最新三因子模型实证分析资料
新三因子模型及其在中证100的实证分析
罗小明
（吉水二中江西吉安 331600）
摘要：本文通过对FF-三因子模型的研究，并借鉴了国内外的研究成果，同时结合国内股市的具体特点，提出以下三个影响股票收益率因子：流通市值、市盈率、换手率。在FF-三因子模型的基础上，构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析。
关键字：三因子模型；流通市值；市盈率；换手率
资产定价是金融学的核心任务之一, 各种资产定价模型总是试图找出投资者在投资决策时的相关经济环境变量, 由这些变量来解释股票的收益差异。本文在FF-三因子模型的基础上，并借鉴了国内外的研究成果，同时结合国内股市的具体特点构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析，以便进一步认识中国股市的股票定价机理。
一．国内股市的特点
1、股本结构
我国上市公司的股本按投资主体的不同性质可以分为国有股、法人股、社会公众股和外资股等不同的类型。由于我国的股权分置，投资者在股票市场买卖的股票都是流通股。此情形下，我国上市公司股票市场价格是在非流通股不能上市流通的前提下所形成的供求平衡价格，这就隐含了这一价格大大高于在全部股流通条件下的市场均衡价格，而股票的市场价格并不是非流通股的价格，这对资产定价模型产生较大影响。
2、存在价格操纵者
近年来，我国股票市场上庄家、庄股之说，并且成为广大投资者、中介机构和有关媒体十分关注的话题。所谓庄家，实际上就是股价操纵者，而庄股就是股价被操纵的股票；虽然从法律角度看，操纵股价的行为是违反《证券法》的，但由于操纵股价能为操纵者带来巨额的超常收益，所以操纵行为禁而不绝。当然，这种操纵行为的出现和演变，具有独特的市场机制和外部环境渊源。
3、考虑交易费用和所得税的情形
在我国，股票交易的费用主要由两部分构成，即交易印花税和佣金，而且这两项都按交易金额的一定比例提取，此外还有过户费(上海股市)、交易手续费(上海股市)。从费率的角度看，目前印花税和佣金有所降低，交易费用有所下降；但考虑到其他费用的存在，我国的股票交易费用仍然偏高。另外，股票收益包括股票股息收入、资本利得和公积金转增收益组成，其中股息又分为现金股息、股票股息、财产股息等多种形式；目前，在我国仅对现金股息征税，而对资本利得和其它股息均未征税。对于大多数股票来说，由于股票收益率绝大部
分依赖于资本利得，不论是否考虑所得税因素，资产定价模型无明显差异；而对于极少数现金股息收益率高的股票而言，应考虑现金股息收益率及其税率的影响。
4、考虑卖空和借贷限制情形
我国的资本市场和货币市场基本处于分割的状态，对机构而言，虽然可以通过银行间拆借市场，、交易所和银行间国债回购市场以及股票质押贷款进行融资，但借贷利率之间存在较大利差；而对一般投资来说，借入资金是十分困难的；因此，总体而言，无风险收益率是不存在。加之缺乏做空机制，这样，零贝塔资产定价模型亦无法成立。
二．国内特色的三因子
鉴于国内股市的特点，本文借鉴国外的研究成果，同时结合国内股市具体情形，提出以下影响股票收益率因子：
1．流通市值
国外研究结果表明，公司规模即权益市值对股票的期望收益率具有较强的解释能力，两者之间呈现出一定的负相关关系，即所谓的规模效应。其实在我国，规模效应早己引起了投资实务界的广泛关注，但是关注焦点集中于上市公司的股本规模，尤其流通股的规模。近几年来，各种概念的炒作都与流通股本的大小密切相关；考虑到我国上市公司流通股本的规模差异悬殊，特别是早几年上市的公司，其流通股普遍偏小，为减少这种差异的影响，可以参照国外权益市值的方法，研究流通市值对资产定价模型的影响。
2．市盈率
市盈率是指在一个考察期内，股票价格与每股收益的比例。由于股票价值是未来各期股息收益的折现值，而股息又是来自公司利润，因此，利润的增减变化就成为影响股票价值以及股票价格最本质的因素。市盈率综合了投资的成本与收益的两个方面，可以全面地反映股市发展的全貌，因而在股价变化分析上具有重要价值。其不仅可以反映股票的投资收益，而且可以显示投资价值。
3．换手率
成交量通常是技术分析派研究股票价格未来走势的一个重要指标，可以在一定程度上反映股票的流动性和活跃程度。考虑到我国上市公司的股本规模差异较大，又有流通股和非流通股之分，可以采用反映成交量的相对指标，即换手率，用成交股的股数与流通股本之比来表示。
基于上述三个因子，再加上市场组合因子，在 Fama 和French(1993)提出 FF 三因子模型的基础上，提出两个新的资产定价三因子模型。
当存在无风险收益时，这两个新三因子模型的理论表示为：
123()[()]()()i f M f E R R a ER R a E SMB a E HBL -=-++， （1）
123()[()]()()j f M f E R R b E R R b E HAL b E HBL -=-++， （2）
市场化模型则表示为：
0123()i f M f i R R a a R R a SMB a HBL ε-=+-+++ ， （3）
0123()j f M f j R R b b R R b HAL b HBL e -=+-++++ ， （4）
其中：i f R R -、j f R R -分别为股票组合i 、j 的超额收益；M f R R -为市场组合M 超额收益；SMB 是小公司股票组合收益减去大公司股票组合收益；HAL 是高市盈率股票组合收益减去低市盈率股票组合收益；HBL 是高换手率股票组合收益减去低换手率股票组合收益；i ε、j e 为随机误差项；0a 、1a 、 2a 、3a 、0b 、1b 、2b 、3b 均为模型参数。
三．FF-三因子模型与新三因子模型实证分析
