python多因子量化选股模型_多因子量化选股模型的筛选和评价:打分法与回归法...
多因子选股模型在模型搭建中,往往会涉及到非常多的股价影响因子,并可能导出数量极多的备选模型。因此,对于多因子选股模型的评价和筛选,就显得尤为关键。对于专业的量化投资人而言,就需要进一步了解多因子选股模型的两种主要的评价判断方法——打分法和回归法。
1、打分法的评价原理和流程
所谓打分法,就是根据各个因子的大小对股票进行打分,然后按照一定的权重加权得到一个总分,最后根据总分再对股票进行筛选。对于多因子模型的评价而言,实际通过评分法回测出的股票组合收益率,就能够对备选的选股模型做出优劣评价。
打分法的优点是相对比较稳健,不容易受到极端值的影响。但是打分法需要对各个因子的权重做一个相对比较主观的设定,这也是打分法在实际模型评价过程中,比较困难和需要模型求取的关键点所在。
进一步从打分法的流程来看,多因子选股模型的建立、评价和改进流程,大致可以分为4个步骤:
2017-7-11 14:33:59 上传
下载附件 (180.56 KB)
此外,对于量化选股打分法,专业人士还提示指出,一方面,多因子选股模型中有的因子会逐渐失效,而另一些新的因子可能被验证有效而加入到模型当中;另一方面,一些因子可能在过去的市场环境下比较有效,而随着市场风格的改变,这些因子可能短期内失效。在这种情况下,对综合评分选股模型的使用过程中,需要对选用的因子、模型本身做持续的再评价和不断的改进以适应变化的市场环境。除此之外,在计算综合评分的过程中,除了各因子得分的权重设计之外,交易成本和风险控制等因素,也同样需要予以综合考量。
2、多元线性回归简介
所谓回归法,就是用过去的股票的收益率对多因子进行回归,得到一个回归方程,然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判,然后再以此为依据进行选股,并对选股模型的有效性和收益率进行评价。
回归法的优点是能够比较及时地调整股票对各因子的敏感性,而且不同的股票对不同的因子的敏感性也可以不同。回归法的缺点,则是容易受到极端值的影响,在股票对因子敏感度变化较大的市场情况下效果也比较差。
在线性回归分析中,如果有两个或两个以上的自变量,就称为多元线性回归。因此,通过多元线性回归对多因子选股模型进行评价,也能够得到一个直观的股票组合收益率结果,同时能够有效评价该选股模型的优劣。
从数学的角度来说,假设因变量Y(预期收益率)是自变量X1,X2,X3..Xk(候选因子)的线性函数,用方程来表示就是:
Yi=β0+β1X1i+β2X2i+...+βkXki+εi
其中,Yi表示因变量(被解释变量)的第i个观测值,而Xki则是第k个自变量(解释变量)的第i个观测值,是自变量Xk的系数,εi是第i组观测值的残差项。在金融领域,β0有时候会写成α,该方程来表示也可以写作:
Yi=α+β1X1i+β2X2i+...+βkXki+εi
在此之中,多元线性回归通常采用普通最小二乘法(OLS)进行估计,普通最小二乘估计法的思路是改变β0,β1,β2,...,βk,使得残差的平方和最小。
从回归法的流程来看,多因子选股模型的建立、评价和改进流程,大致可以分为6个步骤:
2017-7-11 14:34:47 上传
下载附件 (97.35 KB)
阅读原文:http://t.cn/RKI6PxA
python多因子量化选股模型_多因子量化选股模型的筛选和评价:打分法与回归法...相关推荐
- lr模型和dnn模型_建立ML或DNN模型的技巧
lr模型和dnn模型 机器学习 (Machine Learning) Everyone can fit data into any model machine learning or deep lea ...
- 网页怎么预先加载模型_使用预先训练的模型进行转移学习
网页怎么预先加载模型 深度学习 (Deep Learning) 什么是转学? (What is Transfer Learning?) Transfer learning is a research ...
