精华内容
下载资源
问答
  • 中国三大证券报电子版地址

    千次阅读 2007-09-04 13:13:00
    中国三大证券报电子版地址,方便大家查阅信息中国主要的三个证券报都有电子版,更新也都比较及时,手头没有报纸的可以在网上直接查阅,也很方便。起的早了,报纸没到手也可以先在网上看 《上海证券报》 ...
    中国三大证券报电子版地址,方便大家查阅信息

    中国主要的三个证券报都有电子版,更新也都比较及时,手头没有报纸的可以在网上直接查阅,也很方便。起的早了,报纸没到手也可以先在网上看

    《上海证券报》   http://www.cnstock.com/   左上角第一个“上证电子版”

    《中国证券报》 http://www.cs.com.cn/   点左上角第二个“今日报纸”

    《证券时报》   http://www.p5w.net/p5w/home/stime/today/ 点击进入后直接就是更新了的当日报纸

    《上海证券报》和《中国证券报》的内容都有分为“版面导航”和“标题导航” ,版面导航可以按照版面设计查看内容,右面会有版面名称,直接点击即可查看。标题导航是把所有报纸的标题列出,方便大家快速查找感兴趣的内容。《证券时报》的电子版样式是文章列表,点击查看即可,相当于“标题导航”。

    更新时间:

    《上海证券报》 《中国证券报》 一般情况下在早上7:00以前基本都更新完了,会换成当日的内容。偶尔也会有更新很晚的情况,大家在查看的时候一定要注意日期。

    《证券时报》更新的相对晚一些,不过一般8:30左右也是可以更新完的,有时候可以看到页面已经完全是当日的内容标题了,但只是能看到标题,无法进行点击查看内容,这是因为他们还没最后上传完毕,等待一会刷新看看或许就可以看了。

    希望对大家有用,省点买报纸的散碎银两:) 
    展开全文
  • XX证券报提问了几个关于物联网和物联网操作系统的问题,个人表达了一些粗陋的观点,在这里发表出来,与行业朋友交流和探讨。

    XX证券报提问了几个关于物联网和物联网操作系统的问题,个人表达了一些粗陋的观点,在这里发表出来,与行业朋友交流和探讨。

    物联网行业最需要解决的问题是什么?

    虽然物联网这个行业被炒得比较热,但是截至目前,还未形成一个被广泛认可的成功示范案例,也未形成一种被广泛认可的模式,包括商业模式和技术模式。个人认为,造成这种状态的原因,就是缺乏标准。这里的标准,不是指某个具体的技术标准,比如蓝牙和zigbee技术标准等,也不是硬性的国家标准,而是某种柔性的,能够最大限度满足未来需要,能够广泛应用到物联网的各种场景中,同时又能够把各种场景有机结合起来,形成一个宏大体系的东西。具体这是个什么东西,目前来说谁也说不清楚,否则就不缺乏了。

    为了更形象的说明这个问题,可以举几个例子。比如个人计算机,之所以能够在几十年的时间里快速发展,最终酝酿出信息技术革命,最根本的因素就是其有一个标准的体系架构,即IBM兼容机体系架构。既然架构是标准的,那就意味着可批量生产,众多PC生产厂家涌现出来,为信息革命提供了物质基础。同时,架构是标准的,那么寄生在上面的软件,也是一脉相承的,能够通过不断迭代和完善,达到一个很高的高度。试想,如果个人计算机的硬件架构一直变化,那么微软公司可能一直忙着适配各种各样的不同硬件,现在估计还停留在DOS阶段,根本无暇去开发和升级windows操作系统,甚至早就被拖垮了。