本文采用多元线性回归技术，用Excel 和SPSS 统计软件估计参数，并进行统计检验分析。数据来源“大智慧”软件，并经过送配和分红的还权处理。研究选取上证综指作为市场指数，对于市场无风险利率，我们采用样本期间一年期定期存款利率的算术平均所折算的周利率。选取中证100中的90支股票作为研究样本，样本期间为2005年4月—2008年10月。
在此我们对市场指数的选取和无风险利率的确定作一些解释。
1、市场指数的选取
由于实践中很难找到一个接近市场组合的市场指数，而不同的市场指数均导致不同的β估计值。借鉴国外文献市场指数的选取以及结合国内股市特点，选取上证综指作为市场指数能够较为准确地反映股市整体行情的变化和发展趋势，比较符合CAPM 所描述的市场组合。下面画出了上证综指在样本期的周收益率正态概率图。由图1可以看出图形为线性，因此可以认为上证综指在样本期的周收益率近似服从正态分布。本文选取上证综指较好。
0.01
0.02
0.05
0.10
0.25
0.50
0.75
0.90
0.95
0.98
0.99
Data P r o b a b i l i t y Normal Probability Plot
图1 上证综指在样本期的周收益率正态概率图
2、无风险利率的确定
在国内的同类文献研究中，在利用无风险利率的情形中，多以银行一年期活期存款利率代替，也有使用三个月定期存款利率的。本文考虑到中国股市在06-07年是大牛市，无风险利率采用样本期间一年期定期存款利率算术平均所折算的周利率。表1给出04-08年一年期定期存款利率的调整。
表1一年期定期存款利率的调整
具体组合构造过程如下：在每年4月末和10月末，分别根据上市公司所公布的上一年（t-1期）年报和本年中期报，对90只股票按照市值（ME）和账面市值比（BE/ME）划分出6个投资组合。具体操作为：对排序后的ME取中点，分出小（S）和大（B）两组；对排序后的BE/ME，取下30%和上30%的分界点将其分为低（L）、中（M）、高（H）三组；这样共形成2×3=6个投资组合。按这种方法形成的投资组合每半年调整一次，组合收益率是从组合构造日起6个月内的持有期收益率。
类似上述组合构造，对于模型（3），具体组合构造过程如下：在每年4月末和10月末，分别根据上市公司所公布的上一年的年报和本年中期报，对90只股票按照市值（ME）和换手率划分出6个投资组合。具体操作为：对排序后的ME取中点，分出小（S）和大（B）两组；对排序后的换手率，取下30%和上30%的分界点将其分为低（L）、中（M）、高（H）三组；这样共形成2×3=6个投资组合。对于模型（4），具体组合构造过程如下：对90只股票按照市盈率倒数和换手率划分出6个投资组合。具体操作为：对排序后的市盈率倒数取中点，分出小（S）和大（B）两组；对排序后的换手率，取下30%和上30%的分界点将其分为低（L）、中（M）、高（H）三组；这样共形成2×3=6个投资组合。形成的投资组合也是
7种量化选股模型
7种量化选股模型 1、【多因子模型】 2、【风格轮动模型】 3、【行业轮动模型】 4、【资金流模型】 5、【动量反转模型】 6、【一致预期模型】 7、【趋势追踪模型】 1、【多因子模型】 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 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，根据总分再对股票进行筛选。 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。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。
候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验， 具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n 个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2 个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体的冗余因子剔除步骤为： （1）先对不同因子下的n个组合进行打分，分值与该组合在整个模型形成期的收益相关，收益越大，分值越高 （2）按月计算个股的不同因子得分间的相关性矩阵； （3）在计算完每月因子得分相关性矩阵后，计算整个样本期内相关性矩阵的平均值 （4）设定一个得分相关性阀值 MinScoreCorr，将得分相关性平均值矩阵中大于该阀值的元素所对应的因子只保留与其他因子相关性较小、有效性更强的因子，而其它因子则作为冗余因子剔除。
基于Fama_French三因子模型的沪深300指数效应实证研究_范建华
2013年6月重庆工商大学学报(社会科学版)第30卷第3期Jun．2013Journal of Chongqing Technology and Business University(Social Sciences Edition)Vol.30NO．3 doi：12．3969/j．issn．1672-0598．2013．03．005 基于Fama-French三因子模型的 沪深300指数效应实证研究* 范建华，张静 （陕西师范大学国际商学院，陕西西安710062） 摘要：本文采用事件研究法研究了沪深300指数的指数效应，引入短期事件窗和长期事件窗分别考查了指数调入股票和调出股票的价格和交易量的市场反应。在研究股票的价格效应时，引用Fama-French三因素模型来计算股票的超额收益。