量化多因子选股简论(下)

股票多因子测试入门一、前言做这个研究的目的，一是为了搞清楚股票策略研究中的一些细节问题，熟悉股票研究框架；二是为了大致了解各类因子的作用。

用米筐测，那里数据完善。

现在要做的，主要就是模仿，看别人的。

先学barra。

二、Barra Multiple-Factor Modeling来自Barra Risk Model HandBook。

（一）因子（Descriptor）筛选、单位化处理、搭配然后选择所有备用的因子descriptors（类似因子？以下简称“因子”），要先检验因子的显著性；通常，因子要显著地解释截面收益。

descriptor可来自基本面数据、市场数据（价、量）、或者其他数据。

因子的选择可分为几步：（1）初步筛选；有用的因子，通常要有意义，也就是make sense intuitively；其次，好的因子还必须能够对市场上的所有股票进行很好的分类，也就是完备性，不应当存在某些股票不属于因子中某一类的情况；因子需要有理论基础；（2）同时，增加一个因子如果不能增加解释度，那这个增加没有必要。

然后要将descriptors单位化；很简单，减去均值，然后除以标准差。

然后，要选择不同因子进行搭配，risk index formulation；如何搭配，主观判断起到一定作用；但是诸如cluster analysis之类的统计方法也经常用到。

在单位化以后，我们用收益率对行业和descriptor进行回归，每次测试一个因子，我们要统计回归的显著性；通过上面的测试结果，我们就可以选择出有用的因子；因子搭配，是一个递归的过程，我们首先加入最显著的因子；此后，再加入另一个因子（剩下的因子里面的最显著的？），如果这个因子没有显著增加解释度，则不要这个因子，否则就加入这个新的因子（注：这里依然要考虑行业暴露）。

然后，行业因素也要考虑进行；或者叫，行业暴露。

通常，一个公司只属于一个行业；但是，在美国和日本，会根据该公司营收的比例来决定各个行业暴露的权重。

量化选股的方法和步骤（原创版3篇）篇1 目录一、量化选股的定义和意义二、量化选股的方法1.多因子选股2.风格轮动选股3.营业利润同比增长率选股4.市盈率选股三、量化选股的步骤1.数据来源2.数据处理3.选择选股模型4.执行选股策略5.风险控制四、总结篇1正文量化选股是一种利用数量化的方法选择股票组合的投资策略，其目的是期望该股票组合能够获得超越基准收益率的投资行为。

在量化选股过程中，投资者需要根据不同的选股模型和步骤来进行操作。

首先，多因子选股是最经典的选股方法之一。

该方法采用一系列的因子（比如市盈率 pe）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。

例如，价值投资者会买入低 pe 的股票，在 pe 回归时卖出股票。

其次，风格轮动选股是利用市场风格特征进行投资的方法。

市场在某个时刻偏好某种风格的股票，如小盘股、大盘股、成长股、价值股等。

风格轮动选股策略就是根据市场的偏好，选择相应风格的股票进行投资。

此外，营业利润同比增长率选股也是一种常用的量化选股方法。

对于不同的股票，如果营业利润率上涨了相同的比例，而股价上涨幅度不同，那么就买入上涨幅度较小的。

具体选股策略包括：对沪深 300 所有股票计算当前价格 p 与一年前的价格 p0 的比例，并用这个比例除以（1 营业利润同比增长率）。

筛选出营业利润同比增长率大于 0 的股票。

市盈率选股则是另一种常见的量化选股方法。

该方法根据股票的市盈率（pe）来选择投资标的。

市盈率较低的股票通常被认为具有较高的投资价值。

在实际操作中，量化选股的步骤包括数据来源、数据处理、选择选股模型、执行选股策略和风险控制。

数据来源可以是交易所、数据服务商等机构提供的场内交易数据集。

数据处理包括对原始数据进行清洗、整理和计算等操作，以便于后续的分析和建模。

选择选股模型是量化选股的核心环节，投资者需要根据自己的投资理念和风险偏好选择合适的模型。

执行选股策略是指根据选定的模型，通过程序化的方式实现交易。

多因子量化选股策略sas一、多因子量化选股策略概述多因子量化选股策略是指通过利用多个因子对股票进行评估，从而选择出具有较高综合得分的股票作为投资对象的一种投资策略。

