• QUANT[1]:从零开始量化交易 - プロノCodeSteel - CSDN博客
  • QUANT[2]:量化交易策略基本框架搭建 - プロノCodeSteel - CSDN博客
  • QUANT[3]:量化交易之下单、函数、API - プロノCodeSteel - CSDN博客
  • QUANT[4] 策略篇(算法篇):MACD指数详解进阶 - プロノCodeSteel - CSDN博客
  • QUANT[5] 聚宽joinQuant 官方文档API doc - プロノCodeSteel - CSDN博客
  • QUANT[6] 量化交易常见概念解析 - プロノCodeSteel - CSDN博客
  • QUANT[7] 基础知识之 未来公式的定义与使用 - プロノCodeSteel - CSDN博客
  • QUANT[8] Joinquant 聚宽库中的全局变量 - プロノCodeSteel - CSDN博客
  • QUANT[9] KeyError: '300453.XSHE' 解决方案 - プロノCodeSteel - CSDN博客
  • QUANT[10]量化交易——因子暴露度,因子收益与模型 - プロノCodeSteel - CSDN博客

一、多因子模型的一般形式,因子收益和因子暴露度

典型的股票多因子模型将 n 只股票的收益率分解为 m 个因子的线性组合和未被因子解释的残留部分,一般形式为:

二、理解因子暴露度

1单个股票的因子暴露都度

单个股票的因子暴露度是通过将因子值在截面上正态标准化得到:

2投资组合的因子暴露度

一个投资组合的因子暴露度就是这个投资组合的个股权重对其中单个股票因子暴露度的加权平均:

简言之,基准组合对各个因子的因子暴露为0,其他投资组合的因子暴露度就是这个投资组合在该因子上偏离了基准组合多少倍标准差。

三、鸿沟:从解释到预测

上文介绍模型时我们总是将强调“分解”二字,想要强调的是,不论Barra 还是CAMP和Fama-French,都只是收益的解释模型,并不包含任何预测信息,套用陆游的名句,汝果欲做预测,功夫还在模型外。

前文均在截面上讨论,忽略了时间下标,将模型加入时间下标后的表示应该是:

要预测未来的股票收益,就需要知道未来的因子收益,从未来到未来,可见,模型本身并不提供预测。但模型的功用至少有三点:

一是,事后对取得的收益做分解和评价,毕竟如果不知道收益从何处而来,也会不知道今后收益为何而去;

二是,起降维的作用,从预测 n 只股票到只需预测 m 个因子的收益;

三是,找到合适的因子,考察因子的对应的纯因子组合的收益序列,避免了简单排序导致对其他因子的暴露,更能反映该因子的历史收益情况。

如果仅从形式上来说,将模型右侧的f^t1改为f^t0即构成一个看起来不错的预测模型:

这其实隐含了预测f^t1=^t0, 我们称这是一个朴素预测(Naïve Forecast),即“过去即未来”。在没有任何信息的情况下,这也是一种选择,但因子收益一般是轮动的,我们有理由追求更好的轮动模型,这是本系列报告将来会讨论的。

在“预测”的语境下,模型通常被写作:

另外,这种写法默认了组合是充分分散的,即组合的特异收益率为0 ,如果股票过少(例如只选择r^t1最大的10只股票),只能寄希望于模型无法解释的特异收益率和预测收益率同方向了,即多因子持股不适用于集中持股的策略。

由于模型和预测之间的鸿沟如此巨大,报告中提到模型时都避免使用“预测”的字样。

from:http://www.sohu.com/a/116236612_498792

QUANT[10]量化交易——因子暴露度,因子收益与模型相关推荐

  1. QUANT[6] 量化交易常见概念解析

    QUANT[1]:从零开始量化交易 - プロノCodeSteel - CSDN博客 QUANT[2]:量化交易策略基本框架搭建 - プロノCodeSteel - CSDN博客 QUANT[3]:量化交 ...

  2. QUANT[2]:量化交易策略基本框架搭建

    本文是量化交易教程的第二篇 (原文写的比较简单,编程的详解部分面向没有编程基础的人) QUANT[1]:从零开始量化交易 - プロノCodeSteel - CSDN博客 QUANT[2]:量化交易策略 ...

