『多因子』鳳鳴朝陽 - 做合格的跟隨交易者
作者:call 原文鏈接:鳳鳴朝陽 - 股價日內模式分析
1. 概述
參考方正金工最近的研究報告『鳳鳴朝陽:股價日內模式中蘊藏的選股因子』,在本文做了一些實現:
七年回測中,簡單多頭策略年化收益率39.8%,阿爾法25.6%,夏普比率1.21,信息比率2.89
2. 因子計算
市場交易其實是在交易者基於已知信息的基礎上達成的,而晚上閉市之後產生的各種信息,可能在第二天開盤時達到集中釋放。如何去通過市場交易特徵去掌握這種信息的集中釋放,一篇文章Exploring Market State and Stock Interactions on the Minute Timescale給了我們很大的啟發。 作者在該文章中得到了如圖的結果
中藍線是個股之間相關係數的平均值,不難發現,下午個股之間的相關性要顯著地高於上午。也就是說,上午會集中釋放前夜的信息,上午是知情交易者最活躍的時候。怎麼樣利用這一特徵呢,方正的研報中給出了一種方法鳳鳴朝陽
本文中就利用這種方法構造選股因子。
按照研報中的方法計算因子
3. 因子截面特徵
3.1 載入數據文件
3.2 因子截面特徵
可以發現,其實股災時候這個因子的值也出現一些異常,畢竟是千古跌停奇觀3.3 因子預測能力初探
接下來,我們計算了每一天的因子和之後20日收益的秩相關係數
4. 歷史回測概述
本節使用2009年以來的數據對於該選股因子進行回測,進一步簡單涉及幾個風險因子暴露情況
4.1 該因子選股的分組超額收益(月度)
可以看到,該因子選股不同分位數組合的超額收益呈很好的單調性;因子空頭收益更顯著4.2 因子選股的市值分布特徵
檢查因子的小市值暴露情況。因為很多策略因為小市值暴露在A股市場表現優異。
上圖展示,該選股因子並沒有明顯的小市值暴露;倒是多頭組合(第十分位組合)市值略大4.3 因子分組選股的一個月反轉分布特徵
可以看出,因子和反轉因子的相關性較強
5. 因子歷史回測凈值表現
5.1 簡單做多策略
接下來,考察因子的選股能力的回測效果。歷史回測的基本設置如下:
- 回測時段為2009年3月1日至2016年10月12日
- 股票池為A股全部股票,剔除上市未滿60日的新股(計算因子時已剔除);
- 組合每10個交易日調倉,交易費率設為雙邊萬分之二
- 調倉時,漲停、停牌不買入,跌停、停牌不賣出;
- 每次調倉時,選擇股票池中因子最大的10%的股票;
5.2 因子選股 —— 不同五分位數組合回測走勢比較
本文演示的常見的因子研究流程,具體的數據選取、演算法的細節、其他更深入的研究歡迎一起交流探討。
其他文章推薦:
基於市場強弱的因子擇時策略歷史收益分布風控模塊
奇怪的排序打分因子
價差交易策略(Spread Trading)
推薦閱讀:
※人在洗澡後為什麼會有一種莫名的成就感?
※美國如何通過美元掠奪世界? 為什麼需要別國用美元結算???求答主科普下?
※信用評級里 AAA 和 AA 的本質區別是什麼?
※如何看待紐約大學教授 Marco Avellaneda 的言論:Pure Quant 叱吒風雲的時代已經終結?