实证研究发现，沪深300指数存在显著的指数效应，但是调出股票和调入股票的指数效应并不对称，调入股票的指数效应更为显著，符合市场分割假说。 关键词：指数效应;沪深300指数;Fama-French三因子模型 中图分类号：F830．91文献标志码：A文章编号：1672-0598（2013）03-0031-08 指数效应是指当某只股票被调入或者调出指数时，其价格和交易量的异常反应。一般来说，调入股票存在正的价格效应，调出股票存在负的价格效应；调入股票和调出股票在指数调整期间均会有正的交易量效应。指数效应的显著程度与指数的影响力及股票市场上指数基金的规模紧密相关。沪深300指数是我国第一只横跨沪深两市的统一指数，覆盖了沪深市场总市值的6成左右，具有良好的市场代表性。 一、文献综述 指数效应的研究起源于美国，Shleifer （1986）［1］、Harris和Gurel（1986）［2］最早发现S＆P500指数的成分股存在指数效应的现象。Shleifer（1986）研究了1976—1983年间S＆P500指数的调整成分股，发现从公告日到生效日，调入股票获得2．79%的异常收益率。Harris和Gurel （1986）对S＆P500指数1973—1983年间的调整成分股做了分析，发现宣布日后一天调入股票的异常收益率为3．13%，异常交易量比率为2．81%。Lynch和Mendenhall（1997）［3］发现在指数调整后，买入指数调入股票组合同时卖出调出股票组合可以获得5．45%的超额收益，他们认为指数基金是调入股票价格上升的直接原因，实施日之后，当指数基金完成投资组合的调整，股票价格便将恢复到原来的水平。Kappou、Brooks和Ward（2008）［4］再次证明在宣布日后一天和实施日当天，调入股票价格和交易量都有显著上涨。Green和Jame（2011）［5］通过对股票市场高频交易数据的研究，发现跟踪S＆P500指数的指数基金存在显著的策略性交易行为，即为避开实施日当天的价格压力放弃追踪误差最小化的基金管理目标，选择在实施日前后的一段时间内调整投资 *［收稿日期］2013-03-07 ［作者简介］范建华，男;陕西师范大学国际商学院副教授，硕士生导师。 张静，女;陕西师范大学国际商学院硕士生。
7种量化选股模型
【多因子模型】 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 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，根据总分再对股票进行筛选。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。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。 同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体的冗余
三因子模型实证分析
新三因子模型及其在中证100的实证分析 罗小明 （吉水二中江西吉安 331600） 摘要：本文通过对FF-三因子模型的研究，并借鉴了国内外的研究成果，同时结合国内股市的具体特点，提出以下三个影响股票收益率因子：流通市值、市盈率、换手率。在FF-三因子模型的基础上，构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析。 关键字：三因子模型；流通市值；市盈率；换手率 资产定价是金融学的核心任务之一, 各种资产定价模型总是试图找出投资者在投资决策时的相关经济环境变量, 由这些变量来解释股票的收益差异。本文在FF-三因子模型的基础上，并借鉴了国内外的研究成果，同时结合国内股市的具体特点构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析，以便进一步认识中国股市 的股票定价机理。 一．国内股市的特点 1、股本结构 我国上市公司的股本按投资主体的不同性质可以分为国有股、法人股、社会公众股和外资股等不同的类型。由于我国的股权分置，投资者在股票市场买卖的股票都是流通股。此情形下，我国上市公司股票市场价格是在非流通股不能上市流通的前提下所形成的供求平衡价格，这就隐含了这一价格大大高于在全部股流通条件下的市场均衡价格，而股票的市场价格并不是非流通股的价格，这对资产定价模型产生较大影响。 2、存在价格操纵者 近年来，我国股票市场上庄家、庄股之说，并且成为广大投资者、中介机构和有关媒体十分关注的话题。所谓庄家，实际上就是股价操纵者，而庄股就是股价被操纵的股票；虽然从法律角度看，操纵股价的行为是违反《证券法》的，但由于操纵股价能为操纵者带来巨额的超常收益，所以操纵行为禁而不绝。当然，这种操纵行为的出现和演变，具有独特的市场机制和外部环境渊源。 3、考虑交易费用和所得税的情形 在我国，股票交易的费用主要由两部分构成，即交易印花税和佣金，而且这两项都按交易金额的一定比例提取，此外还有过户费(上海股市)、交易手续费(上海股市)。从费率的角度看，目前印花税和佣金有所降低，交易费用有所下降；但考虑到其他费用的存在，我国的股票交易费用仍然偏高。另外，股票收益包括股票股息收入、资本利得和公积金转增收益组成，其中股息又分为现金股息、股票股息、财产股息等多种形式；目前，在我国仅对现金股息征税，而对资本利得和其它股息均未征税。对于大多数股票来说，由于股票收益率绝大部
多因子量化选股模型建立及优化