- 全面理解java内存模型_深入理解Java内存模型(八)——总结
处理器内存模型 顺序一致性内存模型是一个理论参考模型,JVM和处理器内存模型在设计时通常会把顺序一致性内存模型作为参照.JVM和处理器内存模型在设计时会对顺序一致性模型做一些放松,因为如果完全按照顺序 ...
- 怎么做 空间杜宾模型_面板数据空间杜宾模型
4.3.1 模型及估计 (1) 无固定效应模型 当SAR和SEM模型在一定的显著性水平下同时成立时,我们需要进一步考虑面板数据空间杜宾模型,即解释变量的空间滞后项影响被解释变量时,就应该考虑建立空间杜 ...
- fluent p1模型_干货 | ANSYS Fluent燃烧模型简介
燃烧是一种相当复杂的化学反应,通常还伴随着流体流动.离散相颗粒扩散.传热.污染物产生等多种物理情况.为尽可能详细仿真多种化学反应,ANSYS Fluent提供了多种化学反应模型如EDC,EDM,PDF ...
- seq2seq模型_对话生成:seq2seq模型原理及优化
更多干货内容敬请关注「平安寿险PAI」(公众号ID:PAL-AI),文末有本期分享内容资料获取方式. 人机对话作为人机交互系统的核心功能之一,发挥着十分重要的作用.目前,生成式的人机对话存在内容把控性 ...
- utxo模型_墨客UTXO和account模型 |技术教程
来源:雪球App,作者: 一笑奈何君,(https://xueqiu.com/9803210374/134555099) 在当前区块链世界中,主要有两种记录保存方式,UTXO 模式(Unspent T ...
- python量化选股策略_牛刀小试-小市值选股策略
选股是每个炒股者都会经历的过程.可以通过资金选股系统了解资金流向,加强判断趋势:对个股评级,验证自己选择股票的优劣:善于利用工具可以更轻松地选股,同时也要多了解行业动态各方面的信息. 如何利用量化交易 ...
- python绘制太阳系模型_画一个太阳系的模型
1 .画一个太阳系的模型? 2 .地球公转对地球有什么影响? 3 .摆在摆钟里是怎样工作的?摆在摆钟里起到了什么作用?人们为什么会选择摆作为摆钟 的控制核心?摆的快慢与那些因素有关? 4 . Xx 家 ...
最新文章
- linux @webserviceclient 访问超时_Linux系统调优
- 使用Maven管理Spring
- 实现俄罗斯方块遇到的问题及游戏下载
- io python_python学习笔记 - StringIO以及BytesIO
- 巨人网络李东旭:关于提高游戏流畅性的那些事
- 只想安安静静地敲完一段代码
- Pycharm / IDEA 局部搜索功能,调试时搜索变量值,或是搜索文件名等局部搜索方法
- Sublime Text3插件管理
- 共享库方案解决WAS中JAR包冲突
- 用Java实现圆锥的体积公式_圆锥的体积公式及其推导
- Office、excel、word卡死(或卡顿后自动恢复)的解决方案
- mysql tidb 删除延迟_TiDB DM踩坑实践总结
- 概率统计学习笔记(9)——连续型:均匀分布、指数分布
- 程序员应该学什么语言
- 关于m3u8转MP4的几种情况
- 九十年前到江西(2009-06-09)
- 欢迎 V 的到来:简书新浪微博联合认证公告
- 解决问题:The server time zone value ‘�й���ʱ��‘ is unrecognized or represents more than one time zone.
- 递归算法的时间复杂度的分析方法
- 清华学姐熬了一个月肝出这份32W字Linux知识手册,在 Github标星31K+
热门文章
- QTP的键盘鼠标录制
- 计算机应用基础徐海英教案,计算机应用基础教参(徐海英双色版)….doc
- 智能社 Javascript之Node.Js-经典全套教程(价值300元)
- ThinkServer RD640 设置RAID1
- [转]REBOL脚本快速入门
- nba2k14mod android,NBA2K14 最完整的07-08赛季大补
- 浏览器还可以这么玩哈哈
- android消息推送标准,标准统一 安卓告别垃圾消息推送
- python3 题解(47 定义有理数类)
- java umeditor使用_在java项目中使用umeditor