股票多因子模型之截面回归
时序回归和截面回归是股票多因子模型中常见的两种方法。经典的Fama三因子模型便是用了时序回归,掘金终端的示例策略中也有该模型的复现策略(多因子模型)。
但时序回归中的因子对象必须是股票组合,只用到了一小部分股票的信息,而截面回归并不要求因子对象必须是股票组合,应用会更加广泛。
另外,二者最大的不同在于时序回归仅在时序上对标的进行一次回归,随后以在时序上取均值的形式来得到隐含的截面关系,该关系的确定不以最小化所有定价误差的平方和为目标,而截面回归是恰恰相反的。
故此,本文将以Fama三因子模型为基础,探究截面回归。
第一步:对任意股票在时间周期内,以Fama三因子(beta、账面市值比、市值)对标的日频收益率进行时序回归计算个股的因子暴露;
第二步:计算时间周期内个股的平均收益,以因子暴露对平均收益进行截面回归计算因子收益率。
基于截面回归,我们可以设计一个简单的策略:
每月初计算Fama三因子(beta、账面市值比、市值),进行时序回归,计算因子暴露,再进行截面回归,计算因子收益率,取因子收益率最大的前N只股票构建投资组合。
进一步编写回测,相关参数如下:
-
初始资金:100万
-
回测品种:沪深300及其成分股
-
回测区间:2018年01月01日-2022年07月24日
-
相关参数:
-
最大持有数量:10只
-
因子计算周期:252天(21个交易日为1个月,12个月252个交易日)
-
回测结果如下图所示:
(该报告由掘金量化终端提供)
从报告中可以看到,该策略回测的年化收益率为52.51%,最大回撤为33.56%,夏普比率0.81。整体策略表现较为稳健。后期可以用时序回归的方法复现下策略,以此跟截面回归的策略进行对比分析,加深对多因子策略的理解。
感兴趣的朋友可以去社区下载源码,对相关参数进行测试,同时引用自己的因子,构建自己的截面回归模型。(PS:需要注意,部分获取数据的函数有数量限制,调用时要平衡标的数量和周期长度。)
后续我们将推出Barra模型,请持续关注,带你进一步探索因子模型!
源码传送门:https://bbs.myquant.cn/thread/3106
chaida1333: 兄弟怎么不更新券商金工了
abcbhhhb: # 获取当前全A股票代码 symbol_info = get_instrumentinfos(sec_types=SEC_TYPE_STOCK, fields='symbol,listed_date,delisted_date', df=True)
2401_84162363: 请问不可以装,如何才能使用呢
飒飒874: 大佬您好,请问可以提供一下数据和源码吗,我的毕业论文涉及相关内容,想向您请教学习一下,不做商业用途,非常感谢您。3083848042@qq.com
Tsvetan Petkov: 理解市场主导者的思维方式和他们操控的巨额资金至关重要,就像没有犯罪不留痕迹一样。在市场制造商和基金主导全球财富格局,并拥有数学、编程和市场策略等一流专业知识的情况下,股票市场的动态发生了深刻的变化。 这些实体利用先进技术,并且享有特权访问经纪平台的订单流数据,以精准操控股票价格和成交量。相比之下,零售投资者缺乏相当的资源,发现自己处于劣势地位,面临着较低的成交价格和增加的交易成本。 这些有影响力的市场参与者的行为扭曲了市场的认知,有可能让零售投资者误解实际的市场动态。监管监督通常被描绘为一个盾牌,但实际上可能只是维持公平的幻象。在这种情况下,监管机构和市场监督经常交织在一起,并且实际上是由相同的有影响力的实体控制的。 虽然他们具有重大影响力,并精确操纵市场,但他们的行为留下了可以被敏锐的投资者识别的模式和趋势。通过预测和利用这些实体操纵的运动,我们努力应对市场的复杂性,并优化我们的投资结果。这种方法的基础是量化交易策略,基于数学模型、算法交易和全面的数据分析。复杂的数学模型被用来做出交易决策,并且使用先进的计算机程序实时执行这些决策。 量化交易者不断开发和完善他们的模型和算法,以适应不断变化的市场条件并获得竞争优势。通过利用数据分析和先进的统计方法,他们旨在识别市场中表明潜在交易机会的模式和趋势。这些策略可能专注于短期套利、趋势跟随、波动性或其他市场现象。 通过使用算法交易,量化交易者在金融市场的价格形成和流动性中发挥着至关重要的作用,从而在很大程度上塑造了现代交易环境。