多因子量化选股模型建立及优化 股市在不断的变化,所以从目前来看,不断探讨哪些指标在量化选股中更为有效,是具有现实意义的。这也是本文研究工作开始的初衷。 在整个研究过程中,保持数据的严谨性、中立性、数据处理方法的科学性对于研究结论的准确性来说至关重要。本文首先构建了一个比较全面的候选因子库,通过对候选因子数据进行异常值、缺失值、标准化、市值中性化、行业中性化等一系列的处理之后,本文对候选因子进行有效性检验及再筛选,最终认为 RP_TTM(净利润TTM/总市值)、BP_LF(净资产TTM/总市值)、operete_profin gr_TM(营业利润增长率TTM)、sales_gr_TTM(营业收入增长率)、BOOK_LEVEL(账面杠杆)、stock_to market_volatility(个股与市场波动率比值)、 REV_LAST1M_MAX(近一个月日收益率最大值)、RSI(相对强弱)等八个因子是较为有效的因子。 在得出有效因子之后,本文利用打分法来构建八因子选股模型,回测区间选定为2016年1月至2019年4月。通过对模型的回测,我们发现本文构建的八因子模型相比于沪深300,有着较为稳定的超额收益。 在整个回测时间段内,八因子模型的总收益为41.02%,年化收益为11.07%。相比于基准的收益情况,八因子模型相对总收益为32.28%,年化平均超额收益为8.92%。 为了深入研究,我们对原有模型进行优化,优化方案为“在利用八因子模型进行正式选股之前,首先以增长率-经营活动产生的现金流量净额(TTM)指标对股票池进行初步筛选”。通过对优化八因子模型进行回测,我们发现加入增长率-经营活动产生的现金流量净额(TTM)指标优化后的八因子模型回测表现更好。
最新 基于多因子模型的量化选股分析-精品
基于多因子模型的量化选股分析 随着中国资本市场复杂程度日渐加深和规模日益庞大，投资品种和数量与日俱增，无论是个人或是机构投资者所拥有的投资渠道与投资方法也在逐渐增多。量化投资作为一种来自海外资本市场的先进技术，在海外资本市场中受到了广泛追捧，著名的西蒙斯与大奖章基金便是利用了量化投资技术，于1989~2007年间获得了高达38.5%的平均年收益率。中国的量化投资发展虽仍在起步阶段，、金融学、科学相结合的优势来寻求超额收益。据统计显示，截至2016年10月，中国公募基金中共有48支基金以“量化”命名，其中长信量化先锋基金（519983），申万菱信量化小盘股票基金（163110）与大摩多因子策略混合基金（233009）等均表现出色，具有较高的年化收益率。而无论是在个体投资或是基金投资中，多因子选股模型均是较为广泛的量化模型之一。本文基于多因子模型策略，利用2011~2015年的数据对投资过程中的常用因子进行有效性检验，并使用有效因子构建基本多因子模型，根据假设创造性地使用简单打分法构建投资组合，基于2014~2016年的历史数据进行实证分析，为广大一般投资者提供了一种简单可行且收益率超过市场表现的投资策略。最后结合行业轮动效应与面板数据的多元回归分析对基本模型进行了深化与修正，创新性地提出了基于多因子模型的更多投资策略，也为较深层次的理论研究者提供了思路与数据参考。 一、文献综述 关于量化投资选股策略的研究涉及许多方面，常见的包括多因子模型、风格轮动模型、动量反转模型、趋势追踪模型等。对于多因子模型，最重要的环节便是有效因子的选取。大多数论文对于有效因子的选取通常采用因子评分法，此方法最早由Piotroski（2000）提出，常见操作为：将股票池中的股票按N个候选因子的大小依次排序，按照每个排序选取排名靠前的股票等权重构建N个极端的股票组合持有到期末，计算N个组合的平均收益率并与基准的指数收益率进行比较，用此方法能成功获取alpha收益组合所使用的排序因子即为有效因子[1]。另外一种方法则是回归法，通过计量模型求得单个因子对股价波动的贡献与显著性。丁鹏曾在其《量化投资——策略与技术》一书中使用1997~2006年的历史数据对常用的因子进行了有效性检验
三因素模型
一、经济背景 CAPM曾一度是资产定价的主要依据，引发了很多学者对其的实证检验。但是从结果来看，期望收益与市场beta并不相关，CAPM也便遭到了人们的质疑。 正是在这种对传统单因素beta资产定价的挑战下，出现了异象研究。 异象研究：人们发现，股票的平均收益与上市公司的财务特征相关，公司特征对截面收益的解释往往比传统单因素beta模型更加有力。 之后，人们进行了分析。 有的学者就提出，规模效应，size effect，小公司的股票平均收益率高于大公司股票。 还有的学者就提出，账面市值比效应，B/M effect，高账面市值比的股票比地账面市值比的股票有显著高的收益率。 除此之外，还有例如D/E债务权益比效应，E/P盈余价格比效应之类的解释。 二、B/M effect 学术界对于各种异象的研究主要集中于“BM 效应”产生的原因,即为什么高BM 的股票比低BM 的股票具有更高的收益。目前,主要有如下四种观点: 1.有的学者认为B/M 效应只是特定样本在特定检验期内才存在,是数据挖掘的结果。通俗来说，它就是个概率事件，样本局限性：选择性偏差造成BM 效应的存在。但肯尼思·弗伦奇等人通过检验美国之外的股市或拉长检验期后,仍发现B/M 效应显著存在,从而否定了此种解释。 2. 第二种观点(Fama 和French ,1992 ,1993 ,1996) 认为,B/M 代表的是一种风险因素———财务困境风险。具有困境的公司对商业周期因素如信贷条件的改变更加敏感,而高B/M 公司通常是盈利和销售等基本面表现不佳的公司，财务状况较脆弱,因此比低BM 公司具有更高风险。可见,高B/M公司所获得的高收益只是对其本身高风险的补偿,并非所谓不可解释的“异象”。—三因素模型前身。 同时，为了验证自己的结论并不是由于样本选择的原因，他们从国际股票市场的角度进行了考察，发现B/M效应在覆盖四大洲的13个主要国家的股票收益中同时出现，证明了这一现象并不仅局限于美国，否认了B/M效应的质疑。 3. 第三种观点认为,B/M 效应的出现是由于投资者对公司基本面过度反应造成的。