衡水网站建设公司联系电话,公司管理软件用什么好,wordpress手机版设置密码,广州智能模板建站一、摘要
在前期的Barra模型系列文章中#xff0c;我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子和Book-to-Price因子#xff0c;并分别创建了对应的单因子策略#xff0c;其中Size因子和NonLinear Siz因子具有很强的收益能力…一、摘要
在前期的Barra模型系列文章中我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子和Book-to-Price因子并分别创建了对应的单因子策略其中Size因子和NonLinear Siz因子具有很强的收益能力。本节文章是该系列的第七篇将在该系列下进一步构建Liquidity因子。 二、模型理论
Barra模型的Liquidity因子的计算方法如下 Liquidity因子是一个复合因子由三个子因子构成分别是月度换手率、季度换手率和年度换手率三者的权重为0.35、0.35、0.3。换手率的计算方式是成交量和流通股本的比值进行T天的加总后求对数。月度的交易天数为21天季度的交易天数为63天年度的交易天数为252天。 三、因子分析
使用alphalens进行对Liquidity因子进行分析2022年-2023年3月5日。 由上述收益分析来看各个调仓周期下的alpha收益均为负数5天的调仓周期下的beta收益为正且最大Liquidity因子值的最大分组和最小分组均贡献负收益且最大分组的负收益远大于最小分组。 进一步从信息系数来看IC均值和IC标准差在各个调仓频率之下相差不大但是平均IC仅为-0.03小于0.05选股能力堪忧。 从分组收益图来看Liquidity因子呈现两端负收益中间正收益的形态这表明过高和过低的换手率都会导致平均收益的下滑。
从因子分析来看该因子的收益能力较差构建单因子策略的话其回测收益理应也是较差的。但为了我们后期对Barra模型的10个因子做进一步的综合分析在此还是进一步撰写代码方便后期使用。 四、回测分析
回测时间2022-01-01至2023-03-05月底换股
回测品种全A股剔除ST股、停牌股和一年以内的次新股
初始资金100万
手续费0.0007双边万二佣金单边千一印花税共千1.4即双边万7
滑点0.00123双边千1.23
最大持仓数量30只 策略净值曲线波动较小对比沪深300指数在下跌阶段2022年7月-10月抗跌能力强而在随后的反弹阶段亦具备较强的进攻能力。整体表现相对较好。
从历史回测数据来看Liquidity因子的收益能够跑赢大盘指数但未能创造正收益年化收益率为-1.81%最大回撤率为-18.71%夏普比率-0.11胜率也仅43.64%。 以上本期的策略源码已分享至掘金量化社区大家可以通过下方链接自行获取。
传送门掘金量化社区-Barra模型因子的构建及应用系列七 本期参考文献 1.The Barra China Equity Model (CNE5) - MSCI - MSCI
链接https://www.docin.com/p-1377763566.html 2.石川 正确理解 Barra 的纯因子模型
链接https://zhuanlan.zhihu.com/p/38280638 3.方正证券 Barra模型初探A股市场风格解析 4.中银证券 有关Barra中国权益CNE5模型的思考 5.量化投资小笔记 Barra系列
链接https://zhuanlan.zhihu.com/p/68110181 6.理解非线性市值因子NLSIZE/MIDCAP
链接https://zhuanlan.zhihu.com/p/150310851?from_voters_pagetrue
