php股票波动率计算公式,因子选股系列:波动率因子的改进,异质波动率
在多因子选股体系中,波动率作为常用的技术面因子,与股票收益率呈现显著的负相关关系。本文对波动率因子进行了深入的剖析,主要研究一般波动率的改进方式,试图提高波动率的选股能力。一般波动率是股票涨跌幅的标准差。然而股票的市场表现都会受到市场风格或者因子的影响,股票涨跌幅可以分为两个部分:共同因素可解释的收益率(同质收益率)与异质因素驱动收益率(异质收益率)。受共同因素驱动的收益率是具有同质性、逻辑性和可解释性的,而受异质因素驱动的收益率是个股风险的集中表现,具有特殊性、复杂性并且难以进行解释。我们将异质波动率定义为某只股票在不同时期异质收益率的波动率,本文以Barra10因子模型为基础计算异质波动率。异质波动率容易与特质波动率相混淆,但两者存在根本性的差异,特质波动率是以因子收益率为解释变量并且通过时间序列回归得到的,异质波动率则是以因子值为解释变量进行横截面回归获取的。为了证明异质波动率显著优于一般波动率,我们对二者进行对比分析。从选股能力分析的结果来看,两者均与股票下期收益率负相关,但相比于一般波动率,异质波动率的选股能力更强,体现在异质波动率的分组收益率单调性更好,多头组合收益率更高,多空组合的表现完胜一般波动率,取得了25.83%的年化收益率,同时最大回撤率仅为12.82%。另外,从信息系数来看,异质波动率的IC值为-0.1000,IR值为-0.9585,而一般波动率的IC值为-0.0673,IR值为-0.4996。异质波动率与一般波动率具有非常高相关性,两者的相关系数约0.90。通过对两者互相正交并分析正交残差的选股能力,发现异常波动率不仅包含一般波动率的信息,而且能够提供一些关于股票价格的新信息。最后,本文计算了异质波动率和一般波动率的纯因子收益率,发现异质波动率的累积纯因子收益率在整个样本期都优于一般波动率,并且在2015年5月之后,异质波动率的累积纯因子收益率曲线变得更加陡峭,下降速度迅速增快,说明异质波动率与股票收益率的负相关性有所增强。综上,本文认为,在因子选股体系中,用异质波动率替代一般波动率有利于增强组合表现。
风险提示:本文的研究是基于对历史数据的统计和分析,因子的历史收益率不代表未来收益率。若市场环境发生变化,因子的最终表现可能发生改变。
php股票波动率计算公式,因子选股系列:波动率因子的改进,异质波动率相关推荐
- html三因子模型,因子选股系列:FAMA-FRENCH三因子模型的改进-从CH-3到CH-5
摘要 1.中国版FF 三因子模型:CH-3 Fama-French 三因子模型(FF-3)是因子选股理论基础之一,在金融市场有广泛的应用,但FF-3 在中国A 股市场并不十分有效.Liu,Stamba ...
- 初探多因子选股:多因子筛选与因子正交化
多因子筛选与因子正交化 引言 在多因子研究框架中,如果已经检验出多个有效的因子,而在实际因子选股的过程中,各个有效的因子可能会相互影响,而高度相关的两个有效因子,即使都有不错的获取alpha的能力,但 ...
- 多因子选股模型python_量化交易——因子选股、多因子选股策略
一.因子选股策略 1.因子 因子:选择股票的某种标准.因子是能够预测股票收益的变量. (1)基本面因子 基本面因子描述了一个公司的财务状况,最常见的基本面因子是由利润表,资产负债表以及现金流量表中的数 ...
- 量化交易——因子选股、多因子选股策略
一.因子选股策略 1.因子 因子:选择股票的某种标准.因子是能够预测股票收益的变量. (1)基本面因子 基本面因子描述了一个公司的财务状况,最常见的基本面因子是由利润表,资产负债表以及现金流量表中的数 ...
- 【量化资料】东方证券-因子选股系列研究(全套,持续更新~)
用心整理,全网最全,持续更新,免费分享,仅供学习. 链接:https://share.weiyun.com/G1T2FVlA 密码:iv7ey5
- 初探多因子选股:单个因子的有效性检验
单因子有效性检验 在多因子研究框架中,因子的有效性检验是不可避免的工作,其本质是衡量一个因子的选股能力,以下介绍笔者日常学习过程中摘下的几种有效性检验方法,以供日后使用. 本文将介绍目前学术界和业界普 ...
- python数据分析及可视化(十七)聚宽(双均线分析、因子选股策略、多因子选股策略、均值回归理论、布林带策略、PEG策略、权重收益策略)
聚宽 聚宽是一个做金融量化的网站,https://www.joinquant.com,登录注册,如果你写的文章.策略被别人采纳,增加积分,积分用于免费的回测时长.在我的策略,进入策略列表,里面有做好的 ...
- 多因子选股之有效因子
原 多因子选股之有效因子 什么是多因子选股? 玩股票的朋友的朋友应该很清楚,股市之道无外乎:选股.择时.仓控.精通任何一点都可以说在股市中所向披靡. 这次,我们从选股入手,来谈谈量化选股的基本&quo ...
- 量化投资之多因子选股(一):数据准备与单因子检验
文章目录 前言 系列文章 矢量化选股回测概述 要点1:数据格式 要点2:股票池 要点3:剔除ST股.停盘股.涨跌停 要点4: 仓位构建 要点5:回测 数据准备 单因子检测 样例 前言 本菜狗现在是哈工 ...
最新文章
- centos 6.8 编译安装git 2.11.0
- linux namespace 隔离内核资源的方式 简介
- 基于springboot多模块项目使用maven命令打成war包放到服务器上运行的问题
- 2020快手移动游戏行业玩家数据价值报告
- linux删除5天前文件和目录,Linux Shell命令定时删除指定目录下n天前的文件
- HTML和CSS代码片段快速编写方式(Emmet Documentation)
- 通用权限系统快速开发框架
- python程序代码大全-Python编程代码示例 - 全文
- Docker使用阿里云镜像加速
- oracle 查看用户配额,【Quota】获取及调整用户表空间配额方法
- 慕课静态页面制作周记
- Windows开启ftp服务-使用Xlight FTP Server
- win7如何设置wifi热点_mac如何共享网络?mac怎么建立wifi热点?
- 练习3-2,编写一个函数escape(s,t),将字符串t复制到字符串s中,并在复制过程中将换行符、制表符等不可见字符转换为\n、\t等相应的可见的转义字符序列。要求使用switch语句。
- Android 图片文件读取
- [JavaScript]使用opencv.js实现基于傅里叶变换的频域水印(隐水印)
- 一些关于SLG手游的想法
- PHP图片压缩到指定的大小
- File Upload(文件上传漏洞)
- 计算机视觉工程师装机软件一览
热门文章
- 局域网内终端设备观看电脑上的视频/图片
- VScode和SourceInsight,到底哪个看源码爽?
- Nordic nRF5 SDK 学习笔记之四, TWI (I2C) 总线
- JQuery,图片的放大和缩小
- Jenkins报Failed to remove prefix from file named
- 能闻到“银幕里的馄饨香”《小门神》用阿里云渲染好莱坞级特效
- 英语diamaund钻石diamaund单词
- Oracle的ERP系统中报表不好用?
- 0基础学习——了解操作符的那些事(一)
- 1.下架已上线的小程序;2.设置不允许被用户搜索到