    另外一个例子,就是移动互联网的Android操作系统。在Android出来之前,包括芯片和集成电路,显示屏等,实际上与今天的水平差别不大,移动网络的体系架构也非常稳定和科学,也与现在没有本质差别,但就是没有形成今天的移动互联网浪潮。其原因就是没有一套标准可遵循。有很多公司,基于Linux内核开发出了性能和美观程度不亚于今天的Android的手机操作系统,但就是不能大规模推广,因为基于它开发的应用程序不可移植,只能在开发时所在的固定手机型号上运行,同时缺乏一种应用分发手段,这样就无法形成聚合效应。但是Android就通过Java语言的平台无关性和应用市场,成功的解决了这些问题。说白了,就是Android提供了一套标准,推动了移动互联网的发展。

    当前的物联网领域,就是缺乏类似的标准。这种标准是无法预知的,因此无法预先制订,只能通过实践去发现,去探索。个人认为,物联网操作系统是一个很好的探索方向。如果能够在操作系统层面形成一套模式,那么必然会引爆物联网革命。

     

    物联网市场的竞争点是什么?

    我个人认为,物联网行业成熟以后,核心竞争点仍然是服务。整个行业成熟以后,组成物联网的硬件将高度标准化,就像目前的个人计算机一样。而支撑物联网运行的基础软件,都将是开源的。因此物联网的硬件和软件市场,都不会存在太高的进入壁垒,都会是完全竞争的市场,其利润水平非常薄,这是由市场规律决定的。

    真正产生竞争力的,还是构筑在标准物联网硬件和软件上的服务。比如,对于智慧医疗来说,安装在用户家里或随身携带的各类医疗器械和终端,都是非常标准的。但是却存在多个提供医疗服务的服务商,这些服务商从医疗终端上采集数据进行分析,给用户提供合理的健康生活建议,对于潜在的病患者,会及时联系合适的医疗资源提前干预。可以看出来,哪个服务商能够提供更好的医疗建议,能够更早的发现隐患,能够聚集更好的医疗资源应对隐患,哪个服务商就能够胜出。比拼的是服务,以及支撑服务的整个资源体系。

    但是在到达这种成熟的状态之前,当前最迫切的工作,就是尽快探索出物联网的一套标准,为物联网的发展壮大提供土壤。

     

    ARM也推出了操作系统,为什么不被看好?

    我个人也不太看好ARM的mbed,因为这不是ARM的核心战略方向。ARM的核心战略方向是芯片,其推出mbed的目的,是为了更好的销售其芯片。潜在的理念就是,在物联网领域,芯片仍然是中心,操作系统只是配角,是为芯片服务的。这显然偏离了物联网的最核心初衷。

    个人的观点是,物联网行业,服务才是核心,不论是硬件还是软件,还是物联网平台,都是为用户服务的,都要以用户为中心,都要追求用户的体验和价值。在这种理念下,操作系统应该围绕用户需求去开发,聚焦用户价值去开发,而用户的需求或者用户的价值是随时变化的,因此物联网操作系统的开发组织应该是全身心的投入,心无旁骛,牢牢把握用户的需求,并在最快的时间里实现用户需求。

    因此,方向背道而驰,又不能全力以赴,不被看好是正常的。但是,对于ARM的芯片能力,一直是得到业界尊重的。站在一个开发者角度上,对ARM的殷切希望就是,聚焦优势领域,力出一孔,把芯片做好,为物联网提供最好的控制中枢。

     

    基于物联网操作系统的商业模式可能有哪些?

    我不认为物联网操作系统本身可以赚钱,相反,物联网操作系统应该完全免费,完全开源。对于系统软件,个人一直持有的一个观点就是,越是基础的软件,越应该开源。纵观整个开源行业,也会发现这种规律。最早是linux操作系统开源,逐渐发展到数据库开源,比如MySQL,然后又发展到中间件开源,比如各类SOA类平台。在传统的软件领域,由于软件系统非常复杂,同时硬件设备又非常标准,在这两个前提下,有很多基于开源软件提供技术服务的公司,也可以很好的生存,比如RedHat。

    但是到了物联网时代,我个人不看好基于开源软件提供服务的模式。物联网的操作系统可能非常复杂,但是运行它的硬件,却非常碎片化,小到只有几K内存的传感器,大到可以跟个人计算机比美的复杂硬件平台,比如家庭网关。在这样的形势下,企业很难形成足够的经验和积累,来支撑软件服务,因为你面对的目标硬件太多。不像传统企业市场,都是Intel,都是Cisco,都是IBM。

