论文部分内容阅读
股市在不断的变化,所以从目前来看,不断探讨哪些指标在量化选股中更为有效,是具有现实意义的。这也是本文研究工作开始的初衷。在整个研究过程中,保持数据的严谨性、中立性、数据处理方法的科学性对于研究结论的准确性来说至关重要。本文首先构建了一个比较全面的候选因子库,通过对候选因子数据进行异常值、缺失值、标准化、市值中性化、行业中性化等一系列的处理之后,本文对候选因子进行有效性检验及再筛选,最终认为RP_TTM(净利润TTM/总市值)、BP_LF(净资产TTM/总市值)、operete_profin gr_TM(营业利润增长率TTM)、sales_gr_TTM(营业收入增长率)、BOOK_LEVEL(账面杠杆)、stock_to market_volatility(个股与市场波动率比值)、REV_LAST1M_MAX(近一个月日收益率最大值)、RSI(相对强弱)等八个因子是较为有效的因子。在得出有效因子之后,本文利用打分法来构建八因子选股模型,回测区间选定为2016年1月至2019年4月。通过对模型的回测,我们发现本文构建的八因子模型相比于沪深300,有着较为稳定的超额收益。在整个回测时间段内,八因子模型的总收益为41.02%,年化收益为11.07%。相比于基准的收益情况,八因子模型相对总收益为32.28%,年化平均超额收益为8.92%。为了深入研究,我们对原有模型进行优化,优化方案为“在利用八因子模型进行正式选股之前,首先以增长率-经营活动产生的现金流量净额(TTM)指标对股票池进行初步筛选”。通过对优化八因子模型进行回测,我们发现加入增长率-经营活动产生的现金流量净额(TTM)指标优化后的八因子模型回测表现更好。优化八因子模型相比于沪深300,有着较为稳定的超额收益。在整个回测时间段内,优化八因子模型的总收益为47.89%,年化收益为12.70%。相比于基准的收益情况,优化八因子模型相对总收益为39.15%,年化平均超额收益为10.62%。本文最后的工作是对本文建立的八因子模型、优化八因子模型与经典的Fama-French三因子进行对比分析。经过回测我们发现:本文建立的优化八因子相比于经典的三因子模型,在回测区间的表现更好。优化模型的回测总收益、回测年化收益、相对总收益、年化平均超额收益、Alpha、年化夏普比率和索提诺比率等指标均优于三因子模型对应指标,说明在回测区间内依据优化八因子模型建立的投资策略具有更强的获利能力。同时,优化八因子模型拥有更加小的年化波动率、最大回撤绝对值及下行风险,说明在回测区间内依据优化八因子模型建立的投资策略相比于三因子模型更加稳定。