高B/M 公司通常是基本面不佳的公司,因此投资者对高B/M公司的股票价值非理性地低估;低B/M公司则是基本面较好的公司,因此投资者对低B/M 公司的股票价值非理性地高估。可见,投资者通常对基本面不佳的公司过度悲观,对基本面优良的公司过度乐观。当过度反应得到纠正后,高BM 公司将比低BM 公司具有更高的收益。 4. 第四种观点也就是特征模型。 (Daniel 和Titman ,1997) 也认为BM 和SIZE 不是风险因素, 实际上,BM 和SIZE 代表的是公司的特征,简称“特征因素”—其代表投资者偏好,并决定收益的高低，而仅仅是特征本身决定了股票的预期收益率。 高B/M 公司由于基本面较差而价值被低估,故称“价值股”;反之,低B/M 公司由于基本面较好而价值被高估,故称“成长股”。 由于投资者偏好于持有基本面较好的成长股,而厌恶持有基本面不佳的价值股,结果导致高B/M 公司具有较高收益。 本文重点主要在论述三因素模型，并与特征模型进行了比较，证明了三因素模型的优势。 三、对三因素模型论述。 第一部分主要是在风险模型中对整体市场，公司规模以及价值溢价的一个整体说明。
FF三因子模型风险因子的有效性检验-最新文档
FF三因子模型风险因子的有效性检验 一、引言众所周知，在资本市场中风险和收益是一对相互依存的变量，即一般而言，高风险会带来较高的收益。风险收益对等的原则是资本市场运作的规则，也是每个投资者必须遵守的定律。从而如何权衡风险和收益之间的关系则是投资者必须面临的问题，也是理论界研究的重点。因此，作为金融理论研究重点之一的风险定价问题一直受到学者们的关注。回顾研究历程可发现，对于股票风险和收益之间的关系的研究可以追溯到最早的CAPM莫型，该模型基于有效市场假说，将B系数视作衡量风险的唯一因子。但是，在随后的研究中发现B系数和回报率之间有不契合的地方，即出现了种种异象。仅仅通过B系数来解释股票回报率略显单薄。Banz( 1981)小公司效应的提出以及Fama French (1992)的研究拓展了最初的CAPMI型，使得度量风险的因子由最初的B系数扩展到B系数、规模、账面市值比三因子。但是，随着资本市场的发展与完善，该模型的适用性是否还成立，对于这一问题国外学者莫衷一是。我国学者延续了国外的研究范式，将CAPM在我国特有的制度环境下利用我国资本市场的数据进行了CAPMI型有效性检验，随后国外学者通过对种种异象的捕捉，拓展了CAPMI型，形成三因子模型。我国学者也随之对拓展后的三因子模型在我国的有效性进行了实证检验。但是由于样本数据以及相关研究方法的差异，至今尚未得出一致的结论。本文立足于我国特有的股票市场，通过对沪
深两市2001-2011 年数据进行大样本实证检验，试图通过大样本数据的验证来探究我国衡量资本市场风险定价的因子以及其相互之间的关系。 二、文献综述 （一）国外文献资本资产定价的研究最早可以追溯到1952 年美国经济学家马克维茨发表的《资产组合选择》。该文详细论述了如何进行金融资产的组合以分散投资风险，并实现收益最大化，资本资产投资理论自此兴起。60 年代初，证券估值方法成为金融学家们研究的热点，这一阶段最为典型的研究成果是资本资产定价模型。1967年由美国学者夏普（Sharp）、林特尔 （Lintner ）、特里诺（Treynor ）、莫辛（Mossin ）等人提出的资本资产定价模型一一CAPM模型，自建立以来在实务界就得到了广泛的关注与应用，在现代金融市场价格理论的研究中，也一直占据着重要的地位。回顾众多验证性文章，其中对于CAPM模型的经典实证检验是Fama和Macbeth （1973）进行的，他们研究的独特之处在于试图在前一期估计的风险变量基础上预测投资组合未来的收益率，平均收益率和B系数成正相关关系。虽 然CAPM莫型在现代金融领域占据着重要地位，也得到了大量的实证数据验证，但是至今该模型也一直接受着来自理论界和实务界的研究挑战与检验。挑战的主流是种种异象的产生，实务中发现B系数和回报率之间有不契合的地方，即出现了种种定价异 象。定价异象说明了，导致股票高收益率的原因不仅仅只有B
多因子选股策略经典梳理
多因子选股策略经典梳理 股市之道无非三点：1择时，2选股，3 仓控。精通这 三点中的任何一点，都足以在股市中所向披靡。但是精通二 字何其艰难。 在量化选股策略中。多因子策略作为一个主要武器，被各种 公募基金和私募基金长期使用（小编注：国内策略同质化相 当严重，本文仅作为交流探讨推荐）。在此我们为不熟悉多 因子的各位朋友梳理一下不同风格的因子，以及他们的有效 性。 股价是由资金推动的（上涨为正向推动，下跌为反向推动）。但是影响资金进入和推出的因子确实千千万万，有基本面 的，有消息面的，有人看国家政策，有人看分析师预测，有 人听朋友介绍，有人跟风大V等等不一二足。 下面我将从9大类33个因子来给各位逐一分析。首先给出 在长时间来看表现优秀的因子。 1、规模因子，小市值效应。（推荐指数5颗星）。 在国内外不管是成熟市场还是我国的不成熟市场，小市值效 应一直存在。并且小市值的逻辑也很清晰，市值越小被操纵 的可能性就越来大，推动的估价上涨的资金需求就越小。试 用注意事项（震荡市或牛市表现优秀，下跌市跌幅大幅快于 大盘---牛市买小股，熊市进蓝筹）2、动量反转因子。（推荐