    但并不是说物联网操作系统没有商业模式,相反,依托物联网操作系统,可以衍生出巨大的商业机会。比如参考Android的模式,操作系统本身是免费开源的,但是缺省内置对Google搜索服务和gmail服务的支持,这样就会形成一个巨大的入口,对自身的核心业务形成巨大的差异化优势。再比如说,传统硬件厂商可以依托开源的物联网操作系统,把自己的硬件驱动嵌入进去,只要用户使用了物联网操作系统,那么就可以实现对自己的专有硬件的“即插即用”,这样可大大提升硬件的销售份额。

     

    上述仅仅代表个人观点,不一定正确,欢迎业界同行指导和讨论。欢迎加入QQ群讨论:38467832

    展开全文
  • 20210528-上海证券-2021年A股市场中期策略展望:退一步海阔天空.pdf
  • 华泰证券人工智能系列研 1-36 ,金融工程机器学习入门
  • 天风证券-ICT研.pdf

    2020-05-14 09:48:12
    ICT行业投资宝典,行业领头羊一网打尽,了解行业公司的必读文献。数据中心业务推动英伟达业绩大 超预期,持续看好 云计算
  • 国联证券:2019年.PDF
  • 天风证券海外研.rar

    2021-07-16 16:40:54
    对天风证券海外研系列185篇进行规整。
  • 钴锂观察系列报告之三:Mutanda矿即将停产,钴供需格局或将反转.pdf
  • 英皇证券:2018_2019年.PDF
  • 20210903-天风证券-银行业半年综述:解读历史最佳中报季.pdf
  • 20210516-招商证券-证券行业2020年及一季总结:市场高景气度运行,行业高质量发展.pdf
  • 天风证券科创板研

    2021-03-24 20:08:03
    1 月末,证监会发布《关于在上海证券交易所设立科创板并试点注册制的实施意见》,其他 主要和配套文件征求意见稿也相继出炉。3 月 1 日晚间,证监会发布《科创板首次公开发 行股票注册管理办法(试行)》。结合...
  • 20210507-渤海证券-证券行业2020年&2021年一季业绩综述:2021Q1业绩分化,低估值具备较强安全边际.pdf
  • 英皇证券:2019_2020年.PDF
  • 中国证券报信息化平台建设的目标是:加强信息搜集和内部共享能力,提高信息透明度、准确性和发布的效率;充分利用信息检索和挖掘分析,提供高增值信息服务;面向企业、投资机构和个人信息交流需求,拓展中介和商务...
  • 20210417-长江证券-投资银行业与经纪业行业:证券行业2020年综述,越过山丘,转型在即.pdf
  • 20210509-东吴证券-计算机行业2020年和2021一季总结.pdf
  • 最近发现特质波动率因子选股效果不错,于是按照东方证券的思路做了一些研究。研究发现该因子确实有显著的选股能力,并且在CAPM、Fama-French三因子、Carhart四因子、Fama-French五因子这四个模型中,Fama-French...

    最近发现特质波动率因子选股效果不错,于是按照东方证券研报的思路做了一些研究。研究发现该因子确实有显著的选股能力,并且在CAPM、Fama-French三因子、Carhart四因子、Fama-French五因子这四个模型中,Fama-French三因子和Carhart四因子的特质波动率因子选股能力最好。该因子虽在多头部分表现略逊于流通市值因子,但在多空方面表现明显强于流通市值因子,也说明特质波动率因子具有很好的选股区分能力,并且在空头部分有良好的风险警示作用。

    特质波动率简介

    海外和国内股票市场都发行过很多低波动指数,该类指数通常用一段时间收益率的标准差来衡量股价的波动,长期来看表现优于对应的基准指数。股价的波动很大一部分是由市值、估值等一些公共的市场风险因子引起,剔除掉这些公共因素后的剩余波动称为个股的“特质波动”,由个股的自身特性决定。我们的研究发现A股市场也有“特质波动率之谜”现象,即低特质波动的股票,未来预期收益更高。

