāng)前的投資行為可以更為順應(yīng)未來的市場(chǎng)行情波動(dòng)。

參考文獻(xiàn)：

[1] 朱世清.多因子選股模型的構(gòu)建與應(yīng)用[D].濟(jì)南：山東財(cái)經(jīng)大學(xué)，2015.

[2] 朱晨曦.我國(guó)A股市場(chǎng)多因子量化選股模型實(shí)證分析[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2017.

[3] 黃文娟.情景分析框架下的多因子模型優(yōu)化[D].北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)，2017.

[4] 孫偉.股票量化交易策略的研究及MATLAB的實(shí)現(xiàn)[D].天津：天津商業(yè)大學(xué)，2017.

【通聯(lián)編輯：張薇】