前言
在二级市场的量化策略中,多因子策略称得上是最早被创造但同时也是变化最多的投资策略之一,好的因子意味着长期稳定的收入,因此能够发现一个好的因子是每位宽客的一致愿望。多因子策略理解起来并不复杂,实现起来却可以通过多种不同的渠道,从而带来不同的表现,本文基于经济学家在和发表的两篇论文,探究市值因子在我国二级市场中的表现。
与传统多元线性回归不同,本文采用了支持向量回归(Support Vector Regression)和随机森林回归(Random Forest Regression)两种机器学习算法得到因子,实证表明,SVR算法下得到的因子带来的收益率显著优于传统多元线性回归,而随机森林算法下得到的因子带来的收益率虽略低于多元线性回归,但在经历回撤时拥有更加稳定的表现。
多因子策略简介
所谓因子,通俗来讲就是一个“标准”,这个“标准”决定我们选择哪些股票,决定我们什么时候买入卖出,决定我们交易的份额。而多因子,顾名思义就是根据多个“标准”确定我们的投资策略,最为经典的多因子模型之一当属Fama和French提出的三因子模型,而其基本思路为,我们假定股票的超额收益率可以由市场风险,市值风险,账面市值比三个因素决定,因此我们将股票一个时期内的超额收益率对这三个因素进行回归,再将回归得到的参数对本时期内的超额收益率进行预测,比较真实值和预测值。如果预测值大于真实值,也就是说理论上的超额收益率应该大于当前的超额收益率,那么根据有效市场假说,未来的超额收益率应该上升,反之亦然。
除了最简单的三因子模型外,Fama和French还在提出了五因子模型,对个股的超额收