    >>> 研究文献

    CAPM(Sharpe,1964)认为,当资本市场是完美的无摩擦市场时,公司的特质风险可以通过分散化投资抵消,因此特质风险与公司的预期收益率无关。

    Levy(1978)理论上证明了投资者不能充分分散化投资时,特质风险对资产价格有影响。

    Merton(1987)在不完全信息的基础上建立了一个一般均衡模型,该模型表示投资者所获得的信息是有限的,其构造的组合无法完全分散特质风险,投资者对这部分特质风险要求更高的回报,因此特质波动率与股票的预期收益率成正相关关系。

    Ang、Hodirck、Xing & Zhang(2006)以美国的股票数据为样本,通过三因素模型残差项的标准差来度量股票特质波动率,发现股票特质波动率与横截面预期收益存在显著的负相关关系,而且这种现象不能由公司规模、账面市值比、动量、流动性、公司财务杠杆、交易量、换手率、价差、协偏度、分析师预测分歧程度等因素解释。

    AHXZ(2009)将数据范围从美国市场扩展到23个发达国家,同样发现了这种负向关系。

    特质波动率(Idiosyncratic Volatility, IV)与预期收益率的负向关系既不符合经典资产定价理论,也不符合基于不完全信息的定价理论,因此学术界称之为“特质波动率之谜”。

    >>> 风险的分解

    风险分解的逻辑如下:股票的收益率可以被一组公共因子和一个仅与该股票相关的特异因子解释,由公共因子的不确定性所导致的风险普遍存在于市场中的股票中,而由股票特质因子不确定性所导致的风险仅与个股相关。

    假设股票 i 的超额收益可以按以下方程线性分解:

    ri(t)——股票 i 从时刻 t 到时刻 t+1 的超额收益率(收益率减去无风险收益率);

    Xik(t)——时刻 t 时,股票 i 对因子 k 的暴露度;

    bk(t)——因子 k 从时刻 t 到 时刻 t+1 的因子收益率;

    ui(t)——股票 i 从时刻 t 到 时刻 t+1 的特异收益率(idiosyncratic return),及总收益率中不能被公共因子解释的部分。特异收益率的波动率就是我们要研究的特质波动率(idiosyncratic Volatility, IV)

    进一步假设残差收益率与因子收益率不相关,那么股票 i 的风险结构为:

    Vi——股票超额收益率的方差;

    Fk1k2——因子k1和因子k2之间的收益率协方差;当k1 = k2即为因子 k 的收益率方差;

    △i——股票 i 的特质方差,即特质收益率的方差。

    股票的风险结构方程将股票的总体风险分为公共因子风险、因子协同风险以及特质风险。公共因子风险和因子协同风险是所有股票共有的风险,但不同股票由于对各个公共因子的暴露度不同会有所不同,公共因子风险对总风险的贡献一定为正,因子协同风险对总风险的贡献可正可负,当公共因子互不相关时因子协同风险为零。特质风险衡量的是股票自身所特有的风险,与公共因子波动带来的风险不相关,与其他股票的特质风险也不相关。然而特质风险不能被实际观察到,在实际应用中特质风险的度量依赖于公共因子的选择,不同的的公共因子组合会估计出不同的特质收益率,从而会有不同的特质风险度量。

    构建股票风险结构方程的艺术在于公共因子的选择。遗漏掉重要的公共因子会忽视重要的风险维度,不利于对股票风险结构的把握,同时忽视的公共因子所带来的风险(因子自身的风险及与其他因子的协同风险)被错误的归为特质风险,从而使得特质风险的度量失真。纳入冗余的因子会给模型的估计带来困难、模型误差增大,冗余因子的存在对股票风险的归因也会造成不客观的结果。

