掘金社区

关于多因子模型在基金市场中的应用Pinned highlighted

你好,掘金者 发表在策略分享 2021-12-31 16:40:02

策略分享
223
0
0

今年是“量化”一词火出圈的一年。提到量化就不得不提“多因子模型”,因为多因子模型是机构进行量化投资的重要组成部分;而提到“多因子模型”,我们首先想到的应用场景是股票市场,因为股票数量足够的多,数据足够丰富;但面对逐年火爆的基金市场,我们不禁问道:多因子模型能应用到基金市场吗?

在此之前,我们首先要解答一个问题:如何评价一只基金?
 
不管是选明星基金经理,如“ikun永相随”的张坤,“经理不菜”的蔡经理,还是看最近基金的收益表现,这其实都只是基金的单一维度。我们该如何综合评价一只基金?经济学家巴曙松给出了他的答案:
 
0_1640939646789_160d83a7-3766-4d45-9576-ebde2a75fb9a.png

在此我们基于历史收益率、夏普比率、信息比率、最大回撤、波动率与成交额,尝试进行多因子模型的构建。
 
我们先基于Alphalens对各因子进行单因子分析,分别以1个月、3个月、6个月和12个月的历史数据探究未来3个月的收益情况,样本区间设定为2018年1月1日至2021年12月24日,样本对象为ETF基金。

0_1640939680693_20da7296-4613-49cc-89ed-509cf3cc4a75.png

在上述IC分析表中,我们保留IC值高于3%且T值大于3的有效因子,并以红色标注。
 
0_1640939714232_5eeb0c8f-35ec-4e61-bcb7-9a42c02b42b0.png

剔除低效因子后,我们进一步在有效因子中做相关性分析,可以发现在同类因子中,各因子的相关性很高,比如:夏普比率中,6个月的夏普比率和12个月的夏普比率的相关性为0.67,具有强相关性;成交额类的因子中,两两之间相关性均大于0.8,相关性极强。

在此保留同类因子中收益较高的,综合考虑后保留:

  • 6个月收益率因子

  • 6个月成交额因子

  • 12个月夏普因子

  • 12个月最大回撤因子

  • 6个月波动率因子

进一步编写回测,相关参数如下:

回测品种:ETF基金
初始资金:1000万
基准指数:沪深300
回测区间:2018年01月01日-2021年12月30日
预处理:先剔除异常值(3倍均值标准差法),然后标准化处理
交易逻辑:IC加权,买入总因子前200只股票,季度初调仓换股

回测结果:

1_1640939828101_screenshot-20211231-135311.png
0_1640939828101_1231.png

从上面的回测绩效报告来看,该策略整体表现较为平稳,在各年度内均能跑赢相关基准指数,整体年化收益率为11.11%,最大回撤25.67%,胜率65.83%。

暂无评论

Looks like your connection to 掘金量化社区 - 量化交易者的交流社区 was lost, please wait while we try to reconnect.