该策略基于大量历史数据和统计分析方法，通过建立数学模型对不同因子进行加权组合，从而实现对市场中个股的评估和选取。

二、多因子量化选股策略的优点1. 有效避免主观判断带来的误差。

多因子量化选股策略依赖于大量历史数据和统计分析方法，减少了人为主观判断带来的误差。

2. 提高投资决策效率。

通过建立数学模型，多因子量化选股策略能够快速准确地对市场中个股进行评估和排名，提高了投资决策效率。

3. 降低风险。

多因子量化选股策略能够根据不同因子对个股进行综合评估，降低了单一指标带来的风险。

三、多因子量化选股策略的核心思想1. 因子选择。

多因子量化选股策略的核心在于选择合适的因子，以评估股票的优劣。

常用的因子包括：市盈率、市净率、PEG、ROE、ROA等。

2. 因子加权。

不同因子对个股的影响程度不同，需要进行加权处理，以反映其在综合评估中的重要性。

3. 因子组合。

选取若干个因子进行组合，得到综合得分，以便对个股进行排名和选取。

四、多因子量化选股策略的实现方法1. 数据获取。

多因子量化选股策略需要大量历史数据作为基础，包括财务数据、市场数据等。

2. 因子构建。

根据选定的因子和权重，构建数学模型，并利用统计分析方法对模型进行优化和验证。

3. 选股策略执行。

根据综合得分对个股进行排名，并选择得分较高的个股作为投资对象。

五、多因子量化选股策略在SAS中的应用SAS是一款专业数据分析软件，在多因子量化选股策略中具有广泛应用。

具体实现方法如下：1. 数据获取。

SAS可以通过连接各大交易所的数据源，获取市场数据和财务数据。

2. 因子构建。

SAS可以利用SAS/STAT、SAS/ETS等模块进行因子构建和模型优化。

3. 选股策略执行。

SAS可以通过SAS/IML、SAS/OR等模块实现选股策略的执行和结果分析。

基于多因子模型的量化选股分析随着中国资本市场复杂程度日渐加深和规模日益庞大，投资品种和数量与日俱增，无论是个人或是机构投资者所拥有的投资渠道与投资方法也在逐渐增多。

量化投资作为一种来自海外资本市场的先进技术，在海外资本市场中受到了广泛追捧，著名的西蒙斯与大奖章基金便是利用了量化投资技术，于1989~2007年间获得了高达38.5%的平均年收益率。

中国的量化投资发展虽仍在起步阶段，、金融学、科学相结合的优势来寻求超额收益。

据统计显示，截至2016年10月，中国公募基金中共有48支基金以“量化”命名，其中长信量化先锋基金（519983），申万菱信量化小盘股票基金（163110）与大摩多因子策略混合基金（233009）等均表现出色，具有较高的年化收益率。

而无论是在个体投资或是基金投资中，多因子选股模型均是较为广泛的量化模型之一。

本文基于多因子模型策略，利用2011~2015年的数据对投资过程中的常用因子进行有效性检验，并使用有效因子构建基本多因子模型，根据假设创造性地使用简单打分法构建投资组合，基于2014~2016年的历史数据进行实证分析，为广大一般投资者提供了一种简单可行且收益率超过市场表现的投资策略。

最后结合行业轮动效应与面板数据的多元回归分析对基本模型进行了深化与修正，创新性地提出了基于多因子模型的更多投资策略，也为较深层次的理论研究者提供了思路与数据参考。

一、文献综述关于量化投资选股策略的研究涉及许多方面，常见的包括多因子模型、风格轮动模型、动量反转模型、趋势追踪模型等。

对于多因子模型，最重要的环节便是有效因子的选取。

大多数论文对于有效因子的选取通常采用因子评分法，此方法最早由Piotroski（2000）提出，常见操作为：将股票池中的股票按N个候选因子的大小依次排序，按照每个排序选取排名靠前的股票等权重构建N个极端的股票组合持有到期末，计算N个组合的平均收益率并与基准的指数收益率进行比较，用此方法能成功获取alpha收益组合所使用的排序因子即为有效因子[1]。

