金融工程量化多因子选股框架.pdfVIP

核核心观点心观点

•【核心结论】本报告详细介绍了量化多因子选股的流程与框架，涵盖因子预处理、评价及收益预测模型等关键步骤。

•【报告亮点】系统性整理了从因子测试、因子筛选到组合构建的全过程，为高效构建量化投资组合提供了清晰路径。

•【主要逻辑】

➢单因子测试

✓介绍单因子预处理的基本方法，主要包括去极值、标准化、中心化。

✓因子检验的评价维度和评价方式，其中评价方式主要有ICIR法、分组测试法、双变量排序法和回归法。

➢收益预测模型

✓对因子进行筛选，判断其是否能够纳入多因子组合。

✓用一系列筛选得到的因子预测个股收益，这一步本质可理解为多因子的聚合。常见方法可分为线性和非线性，其中线性法主要有

加权和回归两种方式，非线性主要包括神经网络、树模型等。

➢组合构建

✓基于得到的个股收益预测，计算组合的净值曲线和收益风险特征。

✓组合构建的主要步骤包括设定选股池与调仓周期、以及确定选股逻辑和权重。其中，选股逻辑和权重一般基于人工逻辑直接构建

得到，或者利用优化算法在更复杂的选股约束下进行求解。

✓我们基于上述框架，结合多因子复合打分构建了一个中证500指数增强策略，业绩表现优于基准。

•风险提示：数据来源第三方，或有遗漏、滞后、误差；选股研究框架及筛选指标为西部证券自建，或有考虑不周之处；股票历史业绩不代表未

来表现，研究框架也会随时间变化。

请仔细阅读尾部的免责声明2

量量化多因子选股基本框架化多因子选股基本框架

➢收益预测模型：通过历史估计给出股票未来的预期收益率。

➢风险管理模型：控制组合与业绩基准之间的跟踪误差。

➢组合权重优化：在给定的风险约束下，最大化组合的预期收益率。

图：多因子组合构建基本流程

收益预测风险管理组合优化

•因子筛选•预期跟踪误差•给定风险约束

•预测股票收益•组合风格偏离•最大化预期收

•组合风险贡献益

资料来源：西部证券研发中心请仔细阅读尾部的免责声明3

01单因子测试

目录

目录02收益预测模型

CONTCONTENTSENTS

03组合构建

11单单因子测试因子测试

➢1.1备选因子：基于原始指标或开发；挑选时需要注意因子是否直接、直观且有意义。

•直接（incisive）：通过因子能够明确对股票进行分类。

•直观（intuitive）：对股票的分类标准具有可以解释的逻辑性。

•有意义（interesting）：分类后的股票风险收益特征具有明显差异。

表：确定备选因子的3个I

备选因子IncisiveIntuitiveInteresting

首字母■□□

公司地点■■□

股票盈利■■■