    >>> 特质波动率的度量

    参考研报选择,我们分别根据资本资产定价模型CAPM、Fama-French三因子模型、Carhart四因子模型、Fama-French五因子模型,从四个维度度量特质波动率,具体定义如下。

    1.基于CAPM的特质波动率 IVCAPM

    在 t 日,利用股票 i 过去一个月内的日收益率数据按一下方程对市场日收益率进行回归:

    MKTt——市场因子,通过市场指数的日收益率度量。市场指数是有上市满3个月的全部A股每月月底按流通市值加权构建的全收益指数,下同。

    特质波动率 IVCAPM 通过以上回归结果的残差项的年化标准差来度量:

    资本资产定价理论认为,股票的超额收益率取决于其对市场因子的暴露。β值越大,对市场因子的暴露度越高,预期收益率越高。股票的超额收益率是对承担市场风险的补偿。

    (T取243,代表1年内交易日天数)

    2.基于Fama-French三因子模型的特质波动率 IVFF3

    在 t 日,利用股票 i 过去一个月内的日收益率按一下方程对 Fama-French(1993)的三因子数据进行回归:

    SMBt——市值因子,每月月底取流通市值最小的1/3只股票按流通市值加权构建小市值股票组合,取流通市值最大的1/3只股票按流通市值加权构建大市值股票组合,小市值组合日收益率和大市值组合日收益率的差即为市值因子,下同。

    HMLt——市值因子,每月月底取流通估值最低(账面市值比 BM 最高,市净率 PB 最低)的1/3只股票按流通市值加权构建低估值股票组合,取股指最高的1/3只股票按流通市值加权构建高估值股票组合,低估值组合日收益率和高估值组合日收益率的差即为估值因子,下同。

    特质波动率 IVFF 通过以上回归结果的残差项的年化标准差来度量:

    Fama-Frence 认为股票的超额收益率并不能完全由市场因子风险解释,股票的市值规模和估值水平对股票收益率也有很强的解释能力。这三个因子总体来说可以解释股票绝大多数的收益特征。

    基于 Fama-Frence 三因子模型的特质波动率 IVFF 在 IVCAPM 的基础上剔除了由于市值因子和估值因子不确定带来的共有风险。

    3.基于Carhart四因子模型的特质波动率 IVCARHART

    在 t 日,利用股票 i 过去一个月内的日交易数据按一下方程回归:

    MOMt——动量(反转)因子,每月月底取前1个月累计收益率最小的1/3只股票按流通市值加权构建输者股票组合,取前1个月累计收益率最大的1/3只股票按流通市值加权构建赢者股票组合,输者组合日收益率和赢者组合日收益率的差即为估值因子。

    特质波动率 IVCARHART 通过以上回归结果的残差项的年化标准差来度量:

    Carhart(1997)认为 Fama-French 三因子模型并不能解释动量和反转相应带来的超额收益,在 Fama-Frence 三因子的基础上加入的动量因子构建了四因子模型。

    基于 CARHART 四因子模型的特质波动率 IVCARHART 在 IVFF 的基础上提出了由于动量因子波动带来的公共风险。

    4.基于Fama-French五因子模型的特质波动率 IVFF5

    在Fama-French三因子模型的基础上加入盈利水平因子RMW和投资水平因子CMA,分别以ROE数据和总资产年增长率来度量,其选股及后续处理方式与之前模型里的SMB、HML因子保持一致。

    特质波动率有效性检验

    因子有效性的检验一般基于两个维度:

    1.计算因子值与接下来一段时间(一般为1个月)的累计收益率的相关系数,即信息系数IC,通过考察相关系数的大小和显著性等方面研究因子的有效性;