11因子量化选股指标公式在量化选股领域中，11因子量化选股指标公式是一种用于筛选股票投资组合的方法。

这种指标公式是基于一系列因子进行计算和评估，以找出具备良好投资潜力的股票。

这里列举了11个常用的因子，用于构建选股指标公式：1. 市盈率（PE）：衡量股票的价格相对于每股盈利的倍数。

2. 市净率（PB）：衡量股票的市值相对于每股净资产的倍数。

3. 股息率（Dividend Yield）：衡量公司每股股息与股票当前价格的比率。

4. 营收增长率（Revenue Growth）：衡量公司营收的年度增长率。

5. 每股盈利增长率（EPS Growth）：衡量公司每股盈利的年度增长率。

6. 资产负债率（Debt-to-Equity Ratio）：衡量公司财务杠杆比例。

7. 市值（Market Cap）：衡量公司的市值规模。

8. 流通股本比例（Float）：衡量流通在市场上的股票数量比例。

9. 盈利质量（Earnings Quality）：衡量公司盈利的可持续性和质量。

10. 成长性（Growth）：衡量公司未来发展潜力和增长能力。

11. 波动率（Volatility）：衡量股票价格的波动程度。

将这些因子进行综合考虑，可以构建一个综合的选股指标公式。

不同的因子可以赋予不同的权重，根据投资者的偏好和研究需求来决定。

一般来说，选股指标公式的目标是找到具备良好的财务和市场表现的股票，同时降低投资风险。

通过使用11因子量化选股指标公式，投资者可以更加客观和系统地评估股票的投资潜力。

这种量化方法可以帮助投资者优化投资组合，提高投资决策的准确性和效果。

然而，需要注意的是，选股指标公式并不能保证股票的表现，市场风险始终存在，投资者应该结合自身的风险承受能力和投资目标来进行决策。

多因子量化选股指标公式
多因子量化选股指标公式是一种用于在股票市场中选择优质个股的数学模型。

它通过运用多个因子指标来评估股票的投资价值，并以此为依据进行选股操作。

下面将介绍几种常见的多因子量化选股指标公式。

1. P/E 比率（市盈率）：市盈率是衡量股票价格与公司盈利之间关系的一个重
要指标。

公式为市值除以公司的净利润，其值越低，代表该股票的估值相对较低，投资价值较高。

2. P/B 比率（市净率）：市净率是衡量股票价格相对于每股账面净资产的指标。

公式为市值除以公司净资产，数值小于1代表股票可能被低估，值得投资。

3. ROE（净资产收益率）：ROE是衡量公司盈利能力的指标，公式为净利润除以净资产。

高ROE意味着公司利润增长能力强，可能是一个投资选择的重要因素。

4. 市值因子：市值因子是根据公司的市值来进行评估的指标，通常用于评估公
司的规模和估值。

较小的市值可能代表较高的成长空间和潜在收益。

5. 成长因子：成长因子是用于评估公司的盈利增长能力的指标。

常见的成长因
子包括每股收益增长率、销售增长率等。

6. 财务稳定性指标：财务稳定性指标用于评估公司的财务健康状况，包括债务
比率、流动比率等。

较低的负债比率和较高的流动比率代表着较好的财务稳定性。

需要注意的是，不同的投资者可能会根据自己的投资风格和策略选择不同的多
因子指标，因此，在使用多因子量化选股指标公式时，投资者应综合考虑多个因素，并以自身的风险承受能力和投资目标来制定投资策略。

多因子量化选股策略多因子策略的核心理念是市场上股票的回报不仅取决于整体市场的因素，还受到公司基本面、市场情绪、估值和技术指标等多个因素的影响。

通过综合考虑这些因素，可以更加全面地衡量股票的投资价值，提高选股的准确性和整体回报的稳定性。

在构建多因子选股策略时，首先需要确定一系列的因子指标。

常见的因子包括：估值因子（如市盈率、市净率）、成长因子（如营收增长率、净利润增长率）、盈利质量因子（如现金流量比率、资产负债率）、市场情绪因子（如市场波动率、投资者情绪指标）、技术指标（如动量指标、相对强弱指标）等。

