APM因子模型的进阶版-开源证券-20200307
由qxiao创建，最终由qxiao 被浏览 109 用户
APM因子的构建思想在于股票价格行为存在日内模式差异
我们独家提出的APM因子模型，专注于考察上午（am）与下午（pm）的价格行为差异，并提取出有效的选股因子，在量化投资同行中获得了较好的评价。本报告的主旨是，基于APM因子模型的思想框架，对原始APM因子的改进再作深入的探讨。
APM因子在2019年遭遇连续回撤
APM因子在样本内（2013年5月-2016年10月）表现良好，五分组多空对冲年化收益为15.9%，期间最大回撤为2.52%，信息比率为2.84，月度胜率为78.6%，样本外（2016年11月-2019年12月）的表现略逊于样本内，多空对冲年化收益为6.41%，最大回撤为5.72%。尤其是2019年，因子出现了连续的回撤。
APM因子的改进，改进后的APM因子较原始APM因子表现优异
我们通过构造股票分时段收益因子，发现APM因子在2019年的回撤是因为股票在日内交易行为的差异性发生了变化。进一步分析可知，从隔夜到下午，股票分时收益对未来收益的预测性逐步由正转负，但股票上午收益对未来收益的预测性并不稳定，而隔夜收益对未来收益的正向预测性则较为稳定。基于此我们对APM因子使用的数据时段进行了调整，得到了改进APM因子。改进APM因子在2019年的表现显著优于原始APM因子。
初步结论
其一，我们比较了改进APM因子不同样本空间中的选股能力，发现改进APM因子在中证500成分股中的多空对冲表现优于全市场，但在沪深300成分股中选股能力一般。其二，我们把APM因子方法论应用于不同时段的比较，构造了一系列的新因子，进一步印证了我们对原始APM因子在2019年失效原因的猜想。其三，作为开拓式发散，对于股票分时段收益数据的使用，我们也考虑了其他方法。我们把APM因子方法论与W式切割方法的结合起来，在该方案下，使用股票隔夜收益数据与下午收益数据得到的OVP因子表现良好。
风险提示
模型测试基于历史数据，市场未来可能发生变化。相关研究报告金融工程研究团队开源证券证券研究报告金融工程专题金融工程研究
正文
/wiki/static/upload/41/41d8e2fe-4846-4345-aee4-3d7b5f583d4d.pdf
\