多因子组合光大Alpha 1.0-光大证券-20170501
由qxiao创建，最终由qxiao 被浏览 132 用户
光大金工因子测试框架：多指标全面测试
通过分期截面RLM回归计算因子收益，计算因子暴露与下期收益率的相关度IC值，同时结合分层回测法检验因子单调性，构建较为综合全面的因子测试体系。
因子测试中使用了包括因子收益序列t值，因子累计收益率，因子测试t值，IC，IR，多空组合收益率、最大回撤、换手率等等指标
更为全面的因子库
涵盖了估值因子，规模因子，成长因子，质量因子，杠杆因子，动量因子，波动因子，技术因子，流动性因子，分析师因子等共10大类100多个细分因子。
多重指标筛选因子
针对五大指标给因子表现打分，筛选出预测能力强，显著性高，单调性好，稳定性强的优质因子。筛选时使用的指标包括：因子收益（Factor_Ret）、因子收益显著性检验的t值（Factor_Ret_tvalue）、信息系数（IC）、信息比（IR）、单调性（Monotony）
动态最优化IR——基于因子IC
在Edward Qian《Quantitative Equity Portfolio Management》里提到的最优化单期IR的基础上，构建了动态调整的基于因子IC序列的最优化IR组合。经参数敏感性测试，滚动36个月、持仓数量150只的等权加权组合表现最优，信息比为3.67，年化收益31%
经验证，动态调整模型信息比显著高于静态因子赋权模型，且等权模型表现优于复合因子得分加权模型。该篇报告是因子合成模型的初步探讨，未来我们将进一步深入挖掘能提供超额alpha的有效因子，优化多因子模型
正文
/wiki/static/upload/95/9597908c-c245-49cf-953c-20109541d9b4.pdf
\