    2.根据因子大小分组构建投资组合,通过分析不同组合的业绩表现来考察因子的有效性。

    本文关于特质波动率有效性的检验也基于这两个维度。

    >>> IC检验

    我们利用前1个月的日频数据分别拟合CAPM、Fama-French三因子、Carhart四因子、Fama-French五因子模型,四个模型残差的年化标准差即为四种特质波动率的观察值IVCAPM、IVFF3、IVCARHART、IVFF5。为了剔除计算相关系数过程中因子时间序列波动的影响,我们在计算相关系数之前先在横截面上对因子进行了Z-score标准化处理。标准化之后各期因子均有相同的均值和方差,剔除了因子时间序列上变化的影响。计算IC时选用的是spearman秩相关系数计算特质波动率因子值和个股收益率之间的相关性。利用2005年1月至2015年8月的所有样本点我们计算所得到的相关系数如下表所示。(表中流动市值对数和账面市值比BP作为业内常用的表现较好的对照因子。均值为样本期全部IC的均值;若某期IC相关性p值小于0.05,则称其为显著的,正\负显著比例即为显著的正\负IC占全样本的比例;IR为IC均值除以IC标准差,代表因子有效性的稳定性,其绝对值越大越稳定)

    从因子IC指标角度来讲,横截面标准化后的特质波动率和股票未来的超额收益率有显著的负相关关系,IVFF3与超额收益的负相关程度最大,IC均值绝对值和IR绝对值也是最大。因此从IC角度来看,IVFF3为表现最好的特质波动率因子。

    >>> 分组回测

    我们基于多个特质波动率指标分组构建等权组合,考察各个组合的业绩表现。

    回测时间段:2005年1月 – 2015年8月

    调仓时点:每月的最后一个交易日

    样本空间:每个调仓时点的样本空间为剔除当时上市时间不足3个月、ST、*ST全部A股

    分组方法:每个调仓时点根据因子从小到大的顺序将样本空间内的非停牌股分为10组,分布记为第1组(top组合)、第2组、…、第10组(bottom组合),每组股票数量基本相等

    组合加权方法:等权重

    基准组合:市场等权组合,即每月将样本空间内所有股票等权构建的组合

    结果显示:低的特质波动率意味着高的超额收益,IVFF3和IVCARHART超额收益的绝对水平和单调性均优于其他特质波动率测度。其中IVCARHART多空超额收益略优于IVFF3,但差别不大。(蓝色柱代表第1组的超额收益、橙色柱为第10组的超额收益、绿色柱为两组超额收益差值,从左到右分别为流通市值,CAPM、FF3、CARHART、FF5)

    该因子虽在多头部分表现略逊于流通市值因子,但在多空方面表现明显强于流通市值因子,也说明特质波动率因子具有很好的选股区分能力,并且在空头部分有良好的风险警示作用。

    特质波动率IVFF历史分组表现

    下面简单展示一下表现较好的IVFF历史十分组表现,可以看出其具有优良的选股区分能力和单调性。

     

    十分组年化超额收益

     

    十分组夏普比率

     

    小结

    复现结果显示IVFF3和IVCARHART均具有优良的区分选股能力,IC角度上IVFF3稍优于IVCARHART,分组回测角度上IVCARHART多空表现略胜一筹,但两种角度上相差均不大,因此这两种特质波动率均可作为该因子的代表。(与研报IVFF3均略占优势稍有不同)


    点击【阅读原文】,查看完整代码~

    展开全文
  • 20210506-平安证券-2020年年报及2021年一季业绩综述:疫情后的盈利新分化.pdf
  • 20210501-德邦证券-深挖财报之2020年&2021一季业绩分析:挖掘二级行业“遗珠”.pdf
  • 20210506-国盛证券-医药行业2020年、2021一季总结:强势复苏,风景这边更好.pdf
  • 20210508-德邦证券-家用电器行业2020年&2021一季总结:拨云见日,如期恢复开启上升通道.pdf
  • 20210509-长江证券-石油化工行业2020年及2021年一季综述:景气复苏,业绩上行.pdf
  • 20210507-长江证券-通信行业2020年及2021一季业绩综述:拥抱5G应用新时代.pdf
  • 20210621-渤海证券-利率债半年:2021年上半年债市运行概况.pdf
  • 笔记:光大证券多因子系列1-3