这些因子都各自代表了一方面的股票表现，通过综合考虑这些因子，可以形成一个全面的股票选股模型。

其次，需要对每个因子进行权重分配。

在分配权重时，可以根据因子的相关性、历史表现、理论依据等进行判断。

一种常见的方法是通过回归分析来确定每个因子的权重，使得选股模型能够最大程度地解释股票的回报。

最后，在确定了因子和权重之后，就可以应用量化的方法来进行选股和构建投资组合。

通过计算每只股票的因子得分，并根据得分进行排名，可以挑选出相对较好的个股。

同时，还可以通过将这些个股按照一定的规则组合成投资组合，以实现更好的风险和收益平衡。

需要注意的是，多因子量化选股策略并不是一成不变的，随着市场环境和投资者偏好的变化，策略的因子和权重也需要不断调整优化。

此外，考虑到人为主观因素的干扰，量化选股策略也需要定期进行回测和验证，以确保策略的有效性和稳定性。

总体而言，多因子量化选股策略是一种科学系统的选股方法，能够通过综合考虑多个因素来提高选股的准确性和投资组合的稳定性。

然而，对于普通股民而言，如果没有专业的量化模型和数据分析能力，参与多因子量化选股需要有专业投资顾问的指导和支持，以避免不必要的风险和误判。

量化交易——因⼦选股、多因⼦选股策略⼀、因⼦选股策略1、因⼦ 因⼦：选择股票的某种标准。

因⼦是能够预测股票收益的变量。

（1）基本⾯因⼦ 基本⾯因⼦描述了⼀个公司的财务状况，最常见的基本⾯因⼦是由利润表，资产负债表以及现⾦流量表中的数据直接计算出的⽐率。

通过财务报表可以构建出⽆数的财务⽐率及财务报表变量的组合，并以此来预测股票的收益率。

⼀般将基本⾯因⼦分为6⼩类：估值因⼦、偿债能⼒因⼦、营运效率因⼦、盈利能⼒因⼦、财务风险因⼦以及流动性风险因⼦。

（2）技术⾯因⼦ ⼤多数技术⾯因⼦是由过去的价格、成交量以及其他可获得的⾦融信息所构建的，技术⾯因⼦⼀⼤优势是能够持续更新。

新的基本⾯数据最多只能按季度获取，相反，最新的技术指标每隔⼏秒就可以获得。

（3）经济因⼦ 最初的套利定价模型是基于经济指标来构建的。

⽐较流⾏的经济因⼦包括：GDP增速、失业率以及通货膨胀率等，它们⼏乎会影响到市场的每⼀个⾓落。

（4）其他因⼦ 其他因⼦的类型包括但不限于：分析师预测因⼦、事件驱动因⼦。

2、选股策略（策略模型） 对于某个因⼦，选取表现最好（因⼦最⼤或最⼩）的N⽀股票持仓。

每隔⼀段时间调仓⼀次。

3、⼩市场策略 选取股票池中市值最⼩的N只股票持仓。

⼆、聚宽实现因⼦选股策略——⼩市值策略 沪深300中，根据市值最⼩的20只股票选股：# 初始化函数，设定基准等等def initialize(context):# 设定沪深300作为基准set_benchmark('000300.XSHG')# 开启动态复权模式(真实价格)set_option('use_real_price', True)# 输出内容到⽇志 ()('初始函数开始运⾏且全局只运⾏⼀次')# 股票类每笔交易时的⼿续费是：买⼊时佣⾦万分之三，卖出时佣⾦万分之三加千分之⼀印花税, 每笔交易佣⾦最低扣5块钱set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')# 获取指数成份股g.security = get_index_stocks('000300.XSHG')# valuation：财务数据表,code是对应的股票代码# 这⾥不能使⽤ in 操作, 要使⽤in_()函数,找到沪深300股份对应的财务数据g.q = query(valuation).filter(valuation.code.in_(g.security))g.N = 20 # 20只股票run_monthly(handle, 1) # 第⼀个参数是对应的函数，第⼆个参数指第⼏个交易⽇def handle(context):df = get_fundamentals(g.q)[['code', 'market_cap']] # 花式索引选出股票代码和市值df = df.sort_values("market_cap").iloc[:g.N,:] # pandas排序函数，将数据集依照某个字段中的数据进⾏排序# 期待持有的股票to_hold = df['code'].valuesfor stock in context.portfolio.positions:if stock not in to_hold:# ⽬标股数下单,卖出⾮标的的股票order_target(stock, 0)# 期待持有且还未持仓的股票to_buy = [stock for stock in to_hold if stock not in context.portfolio.positions]if len(to_buy) > 0: # 需要调仓# 每只股票预计投⼊的资⾦cash_per_stock = context.portfolio.available_cash / len(to_buy)for stock in to_buy:# 按价值下单，买⼊需买⼊的股票order_value(stock, cash_per_stock) 执⾏效果： 这个策略在短线情况下表现⼀般，长线情况下效果不错。

多因子选股策略研究员：魏刚执业证书编号：S42☎✉——数量化选股策略之十二《数量化选股策略之十一：分析师预测因子分析》2011-08-31《数量化选股策略之十：股东因子分析》2011-08-30《数量化选股策略之九：交投波动因子分析》2011-08-24《数量化选股策略之八：动量反转因子分析》2011-07-27《数量化选股策略之七：盈利因子分析》2011-07-27《数量化选股策略之六：成长因子分析》2011-07-12《数量化选股策略之五：估值因子分析》2011-07-06《数量化选股策略之四：规模因子分析》2011-06-30在前面几篇报告中我们对规模因子、估值因子、成长因子、盈利因子、动量反转因子、交投波动因子、股东因子和分析师预测因子进行了分析，其中规模因子（总市值）、估值因子（市盈率TTM）、动量反转因子（前1个月涨跌幅）、波动因子（前1个月波动率）、分析师预测因子（最近1个月净利润上调幅度）等是较为显著的因子。

