因子测试框架及批量测试结果 申万宏源_20180417_
由small_q创建，最终由small_q 被浏览 78 用户
摘要
新版因子测试框架：作为量化选股多因子模型搭建过程中最重要的一部分，如何找到具有逻辑意义，并且能够有效区分个股和一定收益预测能力的因子，是我们本篇报告探讨的主要内容。我们知道因子的信息会随着持有期增长而衰减，尤其是市场相关因子。目前多数因子测试方法以月度为频率调仓，无法直观反映因子的衰减情况。我们采用的方法是，每天进行测试，对当天的每一只股票，计算其后一段时间的收益。这样做能直观地反映因子的衰减情况，也可以利用到更多的因子信息，得到平滑的数据，而不会受固定月初或者月末调仓可能带来的突发情况影响。除此之外，日频计算可以帮助我们更好的对组合在因子的风险暴露做到实时的监控。在此基础上根据单因子截面回归得到的rank_IC和分组的收益情况，总结每个因子的收益预测能力。
因子有效性的检验：我们对于因子有效性的检验主要基于两个维度：1是同一时刻截面上个股的因子值与未来一段时间收益的相关性；2是分组法，按照因子值大小进行排序分组，从时间序列角度回溯考察各组的表现，包括累计收益，信息比率，最大回撤等。
因子库的构建及因子批量测试结果：基于我们搭建的单因子测试体系，我们对常见的九大类因子，包括规模，估值，盈利，成长，质量，动量，波动性，流动性以及风险收益等因子，进行了批量的单因子测试。由于篇幅有限，文中每个因子只展示了经过行业和市值中性化处理后，分组收益情况，现金中性组合的累计收益曲线，因子IC时间序列曲线以及在不同行业内的IC分布情况。此外，每个因子以表格形式展示了在不同样本空间（中证全指，沪深300以及中证500成分股）内部的因子表现。
正文
/wiki/static/upload/d2/d27f85d3-c5f4-4ee8-b3e5-defdd99db469.pdf
\