
多因子量化選股模型的篩選和評(píng)價(jià):打分法與回歸法
多因子選股模型在模型搭建中,往往會(huì)涉及到非常多的股價(jià)影響因子,并可能導(dǎo)出數(shù)量極多的備選模型。因此,對(duì)于多因子選股模型的評(píng)價(jià)和篩選,就顯得尤為關(guān)鍵。對(duì)于專業(yè)的量化投資人而言,就需要進(jìn)一步了解多因子選股模型的兩種主要的評(píng)價(jià)判斷方法——打分法和回歸法。
1、打分法的評(píng)價(jià)原理和流程
所謂打分法,就是根據(jù)各個(gè)因子的大小對(duì)股票進(jìn)行打分,然后按照一定的權(quán)重加權(quán)得到一個(gè)總分,最后根據(jù)總分再對(duì)股票進(jìn)行篩選。對(duì)于多因子模型的評(píng)價(jià)而言,實(shí)際通過(guò)評(píng)分法回測(cè)出的股票組合收益率,就能夠?qū)溥x的選股模型做出優(yōu)劣評(píng)價(jià)。
打分法的優(yōu)點(diǎn)是相對(duì)比較穩(wěn)健,不容易受到極端值的影響。但是打分法需要對(duì)各個(gè)因子的權(quán)重做一個(gè)相對(duì)比較主觀的設(shè)定,這也是打分法在實(shí)際模型評(píng)價(jià)過(guò)程中,比較困難和需要模型求取的關(guān)鍵點(diǎn)所在。
進(jìn)一步從打分法的流程來(lái)看,多因子選股模型的建立、評(píng)價(jià)和改進(jìn)流程,大致可以分為4個(gè)步驟:
此外,對(duì)于量化選股打分法,專業(yè)人士還提示指出,一方面,多因子選股模型中有的因子會(huì)逐漸失效,而另一些新的因子可能被驗(yàn)證有效而加入到模型當(dāng)中;另一方面,一些因子可能在過(guò)去的市場(chǎng)環(huán)境下比較有效,而隨著市場(chǎng)風(fēng)格的改變,這些因子可能短期內(nèi)失效。在這種情況下,對(duì)綜合評(píng)分選股模型的使用過(guò)程中,需要對(duì)選用的因子、模型本身做持續(xù)的再評(píng)價(jià)和不斷的改進(jìn)以適應(yīng)變化的市場(chǎng)環(huán)境。除此之外,在計(jì)算綜合評(píng)分的過(guò)程中,除了各因子得分的權(quán)重設(shè)計(jì)之外,交易成本和風(fēng)險(xiǎn)控制等因素,也同樣需要予以綜合考量。
2、多元線性回歸簡(jiǎn)介
所謂回歸法,就是用過(guò)去的股票的收益率對(duì)多因子進(jìn)行回歸,得到一個(gè)回歸方程,然后再把最新的因子值代入回歸方程得到一個(gè)對(duì)未來(lái)股票收益的預(yù)判,然后再以此為依據(jù)進(jìn)行選股,并對(duì)選股模型的有效性和收益率進(jìn)行評(píng)價(jià)。
回歸法的優(yōu)點(diǎn)是能夠比較及時(shí)地調(diào)整股票對(duì)各因子的敏感性,而且不同的股票對(duì)不同的因子的敏感性也可以不同。回歸法的缺點(diǎn),則是容易受到極端值的影響,在股票對(duì)因子敏感度變化較大的市場(chǎng)情況下效果也比較差。
在線性回歸分析中,如果有兩個(gè)或兩個(gè)以上的自變量,就稱為多元線性回歸。因此,通過(guò)多元線性回歸對(duì)多因子選股模型進(jìn)行評(píng)價(jià),也能夠得到一個(gè)直觀的股票組合收益率結(jié)果,同時(shí)能夠有效評(píng)價(jià)該選股模型的優(yōu)劣。
從數(shù)學(xué)的角度來(lái)說(shuō),假設(shè)因變量Y(預(yù)期收益率)是自變量X1,X2,X3..Xk(候選因子)的線性函數(shù),用方程來(lái)表示就是:
Yi=β0+β1X1i+β2X2i+...+βkXki+εi
其中,Yi表示因變量(被解釋變量)的第i個(gè)觀測(cè)值,而Xki則是第k個(gè)自變量(解釋變量)的第i個(gè)觀測(cè)值,是自變量Xk的系數(shù),εi是第i組觀測(cè)值的殘差項(xiàng)。在金融領(lǐng)域,β0有時(shí)候會(huì)寫(xiě)成α,該方程來(lái)表示也可以寫(xiě)作:
Yi=α+β1X1i+β2X2i+...+βkXki+εi
在此之中,多元線性回歸通常采用普通最小二乘法(OLS)進(jìn)行估計(jì),普通最小二乘估計(jì)法的思路是改變?chǔ)?,β1,β2,...,βk,使得殘差的平方和最小。
從回歸法的流程來(lái)看,多因子選股模型的建立、評(píng)價(jià)和改進(jìn)流程,大致可以分為6個(gè)步驟:
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10