  3. Barra 结构化风险模型实现(1)——沪深300指数的风格因子暴露度分析

    米筐科技(RiceQuant)策略研究报告:Barra 结构化风险模型实现(1)--沪深300指数的风格因子暴露度分析 江嘉键 1 年前1 概述 Barra 结构化风险模型是全球知名的投资组合表现和风 ...

  4. 结构化风险模型----转:沪深300指数的风格因子暴露度分析(一)

    from: https://xueqiu.com/7381621247/73649418 1 概述 Barra 结构化风险模型是全球知名的投资组合表现和风险分析工具.最近一段时间,我们米筐科技量化策略 ...

  5. 股票量化交易策略:多因子筛选练习

    一.多因子筛选阶段介绍 1. 筛选阶段的任务 基本面数据因子(特征)如此之多,那么如何去找到对应的对股票收益率比较好的.并且能在未来一段时间给我们的选股收益率提供帮助. 2.挖掘因子的过程 我们可以大 ...

  6. 基准风险因子暴露度_具有性能基准SQL Server索引填充因子

    基准风险因子暴露度 In this article, we will study in detail about the how SQL Server Index Fill factor works. ...

  7. 量化交易 聚宽 多因子策略(市值, ROE)

    量化交易 聚宽 多因子策略(市值, ROE) # 导入函数库 from jqdata import *# 初始化函数,设定基准等等 def initialize(context):# 设定沪深300作 ...

  8. 16个掘金量化社区的热门话题送给各位Quant的量化交易干货

    原 16个掘金量化社区的热门话题,送给各位Quant的量化交易干货https://blog.csdn.net/myquant/article/details/80755581编者按语:         ...

  9. 如何通过通达信量化交易接口达到长期的收益?

    量化交易接口是根据编写软件系统,实时监控股市销售市场的买卖情况,并且设置可以设置一些标准,一旦销售市场的买卖状况达到了那些情况时,就可以全自动实行实际的操作,比如买进.售出等操作行为. 信量化交易接口 ...

最新文章

  1. L2-006. 树的遍历
  2. hdu1960 最小路径覆盖
  3. php56wmysql_centos6.5下使用yum完美搭建LNMP环境(php5.6)【Fizzday整理】
  4. k8s 多租户_k8s使用rbac实现多租户
  5. SpingBoot-Thymeleaf-bootstrapTable-分页之H5
  6. C语言函数最多有有多少个参数,C中子函数最多有几个形参
  7. [分享]Host文件的原理解释及应用说明
  8. 安徽关节式焊接机器人_上下料机器人的重要性体现在哪里?它有哪些优势?
  9. JavaScript get set方法 ES5/ES6写法
  10. 【Python3网络爬虫开发实战】 1-开发环境配置
  11. 艾宾浩斯记忆表格excel_考研干货 | 如何使用艾宾浩斯曲线帮助记忆知识
  12. 20050519:把机器拿到鸡兄那里去修了
  13. hive架构及使用场景
  14. ​Java面向对象的概念整理
  15. 去掉CSDN blog 多余的版权申明部分[转贴]
  16. 图解动软代码生成器使用(C#快捷生成代码)
  17. 规则引擎groovy
  18. python以写模式打开的文件无法进读操作_以写模式打开的文件无法进行读操作。...
  19. B bearBaby loves sleeping
  20. SRAM VS DRAM

热门文章

  1. redis,memcached
  2. ROP_Emporium_ret2csu
  3. 计算机房电磁辐射防护,计算机机房电磁波的防护要求
  4. js 点击a标签 获取a的自定义属性
  5. embedded linux arm,Embedded+Linux+For+Arm.ppt
  6. ERP销售人员快速上手
  7. 制作一个“生日快乐”App,来自程序员的生日礼物~
  8. Java代码转换成伪代码生成器_将一段java程序片段改成算法伪代码
  9. 编译优化之 - 向量化优化入门
  10. 组件服务 我的电脑 不可用解决办法