多因子选之略实现
原 多因子選股之策略的實現
經過前兩篇文章，我們把多因子選股策略三大步驟：因子的選取，檢驗，冗余因子剔除等介紹了一遍，接下來這一篇將利用已經得到的結論，完成最后一步，策略的實現。
我們根據前兩篇文章的內容，我們選取以下因子來構建策略：TAGRT，ROEANNUAL，SHTLIABTOTLIABRT，PB
其因子的有效性圖如下，股票池為“IT指數”成分股。
策略構建：
基本思路：我們按照一定排列規則，將所有股票排序，并選取排名最前或最后的股票，買入，每月換倉一次。
排列規則：
由上面幾張圖可以看出，四種因子都具有正向性（因子值越大，股票收益越大），我們的想法是將這四種因子加和，值越大的，說明股票預期收益越高。當然，我們需要先將數據標準化
我們有兩種加和方案：
1、等權值加和，我們用K表示每個因子權值，V表示每個因子的值。
即：SCORE=KV1+KV2+…KVN
2、非等權加和，我們用K表示每個因子權值，V表示每個因子的值。
即：SCORE=K1V1+K2V2+…KNVN
我們根據每種因子的收益波動率（數據來源于《多因子選股之有效因子》），確定每種因子權值。
如下表：
回測參數聲明：
時間：2018-01-01至2018-08-01
調倉頻率：1月
基準指數：IT指數（SZSE.399239）
股票池：IT指數（SZSE.399239）成分股
滑點：0.0001
手續費：0.0001
以下是兩種方案的回測對比
第一種加和方案
第二種加和方案
總結：
我們基于17年的歷史數據，選出了四種因子來構建多因子策略，在排序規則中，我們分別討論了兩種方案，并分別測試。可以看出，每種方案都跑贏了基準，這說明我們的因子是有效的。方案二的收益率大于方案一的，說明加入波動率因素，會使股票的選取更加“準確”，更容易選出具有超額收益的股票，但這要犧牲一定的收益穩定性。
PS：領取多因子選股源碼加微信號：myquant2018（備注：策略）
來源：掘金量化 ? ? ?作者：經緯量化 宋瑞笛 ? ?轉載請注明出處！
關聯閱讀文章：
1.多因子選股之有效因子 https://www.myquant.cn/community/topic/690
2.多因子策略之冗余因子 https://www.myquant.cn/community/topic/695
----------------------------------------------------------------------------------------------
推薦閱讀：
| 網格交易策略（附策略源碼與收益圖） | https://www.myquant.cn/community/topic/548/2 |
| 指數增強策略 | https://www.myquant.cn/community/topic/527 |
| 日內回轉交易策略 | https://www.myquant.cn/community/topic/526 |
| 跨期套利策略 | https://www.myquant.cn/community/topic/525 |
| 跨品種價差套利策略 | https://www.myquant.cn/community/topic/524 |
| 集合競價選股 | https://www.myquant.cn/community/topic/523 |
| 基于EV/EBITDA倍數估值法的Alpha對沖策略 | https://www.myquant.cn/community/topic/522 |
| 行業輪動策略 | https://www.myquant.cn/community/topic/521 |
| 海龜交易法則 | https://www.myquant.cn/community/topic/520 |
《算法導論 第三版英文版》_高清中文版
《深度學習入門：基于Python的理論與實現》_高清中文版
《深入淺出數據分析》_高清中文版
《Python編程：從入門到實踐》_高清中文版
《Python科學計算》_高清中文版
《深度學習入門：基于Python的理論與實現》_高清中文版
《深入淺出數據分析》_高清中文版
《Python編程：從入門到實踐》_高清中文版
總結
- 上一篇： 服务器出租虚拟机系统,vm虚拟机能出租吗
- 下一篇： bat学习（七）给图片文件前边批量加上序