怎么用java做网站东莞网站建设优化

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、Book-to-Price因子和Liquidity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八篇，将在该系列下进一步构建Earning_Yeild因子。

二、模型理论

Barra模型的Earning_Yeild因子的计算方法如下：

Earning_Yeild因子是一个复合因子，由三个子因子构成，分别是：盈利预测、现金流量比和历史盈利市值比，三者的权重为0.68、0.21、0.1。盈利预测数据是分析师预期数据，暂时还未提供，未来有提供后再加入，但盈利预测的占比高达60%，整个Earning_Yeild因子会与预期出现较大差异。

三、因子分析

使用alphalens进行对Earning_Yeild因子进行分析（2022年-2023年3月30日）。

由上述收益分析来看，各个调仓周期下的alpha收益近乎为0；Liquidity因子值的最大分组和最小分组均贡献正收益，且最小分组的正收益远大于最大分组。

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，平均IC低至0.02，比上期的Liquidity因子效果还差，选股能力应该不存在。

从分组收益图来看，Earning_Yeild因子呈现两端正收益，中间负收益的形态。但是基于因子逻辑的角度来说，Earning_Yeild因子代表盈利能力，盈利能力越高，股票的收益也应该越高，而这与上述因子收益分布图所展示的规律相悖。

要主原因可能还是缺少了子因子（盈利预测），但因为缺少数据，Earning_Yeild因子的构造还不完整。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2023-03-30（每周最后一个交易日换股）

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

策略在回测期间实现了-3.95%的年化收益率，最大回撤20.33%，夏普比率为-0.19。整体策略表现较差，符合上述因子分析的结果；策略净值与大盘走势的一致性很高，但波动相对来说更小。

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：https://bbs.myquant.cn/thread/3416

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_page=true