多因子选股之策略的现

版权声明:无情不似多情苦,一寸还成千万缕。 https://blog.csdn.net/RedeLego/article/details/89454679

原 多因子选股之策略的实现

经过前两篇文章,我们把多因子选股策略三大步骤:因子的选取,检验,冗余因子剔除等介绍了一遍,接下来这一篇将利用已经得到的结论,完成最后一步,策略的实现。

我们根据前两篇文章的内容,我们选取以下因子来构建策略:TAGRT,ROEANNUAL,SHTLIABTOTLIABRT,PB

其因子的有效性图如下,股票池为“IT指数”成分股。

0_1534905233320_图片1.png

0_1534905258673_图片2.png

0_1534905278671_图片3.png
0_1534905305647_图片4.png

策略构建:

基本思路:我们按照一定排列规则,将所有股票排序,并选取排名最前或最后的股票,买入,每月换仓一次。

排列规则:

由上面几张图可以看出,四种因子都具有正向性(因子值越大,股票收益越大),我们的想法是将这四种因子加和,值越大的,说明股票预期收益越高。当然,我们需要先将数据标准化

我们有两种加和方案:

1、等权值加和,我们用K表示每个因子权值,V表示每个因子的值。

即:SCORE=KV1+KV2+…KVN

2、非等权加和,我们用K表示每个因子权值,V表示每个因子的值。

即:SCORE=K1V1+K2V2+…KNVN

我们根据每种因子的收益波动率(数据来源于《多因子选股之有效因子》),确定每种因子权值。

如下表:

0_1534905647972_616.jpg

回测参数声明:

时间:2018-01-01至2018-08-01
调仓频率:1月
基准指数:IT指数(SZSE.399239)
股票池:IT指数(SZSE.399239)成分股
滑点:0.0001
手续费:0.0001

以下是两种方案的回测对比
第一种加和方案

0_1534905712966_图片1.png

第二种加和方案

0_1534905754700_图片2.png

0_1534905868208_617.jpg

总结:

我们基于17年的历史数据,选出了四种因子来构建多因子策略,在排序规则中,我们分别讨论了两种方案,并分别测试。可以看出,每种方案都跑赢了基准,这说明我们的因子是有效的。方案二的收益率大于方案一的,说明加入波动率因素,会使股票的选取更加“准确”,更容易选出具有超额收益的股票,但这要牺牲一定的收益稳定性。

PS:领取多因子选股源码加微信号:myquant2018(备注:策略)

来源:掘金量化      作者:经纬量化 宋瑞笛    转载请注明出处!

关联阅读文章:

1.多因子选股之有效因子 https://www.myquant.cn/community/topic/690

2.多因子策略之冗余因子 https://www.myquant.cn/community/topic/695

----------------------------------------------------------------------------------------------

推荐阅读:

网格交易策略(附策略源码与收益图) https://www.myquant.cn/community/topic/548/2
指数增强策略 https://www.myquant.cn/community/topic/527
日内回转交易策略 https://www.myquant.cn/community/topic/526
跨期套利策略 https://www.myquant.cn/community/topic/525
跨品种价差套利策略 https://www.myquant.cn/community/topic/524
集合竞价选股 https://www.myquant.cn/community/topic/523
基于EV/EBITDA倍数估值法的Alpha对冲策略 https://www.myquant.cn/community/topic/522
行业轮动策略 https://www.myquant.cn/community/topic/521
海龟交易法则 https://www.myquant.cn/community/topic/520

《算法导论 第三版英文版》_高清中文版

《深度学习入门:基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程:从入门到实践》_高清中文版

《Python科学计算》_高清中文版

《深度学习入门:基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程:从入门到实践》_高清中文版


猜你喜欢

转载自blog.csdn.net/RedeLego/article/details/89454679