多因子模型系列报告之二:国海研究量化Alpha选股策略

多因子Alpha模型一直以来都是量化投资领域研究的重点,在Alpha策略中,因子构造和构建收益预测模型这两个方向都对策略效果有着极为重要影响。本报告借鉴机器学习中的分类算法,重点探讨预测模型构造最新的研究成果。本报告将通过多个维度的实证分析,并以在金融领域广泛应用的逻辑回归算法为基准,对比AdaBoost分类算法在多因子Alpha选股策略中的实际效果。总体来讲,在保证处理数据方法一致的前提下,利用AdaBoost算法构造的投资组合净值相对稳健,而AdaBoost算法对非线性因子的非参数化拟合能力对多因子模型的构造有着极大的帮助,AdaBoost分类算法将会在构建Alpha策略方面有着广阔的发展空间。

根据AdaBoost分类算法,我们精心打造了两个真实的股票多头投资组合。第一个组合是基于全A选股,以中证500指数为对冲基准的选股策略,该策略的特点在于高收益、高分散,但同时伴随着略高的波动性。另外,由于全A选股,个股的差异性较大,个股的风格转变较快,同时,在个股持有过程中的停牌、涨跌停等因素也会影响投资组合的流动性,所以该策略更适合风险承受能力较大的投资者。同时,我们还构造了基于沪深300成分股选股的另一股票多头投资组合,该组合以沪深300为对冲基准,同时保证选股过程中的行业中性,并注重一定条件下相应的现金配置,所以,该组合的特点是高稳健低回撤,在牺牲一部分高收益的前提下降低组合的波动,该策略适合于追求稳健、风险承受能力较小的投资者关注。2016年初以来,以中证500为对冲基准的全A选股策略超额组合净值为1.2082,最大回撤仅为3.01%,日回报的年化平均值为33.07%,波动率为6.22%;以沪深300为对冲基准的沪深300选股策略超额组合净值为1.0384,最大回撤仅为2.13%,日回报的年化平均值为6.68%,波动率为5.03%。

风险提示:模型结果仅代表统计意义上的结论,不能保证未来实现,希望投资者在实践中结合多方面的信息作出投资决策。