指数5颗星） 前一个月的涨跌幅度的反转效应明显。长得多了当然要跌， 跌得多了当然要涨，均值回归远离。这个其实和我们所说的 补跌补涨类似，从长期来看如果牛市来了，大家都会涨，只 不过有的先涨，有的后涨；熊市来了大家一块跌（贪婪与恐 惧的典型表现） 3 、交投因子，即换手率因子。（推荐指数4颗星） （我们选取一个月日均换手率）。换手率高的后面表现的貌 似都不佳（但经过测算新股和次新股貌似并不适用）。逻辑依然很清晰，长期换手率高，总让人觉得有点出货的嫌疑， 不是么？4、预测因子。（推荐指数5颗星） 预测当年主营业务收入增长率（平均值）。预测收入增长但 是是利好了，预测收入增长越高，利好越高。不是么，逻辑 依然清晰。这个因子在万德等软件上有统计，各位可能不太 容易获得。因子包括9类，规模因子，估值因子，成长因子，盈利因子，动量反转因子，交投因子，波动率因子，分析师 预测因子。 1.规模类因子。包括：总市值，流通市值，自由流通市值 2.估值类因子。包括：市盈率（TTM），市净率，市销率，市现率，企业价值倍数 3.成长类因子。营业收入同比增长率、营业利润同比增长率，归属于母公司的近利润同比增长率、经营活动产生的现金流
量化多因子选股简论(下)
太极量化多因子选股模型简论B 第二：因子的选取 候选因子的选取 （一）大数据因子搜索数据因子，搜索频率因子，搜索关键词因子，关注度因子，大众情绪因子等。其中搜索数据因子影响较为显著。 （二）规模因子通过对给定时间内（时间为为6年）市场的分析，不管是从总市值、还是流通市值和自由流通市值看，A股市场存在较为显著的小盘股效应。市值较小股票构造的组合整体上大幅超越沪深300指数，也**优于总市值较大股票构造的组合。规模因子（总市值、流通市值、自由流通市值）是影响股票收益的重要因子，其中总市值因子最为显著。 （三）估值因子通过6年内市场的分析，整体上来说，从市盈率、市净率、市销率、市现率、企业价值倍数等估值指标看，估值较低的股票组合表现较好。估值较低股票构造的组合整体上超越沪深300指数，也优于估值较高股票构造的组合。估值因子（市盈率、市净率、市销率、市现率、企业价值倍数）是影响股票收益的重要因子，其中市盈率（PE,TTM）因子最为显著，其次是市现率（PCF,TTM）。 （四）成长类因子，营业收入同比增长率、营业利润同比增长率，归属于母公司的近利润同比增长率、经营活动产生的现金流金额
同比增长率。 （五）盈利因子通过对时间内市场的分析，整体上来说，从净资产收益率、总资产报酬率和销售毛利率等盈利性指标看，盈利能力较强的股票组合表现较好。盈利能力较强股票构造的组合整体上超越沪深300指数，也优于盈利能力较弱股票构造的组合。但销售净利率较高股票构造的组合表现反而较差，落后于沪深300指数，也落后于销售净利率较低股票构造的组合。盈利因子（净资产收益率、总资产报酬率、销售毛利率）对股票收益的影响不是特别显著，其中净资产收益率指标较为显著。 （六）股东因子户均持股比例、、户均持股比例变化、机构持股比例变化。其中机构持仓比例变化影响较为显著。 （七）分析师预测因子分析师预测因子（预测当年净利润增长率、预测当年主营业务收入增长率、最近1个月预测净利润上调幅度、最近1个月预测主营营业收入上调幅度、最近1个月盈利预测调高占比、最近1个月上调评级占比）是影响股票收益的重要因子，其中最近1个月净利润上调幅度是最为显著的正向因子。（八）动量反转因子通过对时间内市场的分析，整体上来说，A 股市场上存在较为显著的反转效应，从前1个月涨跌幅、前两个月涨跌幅、前3个月涨跌幅、前6个月涨跌幅看，前期涨幅较小的股票组合表现较好，而前期涨幅较大的股票组合表现较差。前期涨幅较小的股票构造的组合整体上超越沪深300指数，也优于盈前期涨幅较大的股票构造的组合。动量反转因子（前1个月
法码三因子模型检验
一?样本股票的选取 本次选取的股票是上交所挂牌交易的三只股票，分别为： ①宁波港（601018） ②中国神华（601088） ③浦发银行（600000） ④海信电器（600060） 二?数据选择（数据为日收益率） 数据采用2013年1月1日至2014年6月30日的日数据，分别为日个股收益率、日风险溢价率、日无风险利率、日SMB和日HML。此期间共有357个交易日，为保持数据的统一性，本次选取了其中的346个数据。 三.参数估计使用Eviews7.2对三因子模型中的三个系数进行估计，使用最小二乘法。四?估计结果 三只股票的FF三因子方程分别为： R1-Rf=0.666*RMRF+0.916*SMB+ HML R2-Rf=0.0965*RMRF-0.652*SMB+0.077*HML R3-Rf=1.140*RMRF+0*SMB+0.837*HML R4-Rf=1.24*RMRF+0.41*SMB-0.82*HML 回归结果见附表五?计算结果 根据四个方程求出四只股票的理论收益率，分别为： R1=0.666*（-0.0002）+0.916*0.0009+0=0.0007912 R2=0.0965*（-0.0002）-0.652*0.0009+0=-0.0005 R3=1.140*（-0.0002）+0+0=-0.000128 R4=1.24*（-0.0002）+0.41*0.0009-0+0.0001=0.000221 其中RMRF为-0.0002即在此阶段内市场组合收益率低于无风险利率 SMB 为0.0009 HML 为0 在此阶段内股票的实际日平均收益率分别为： R1= -0.000015 R2=-0.001175 R3=0.000011 R4=0.00008235 六?结果分析 第一只股票宁波港被低估 第二只股票神华股份被低估 第三只股票浦发银行被高估 第四只股票海信电器被低估 通过eviews计算历史数据得到矩阵： 1111 1.080.97 1.14 1.24 0.66-0.650.090.41 ?1.370.080.84-0.82
7种量化选股模型
7种量化选股模型