    千次阅读 2019-08-27 15:53:30
    (一)因子测试框架2017.4.10 根据现代金融理论的定义,投资组合获取的收益分为两部分:来自市场的收益(Beta) + 超出市场的收益(Alpha)。 获取Alpha的理论有:资本资产定价模型(CAPM)、Fama-French三因素模型、基于...
    • (一)因子测试框架2017.4.10

      根据现代金融理论的定义,投资组合获取的收益分为两部分:来自市场的收益(Beta) + 超出市场的收益(Alpha)。

      获取Alpha的理论有:资本资产定价模型(CAPM)、Fama-French三因素模型、基于套利定价理论(APT)的多因子模型。

      多因子模型从构建目标角度分为:

      • Alpha模型
      • 风险模型。以Barra为代表的风险模型更多的用于投资组合的业绩归因。
    • CAPMMFM

      • CAPM

        在资产组合理论的基础上发展(1964)而来:
        E ( r p ) = r F    +    β p ∗ ( r M    −    r F ) E(r_p)=r_F \; + \; \beta_p*(r_M\; - \; r_F) E(rp)=rF+βp(rMrF)
        r p r_p rp资产 p p p的收益率;

        r F r_F rF无风险收益率;

        r M r_M rM市场基准收益率;

        β p = C o v ( r p , r M ) V a r ( r M ) \beta_p=\frac{Cov_(r_p,r_M)}{Var(r_M)} βp=Var(rM)Cov(rp,rM)资产收益率与市场组合收益率之间的协方差除以市场组合收益率方差;

        CAPM中,资产收益率 r p r_p rp只取决于 β p \beta_p βp,又因为 β p \beta_p βp的定义,因此可以看作是以***市场组合为因子***的单因子模型。

      • Fama-French

        Fama/French(1992)基于PB市值因子对股票收益率的贡献建立***Fame-Frech三因素***模型。

      • APT

        APT模型根据无套利原则,得到风险资产均衡收益与多个因子之间存在近似线性关系,将影响资产收益的因子从CAPM(单因子)&Fama-French(三因子)拓展到***多个因子***,也就为多因子模型的发展奠定了基础。

      • MFM

        多因子模型(MFM)理解为:将N只股票的收益率分解为M个因子的线性组合与未被因子解释的残差项
        r i = β i 1 ∗ f 1    +    β i 2 ∗ f 2    +    β i 3 ∗ f 3    + . . .    +    β i M ∗ f M    +    μ i r i = ∑ j = 1 M β i j ∗ f j + μ i r_i=\beta_{i1}*f_1\;+\;\beta_{i2}*f_2\;+\;\beta_{i3}*f_3\;+...\;+\;\beta_{iM}*f_M\;+\; \mu_i \\r_i=\sum^M_{j=1}\beta_{ij}*f_j+\mu_i ri=βi1f1+βi2f2+βi3f3+...+βiMfM+μiri=j=1Mβijfj+μi
        β i j \beta_{ij} βij股票 i i i在因子 j j j上的因子暴露(factor loading),又称为敏感度,就是权重;

        f j f_j fj因子收益;

        μ i \mu_i μi股票 i i i的残差收益;

        假设前提:

        1. μ i \mu_i μi之间两两相互独立。不同股票之间的收益率的相关性只取决于M个因子 f j f_j fj;
        2. 残差收益率 μ i \mu_i μi与各个因子间不存在相关性;

      相比于CAPMFama-French模型,MFM可以提供更为完整的风险暴露分析,并分理处每个因子的影响,从而为投资绝测提供更为局部细致的分析。

    • 多因子模型的构建流程

    在这里插入图片描述

    • 数据源

      获取数据并做相应清洗。(ST股票、停牌股票、异常值、缺失值、PT股票…)

      关键字: 3 σ 3\sigma 3σ去极值法、MAD(Median Absolute Deviation绝对中位数法)、中信一级行业、异常值缺失值剔除或替换、因子标准化(Z值标准化(Z-Score)Rank标准化、风格标准化)

    • 单因子挖掘
    • 单因子测试
      • 单因子回归模型

        相比于全样本面板回归(Panel Data Regression),截面回归(Cross-Section Regression更有利于对因子变化趋势的捕捉,因此常为业界采用。

        I t i u I_{tiu} Itiu哑变量(Dummy Variable):股票术语某个行业则该股票在该行业的因子暴露等于1,在其他行业的因子暴露等于0.

