『因子掘金』利用股價日內走勢和指數的相關性構建因子

shibor連續第16個交易日全線上漲,債市繼續大跌,緊縮周期真來了嗎?

1. 概述

本文利用股價日內走勢和大盤走勢的相關性,構建選股因子:

  • 七年回測中,簡單多頭策略年化收益率28.3%,阿爾法14.3%,信息比率1.50

2. 因子計算

文中因子構建的核心是股價日內走勢和大盤的相關性,下面給出具體步驟:

  • 取股票s在交易日t的日內分鐘線股價走勢曲線,和當日的中證500指數走勢計算相關係數為 r(s, t),並對相關係數求絕對值;
  • 對於股票s,將其過去兩個月的 r(s, t) 序列進行縱向標準化,得到因子 f(s, t),標準化的目的是方便截面比對,即

  • f(s, t) 求三日平均,得到本文中的選股因子;

3. 因子截面特徵

3.1 載入數據文件

3.2 因子截面特徵

看因子歷史值是否穩定,極端值出現的概率

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5日收益的秩相關係數

從上面計算結果可知,該因子和之後5日收益的秩相關係數在大部分時間為正,因子對之後5日收益有預測性

4. 歷史回測概述

這裡使用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

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11月29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5個交易日調倉,交易費率設為雙邊千分之二
  • 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;

上圖顯示了簡單做多因子最大的10%的股票之後的對沖凈值走勢,需要注意這裡對沖基準為中證500指數

5.2 因子選股 —— 不同五分位數組合回測走勢比較

上圖顯示出,因子選股不同五分位構建等權組合,在uqer進行真實回測的凈值曲線;顯示出因子的選股能力,不同五分位組合凈值曲線隨時間推移逐漸散開。

總結

  • 本文中,因子最大的股票具有超額收益,實際上這些股票特徵為股票近期日內走勢和大盤的相關性絕對值很大,就是近期開始規規矩矩做人的一類股票
  • 這個因子換手率巨高!
  • 後面,可以研究日內走勢的極端情況,比如逆市漲或者逆勢跌的情況

本周其他因子表現概覽:

原文鏈接: 利用股價日內走勢和指數的相關性構建因子

其他多因子文章推薦:

AlphaHorizon介紹 - 以非流動性因子ILLIQ為例

MultiFactors Alpha Model - 基於因子IC的多因子合成

鳳鳴朝陽 - 股價日內模式分析

推薦閱讀:

引鴆止渴何時停?全球央行染上「鴉片」 付出代價的時間到了
投資擔保/P2P遇到跑路,普通投資者應該知道哪些?
下一個金融跳槽的風口在哪裡
趨勢衡量的辦法
找一種獨特技術指標的組合形成自己的交易系統,那也是我曾經的夢想

TAG:量化 | 金融 | 多因子模型 |