业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 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，根据总分再对股票进行筛选。 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。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011 年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动
等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验， 具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n 个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2 个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体
行业轮动多因子选股模型及投资效果实证分析
行业轮动多因子选股模型及投资效果实证分析量化投资因其非凡的业绩表现引起了投资者的广泛关注,在过去的40年里颠覆了传统的投资哲学,被誉为“投资界的革命”。随着计算机技术的高速发展,该模式得到了更加迅速的进步和发展。许多把量化策略作为主要投资技术的资产管理公司已经发展成为同行中的佼佼者,这也说明了量化投资理念已经深入人心,量化投资技术渐渐成为主要的投资方法之一虽然我国在量化投资方面开始较晚,起点较低,且在量化投资策略研究、开发工具人才及交易技术等方面相较于国际水平比较落后,但是通过各方努力,已经在迅速发展了且取得了不错的成绩。根据统计资料可知,到2014年上半年为止我国资本市场上已有超过200只私募量化基金、87只公募量化基金和将近200只券商理财量化产品,去除大量小型化专户理财和有限合伙人投资企业等,这些量化产品管理着近千亿元人民币。 从量化产品占理财资金的比例和资本市场上现有量化策略方法的多少、量化投资思想的普及和认可度等多个角度都可以看出量化投资在我国有着非常大的发展空间。作为资本市场发展的必经阶段,量化投资也是市场有效性不断进步和发展的一种趋势。本文构建了多因子选股模型和行业轮动多因子选股模型,并采用沪深300指数成分股数据进行实证分析,实证结果表明文中构建的多因子选股模型和行业轮动多因子选股模型均可战胜沪深300指数表现,并且从多方面证明了行业轮动多因子选股模型的投资效果要好于多因子选股模型。文中第二章主要介绍了国内外量化投资的发展、经济周期的相关概念与货币周期的划分,从经济逻辑上论证了行业轮动策略的有效性及行业周期性非周期性划分依据,详细地说明了多因子选股模型的构建步骤。 第三章是对第二章中阐述的方法原理的实证检验。由实证结果可得,无论是战胜基准的概率还是信息比率和累计收益率,行业轮动多因子选股模型都好于多因子选股模型。在实证过程中还发现,行业轮动多因子选股模型优于多因子选股模型的关键之处在于当经济处于收缩阶段时非周期性行业的风险防御效果较好。
多因子选股模型
多因子选股模型
————————————————————————————————作者: ————————————————————————————————日期：
多因子模型是应用最广泛的一种选股模型,基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入,不满足的则卖出。基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上,那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员,获得超越平均成绩的可能性较大。多因子模型的原理与此类似,我们只要找到那些对企业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上,第二是在如何用多因子综合得到一个最终的判断。 一般而言,多因子选股模型有两种判断方法，一是打分法，二是回归法。 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,根据总分再对股票进行筛选。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。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。
例如：在20１1年１月１日,选取流通市值最大的50支股票，构建投资组合,持有到２011年底，则该组合可以获得1０％的超额收益率。这就说明了在2011年这段时间,流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的,可以选择其他的因子，例如可能是一些基本面指标,如 PB、ＰE、EＰS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。 同样的持有时间段，也是一个重要的参数指标,到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如:可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序,并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建ｎ个组合并持有到月末，每月如此,一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法,同样的可以隔N个月检验,比如2个月,3个月,甚至更长时间。还有一个参数是候选组合的数量,是50支,还是100支，都是非常重要的参数。具体的参数最优的选择,需要用历史数据进行检验。
量化选股系列报告之六：基于纯技术指标的多因子选股模型
