多因子选股策略的多层推进分析?多因子选股策略?
上一节中作者以国内所有A股为样本介绍了多因子选股策略的推进分析流程,并发现在特定的样本期以及策略设置下可以得到一个正面的盈利结果。在这部分的研究中,由于回归模型来自选股因子的交易逻辑,因此并没有具体的设置参数需要提前确定。
上一节中作者以国内所有A股为样本介绍了多因子选股策略的推进分析流程,并发现在特定的样本期以及策略设置下可以得到一个正面的盈利结果。在这部分的研究中,由于回归模型来自选股因子的交易逻辑,因此并没有具体的设置参数需要提前确定。
6月30日周二,市场迎来多重关键动态,从道指历史性突破、AI投资转向到行业并购重组,各板块表现分化显著。 道指首破52000点但科技巨头持续承压 道琼斯工业平均指数创下历史新高,首次收于52000点上方,标普500指数上涨逾1%,纳斯达克综合指数涨幅超过2%。
2026年06月30日,星期二,全球资本市场在创新高的喜悦与人工智能投资回报的疑虑间摇摆不定,而美国最高法院的一系列历史性裁决正从根本上重塑联邦监管体系的权力版图。从日元汇率暴跌引发干预预警,到全球监管机构对科技巨头接连发难,政策风险与市场博弈正以前所未有的烈度交织在一起。
在第2章对量化交易策略的研发流程进行介绍时,作者说明了收益和风险这两个特征对于策略构建的重要作用与意义。第4~ 8章则给出了若干交易策略的实例,但是这些策略的构建基本上仅由收益特征所推动。在这一章中作者将在量化交易策略的背景下阐述与风险相关的内容,从而为后面的章节做出基础性的铺垫。
多因子选股3等分图8-12展示了将所有股票按照多因子模型的预期收益大小划分为3等份,每一等份中的股票又按照等权重进行组合时,3个等份各自的平均月度收益率情况。具体的收益率大小分别为2.25%、1.49%、0.75%。
虽然马科维茨的最优投资组合理论具有模型结构精炼、内涵深刻的优点,但是在实际的资产投资活动中,投资者往往更重视其思想而不是具体的模型。而且即使是纯粹的数量化决策者,往往也并不会直接套用上一节所叙述的模型来优化资产配比。这是因为,如果直接使用前面介绍的最优化模型,得到的资产配比结果常常带有不切实际的偏差。
最大亏损率是一个类似于最大回撤率的风险度量指标,同样偏向于对量化交易策略的实际表现进行描述。两者的差异在于,最大回撤率是一段时间内的任一时点向后推进,策略净值走到最低点时的净值回撤幅度的最大值,而最大亏损率则是从策略交易的起始时点向后推进,策略净值走到最低点时相对于起始点的净值回撤幅度。
多因子选股3等分图8-2展示了将所有股票按照多因子模型的预期收益大小划分为3等份,每一等份中的股票又按照等权重进行组合时,3个等份各自的平均月度收益率情况,具体大小分别为2.38%、1.51% 和0.60%。第1等份与第2等份之间相差0.87%,第2等份与:第3等份之间相差0.91%,呈现出一个比较稳定的下降趋势。
上一节所阐述的凯利公式正是量化择时策略进行仓位决策的一种行之有效的方法。在通过上一节内容所形成的基本认识的基础上,我们在这一节中进一步说明实际研发中的仓位决策是如何做出的。图10-4通过灰色区域说明了仓位决策在量化择时策略研发流程中的位置。
6月29日周一,市场迎来多重关键变化,企业战略动作密集落地,科技与资源板块分化明显。 上周市场整体承压,医疗股逆势上扬 纳斯达克指数上周累计下跌4.6%,标普500指数下跌2%,道琼斯工业平均指数则微升0.6%。
2026年06月29日,星期一,地缘政治紧张局势出现阶段性和解信号,科技产业竞赛与贸易摩擦却在同步升温,全球市场在风险偏好修复与结构性担忧之间寻找新平衡。
将凯利公式及其应用叙述至此,应该可以很明确地认清凯利公式的核心内涵了。作者将其大致归纳为两点: (1)凯利公式试图规避的风险,是一次交易就将可用资金全部损失掉的风险。在赌客确保不会一次性出局的基础上,只要赌局对于赌客而言在概率上有利,赌客就具有将资金增值的潜在能力。