由总市值、市盈率TTM、营业利润同比增长率、净资产收益率、前1个月涨跌幅、前1个月日均换手率、前1个月波动率、户均持股比例变化、机构持股变化、最近1个月净利润上调幅度等10个因子构造的等权重多因子策略表现较好。

由综合得分最高的20只中证800指数成份股构成的等权重组合大幅跑赢沪深300指数，2005年1月至2011年5月间的累计收益率为1517.29%，年化收益率达54.34%；由综合得分最高的50只中证800指数成份股构成的等权重组合同期的累计收益率为1059.72%，年化收益率达46.54%；同期沪深300指数的累计收益率为200.16%，年化收益率为18.69%。

由总市值、市盈率TTM、营业利润同比增长率、净资产收益率、前1个月涨跌幅、前1个月日均换手率、前1个月波动率、户均持股比例变化、机构持股变化、最近1个月净利润上调幅度等10个因子影响股价走势的主要因子包括市场整体走势（市场因子，系统性风险）、估值因子（市盈率、市净率、市销率、市现率、企业价值倍数、PEG等）、成长因子（营业收入增长率、营业利润增长率、净利润增长率、每股收益增长率、净资产增长率、股东权益增长率、经营活动产生的现金流量金额增长率等）、盈利能力因子（销售净利率、毛利率、净资产收益率、资产收益率、营业费用比例、财务费用比例、息税前利润与营业总收入比等）、动量反转因子（前期涨跌幅等）、交投因子（前期换手率、量比等）、规模因子（流通市值、总市值、自由流通市值、流通股本、总股本等）、股价波动因子（前期股价振幅、日收益率标准差等）、分析师预测因子（预测净利润增长率、预测主营业务增长率、盈利预测调整等）。

多因子选股策略经典梳理股市之道无非三点：1择时，2选股，3 仓控。

精通这三点中的任何一点，都足以在股市中所向披靡。

但是精通二字何其艰难。

在量化选股策略中。

多因子策略作为一个主要武器，被各种公募基金和私募基金长期使用（小编注：国内策略同质化相当严重，本文仅作为交流探讨推荐）。

在此我们为不熟悉多因子的各位朋友梳理一下不同风格的因子，以及他们的有效性。

股价是由资金推动的（上涨为正向推动，下跌为反向推动）。

但是影响资金进入和推出的因子确实千千万万，有基本面的，有消息面的，有人看国家政策，有人看分析师预测，有人听朋友介绍，有人跟风大V等等不一二足。

下面我将从9大类33个因子来给各位逐一分析。

首先给出在长时间来看表现优秀的因子。

1、规模因子，小市值效应。

（推荐指数5颗星）。

在国内外不管是成熟市场还是我国的不成熟市场，小市值效应一直存在。

并且小市值的逻辑也很清晰，市值越小被操纵的可能性就越来大，推动的估价上涨的资金需求就越小。

试用注意事项（震荡市或牛市表现优秀，下跌市跌幅大幅快于大盘---牛市买小股，熊市进蓝筹）2、动量反转因子。

（推荐指数5颗星）前一个月的涨跌幅度的反转效应明显。

长得多了当然要跌，跌得多了当然要涨，均值回归远离。

这个其实和我们所说的补跌补涨类似，从长期来看如果牛市来了，大家都会涨，只不过有的先涨，有的后涨；熊市来了大家一块跌（贪婪与恐惧的典型表现）3 、交投因子，即换手率因子。

（推荐指数4颗星）（我们选取一个月日均换手率）。

换手率高的后面表现的貌似都不佳（但经过测算新股和次新股貌似并不适用）。

逻辑依然很清晰，长期换手率高，总让人觉得有点出货的嫌疑，不是么？4、预测因子。

（推荐指数5颗星）预测当年主营业务收入增长率（平均值）。

预测收入增长但是是利好了，预测收入增长越高，利好越高。

不是么，逻辑依然清晰。

这个因子在万德等软件上有统计，各位可能不太容易获得。

因子包括9类，规模因子，估值因子，成长因子，盈利因子，动量反转因子，交投因子，波动率因子，分析师预测因子。