证券研究报告 | 金融工程 量化投资基于纯技术指标的多因子选股模型 2014年4月11日——量化选股系列报告之六 样本内各策略累计超额收益 资料来源：聚源数据、招商证券 样本外各策略累计超额收益 资料来源：聚源数据、招商证券 综合策略与沪深300收益 资料来源：聚源数据、招商证券 相关报告 《量化选股因子测试系列报告之 五－基于股票风格特征的量化评 分模型》2011/8/1 传统的多因子选股，主要考虑使用价值、成长、质量以及市场等四大类因子， 采用打分模型，构建月度选股策略。本报告尝试仅使用技术指标构建多因子选 股策略。在本报告中主要考察超买超卖型和趋势型指标的月度选股效果。 ?技术指标选股策略构建框架：在对单个技术指标测试时，使用优化后的参 数计算相应指标。为避免空仓月份较多的问题，提出以相对价格方式。在 考虑多个指标叠加的问题上，本文尝试：指标等权叠加、个股阈值限制、 资金等权分配以及个股多倍权重共四种方法检验模型效果。 ?趋势型指标死叉组合优于金叉组合：无论在哪种价格下，趋势型指标金叉 组合月均超额收益和累计超额收益几乎均为负，反而死叉信号给出组合这 两者基本为正值。显示股票反转效应更为明显：在趋势性指标给出买入信 号后的一个月时间，股价很可能已经反转，并且反转效应大于之前的动量 效应，导致持有金叉组合收益为负。因此基于反转效应，在处理趋势型指 标的问题上本文以死叉信号作为构建Top组合的依据。 ?样本内策略表现：在综合价格下以综合策略Ⅱ为例，样本内月均超额收益 为1.79%，月胜率在65%左右，年化信息比率达1.47。若以年化信息比率、 月均超额收益为评价标准，该方法具有明显优势。因此本文选择综合价格 下的综合策略Ⅱ作为样本内建模。 ?样本外策略检验：策略依然保持着相对于沪深300稳定的优势。过去15 个月沪深300收益率为-15%左右，而同期综合策略Ⅱ累计收益11.09%， 超额收益达26%左右，月均超额收益为1.85%，年化信息比率为1.57。 ?整体收益特征分析：综合策略Ⅱ与沪深300月收益的相关系数高达 92.36%，由此来看二者相关性非常显著。从回归方程的结果来看，相对于 沪深300的β系数为1.07，略大于1；α为1.13％，显著大于0。此外值 得注意的是，回归方程的拟合优度R 为0.853，拟合效果非常好。 ?未来可改进的方向：1、可以考虑以滚动5年作为样本内进行参数优化，并 用接下来1年作为样本外测试，构造动态选股模型；2、可在中证500、中 证800乃至全市场股票池中验证本文提出的选股策略效果；3、继续挖掘其 他类型指标。 陈军华 0755-******** chenjh2@https://www.wendangku.net/doc/e015439194.html, S1090513080001 罗业华 0755-******** luoyh@https://www.wendangku.net/doc/e015439194.html, -14% -12% -10% -8% -6% -4% -2% 0% 0% 50% 100% 150% 200% 250% 300% 350% 回撤超买超卖型趋势型 综合策略Ⅰ综合策略Ⅱ
CAPM模型与三因素模型的实证分析
CAPM模型与三因素模型 的实证分析 ——基于上证指数 专业2011级金融学 姓名王兴海 学号2011300040126 一CAPM模型实证分析
1、数据选取 在市场因素中，本文以铜峰电子（600237）为例，选取其2005年2月到2012年2月各月度数据。数据均来自CSMAR数据库，其中市场因素选取上证A股指数来代替。 2、模型设定及回归分析 设检验形式为：Ri=αi+βi RMX+εi ，其中ri为个股月收益率，RMX为上证a股指数月收益率。 用eviews软件对结果进行一元回归，结果如下所示： 对结果进行分析，发现可决系数R-squared约为0.351927，表明该股票月
收益率变化的35.1%可由上证a股指数收益率的变化来决定。从t检验和f检验值看，其p值均为0.0000，在5%的显著性水平下不能拒绝该变量系数拟合值。 二多因素模型实证分析——基于Fama-French模型的分析 1、数据选取 在多因素（Fama-french）模型中，我随机抽取了上证交易所的10股票，选取其2005年2月到2012年2月的每月收益率数据。其中市场因素选取月度上证A股指数的收益率减去无风险收益率的值来代替。数据均来自CSMAR数据库。分析结果如下图： 2、模型设定 三因素模型检验形式如下：Ri=αi+bi (RM-RF)+si SML+hi HML+ε,其中ri 为个股收益率，在此我们选为所选组合平均月收益率；rm-rf=RMX为市场收益率减无风险收益率，在此我用“上证A股指数月收益率减无风险收益率”代替，其中无风险收益率考虑到我国的实际情况，我选择用“银行三个月定期存款利率”来代替。SML为低市值与高市值组合收益率之差，HML为高账面市值比与低账面市值比组合收益率之差。 3、回归分析 用eviews进行回归分析结果如图所示:
多因子选股
多因子选股 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 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，根据总分再对股票进行筛选。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。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。 同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。