      • 回归模型选择

        最小二乘法(OLS)、WLS(Weighted Least Square)、RLM(Robust Linear Model)

      • 单因子有效性检验

        指标:因子收益序列 f i f_i fi的假设检验 t t t值、因子收益序列 f i f_i fi大于0的概率、 t t t值绝对值的均值、 t t t值绝对值大于等于 2 的概率.

        IC值(信息系数)是指个股第t期在因子i上的因子暴露(剔除行业于市值后)与t+1期的收益率的相关系数。

        IC值计算方法有:相关系数(Pearson Correlation)、秩相关系数(Spearman Rank Correlation

        与IC值相关的判断因子有效性和预测能力的指标:IC值的均值、IC值的标准差、IC大于0的比例、IC绝对值大于0.02的比例、IRIR = IC均值/IC标准差)。

        观察因子的单调性只能通过分层回溯的方法。

        基准关键字:中证全指指数沪深300中证500中证800中证1000

        表现指标:年化绝对收益、年化相对收益、累计绝对收益、累计相对收益、年化波动、夏普比、最大回撤、最大相对回撤、信息比…

    • 消除因子之间的多重共线性
      • 在同类因子的共线性较大的几个因子中,保留有效性最高的因子,剔除剩余因子;
      • 因子组合:方法包括等权甲醛、以因子收益 f f f为权重甲醛、PCA主成分分析;
      • 暴力迭代法,将因子两两组合暴力迭代得到表现最好的组合方法;

      在对因子集做残差的异方差分析处理后,就可以进行多元线性回归,估计每期的因子收益序列

    • (二)因子测试全集2017.4.28

      上篇报告中,构造了一个全面的基于RLM稳健回归的界面回归单因子测试框架,并整理了包括估值因子、规模因子、成长因子、质量因子、杠杆因子、动量因子、波动因子、技术因子、流动性因子、分析师因子10个大类100多个细分因子。

      本报告给出对于众多因子基于:预测性、稳定性、单调性、相关性等指标的评测。

    • (三)多因子组合“广大Alpha 1.0”2017.5

      前两篇报告,构造了一个全面的基于RLM稳健回归的截面回归单因子测试框架,并整理了各类因子评测。

      本报告基于上述结论筛选因子并构建多因子组合。

    • 因子的初步筛选

      10个打雷中筛选出收益率较显著IC、IR并且单调性得分较高44个因子。

    • 因子权重的优化-基于因子IC

      基于Qian的《Quantitatice Equity Portfolio Management》一书所提出的基于因子IC序列以及IC协方差矩阵构造的最优化IR多因子模型。

      • 静态多因子模型
      • 动态最优化组合

        时间窗口选择—持仓数量影响—动态调整权重*V.S.*静态因子加权—组合内等权(EW)*V.S.*复合因子得分加权(SW)

    • 广大多因子组合:“光大Alpha1.0

      WindPMs组合管理模块中搜索光大金工即可以找到此组合。


    • Reference

    1. 多因子系列报告之一:因子测试框架
    2. 多因子系列报告之二:因子测试全集
    3. 多因子系列报告之三:多因子组合“光大 Alpha 1.0”
    展开全文
  • 20210223-华泰证券-电子行业3C季:4Q20手机出货同比转正.pdf
  • 20210518-开源证券-证券行业上市券商2020年及2021一季综述:行业ROE持续上行,头部效应凸显.pdf
  • 20210507-华金证券-房地产服务行业:物业管理,2020年总结.pdf
  • 英皇证券-2019_2020年.rar

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 18,549
精华内容 7,419
关键字:

证券宝