1.多因子量化选股策略 作为国内外量化投资机构所采用最广泛的一种选股模型，多因子模型的基本原理是，采用一系列的因子作为选股标准，满足这些因子参数标准的股票则被买入，一旦不满足因子参数标准则被卖出，或被其他符合标准的股票替代。一般而言，多因子选股模型经常选取的筛选因子包括，PE（静态市盈率）、PEG（动态市盈率）、PB（市净率）、ROE（净资产收益率）、总市值、市销率、销售毛利率（GPR）等等。 下图就是一个典型的A股市场单因子回测数据。测试时间是2007年1月4日到2016年3月26日，回测条件是每次选取市场上前10个最符合单因子指标要求的股票（剔除所有的ST股票和*ST股票）进行持有，每五个交易日更换一次，交易成本设定为买卖双向共2‰。 值得注意的是，考虑到单因子在优秀个股筛选上的“单薄性”，且大多数单因子的有效性并不十分显著，绝大多数量化投资基金在实际的模型构建上，往往都会根据自己的大数据回测统计，剔除掉一些有效性偏低的因子，并排列组合出自己认为策略效果最佳的一些多因子模型，用于最终的股票筛选。
A 股的量化交易者们你们是如何选股如何交易的？
无心看市
据说10年能赚70倍？量化选股真的能带你躺着赚钱吗？今天我们就来解开量化选股神秘的面纱
那么紧接着放在小编眼前的第一个问题便出来了：如何快速获取这些行情指标数据？
难道是需要我们自己一个一个去摘录吗？那可真的是太难了！这里，我们将借助到一个叫tushare的模块，自动摘录数据。
小编将本次数据准备主要分成两大块：
在选股和指标筛选的逻辑上，小编本着一切从简的原则：
1.按月选股，每月第一个开盘日买入，最后一个开盘日卖出；
2.将每个指标进行正、负排序，分别选出前10只股票；
3.量化选股和量化的期权策略这2个方向哪个更好？ 计算10年的累积收益，找出表现最好的指标。
想尝试一下，这种最为直白和简单的单因子选股策略最终是否会有令人惊喜的表现，结果发现——诶，还真有！
通过上面这张回测结果表，我们很清晰地发现，尽管本次选股策略的逻辑极为简单，但大部分指标在这种策略模式下依旧能够获得超额收益，而其中，表现最好的“总市值”也让我们可以简单得出“整个股市的资金更偏向于流入小市值”这个结论。
量化选股和量化的期权策略这2个方向哪个更好？
本人编辑
©2022 Baidu 使用百度前必读 | 量化选股和量化的期权策略这2个方向哪个更好？ 百科协议 | 隐私政策 | 百度百科合作平台 | 京ICP证030173号
量化选股常见的策略模型
小壁虎的春天 量化选股和量化的期权策略这2个方向哪个更好？ 于 2020-03-09 15:06:42 发布 4633 收藏 24
1.多因子量化选股策略
作为国内外量化投资机构所采用最广泛的一种选股模型，多因子模型的基本原理是，采用一系列的因子作为选股标准，满足这些因子参数标准的股票则被买入，一旦不满足因子参数标准则被卖出，或被其他符合标准的股票替代。一般而言，多因子选股模型经常选取的筛选因子包括，PE（静态市盈率）、PEG（动态市盈率）、PB（市净率）、ROE（净资产收益率）、总市值、市销率、销售毛利率（GPR）等等。
下图就是一个典型的A股市场单因子回测数据。测试时间是2007年1月4日到2016年3月26日，回测条件是每次选取市场上前10个最符合单因子指标要求的股票（剔除所有的ST股票和*ST股票）进行持有，每五个交易日更换一次，交易成本设定为买卖双向共2‰。
值得注意的是，考虑到单因子在优秀个股筛选上的“单薄性”，且大多数单因子的有效性并不十分显著，绝大多数量化投资基金在实际的模型构建上，往往都会根据自己的大数据回测统计，剔除掉一些有效性偏低的因子，并排列组合出自己认为策略效果最佳的一些多因子模型，用于最终的股票筛选。
推荐阅读：
07-25 5729
12-06 3639
12-02 5112
1.多因子模型 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种
02-19 5224
量化选股策略模型大全
wbbhcb 于 2020-02-19 16:16:58 发布 5224 收藏 41
量化选股模型—多因子模型
多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。
基本概念
举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。
多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步 骤。
候选因子的选取
候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。
从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。
选股因子有效性的检验
有效但冗余因子的剔除
不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除， 而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。
冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体的冗余因子剔除步骤为：
（1）先对不同因子下的n个组合进行打分，分值与该组合在整个模型形成期的收益相关，收益越大，分值越高
（2）按月计算个股的不同因子得分间的相关性矩阵；
（3）在计算完每月因子得分相关性矩阵后，计算整个样本期内相关性矩阵的平均值
（4）设定一个得分相关性阀值 MinScoreCorr，将得分相关性平均值矩阵中大于该阀值的元素所对应的因子只保留与其他因子相关性较小、有效性更强的因子，而其它因子则作为冗余因子剔除。
综合评分模型的建立和选股
综合评分模型选取去除冗余后的有效因子，在模型运行期的某个时间开始，例如每个月初，对市场中正常交易的个股计算每个因子的最新得分并按照一定的权重求得所有因子的平均分。最后，根据模型所得出的综合平均分对股票进行排序，然后根据需要选择排名靠前的股票。例如，选取得分最高的前20%股票，或者选取得分最高的 50 到 100 只股票等等。
模型的评价及持续改进
量化选股模型—风格轮动
基本概念
晨星风格箱判别法
晨星风格箱法是一个3×3矩阵，从大盘和小盘、价值型和成长型来对基金风格进行划分，介于大盘和小盘之间的为中盘，介于价值型和成长型之间的为混合型，共有9类风格，如表所示。
这也就是我们经常看到的基金的分类，比如：华夏大盘、海富小盘等名称的由来。
风格轮动的经济解释
量化选股模型—行业轮动
与风格轮动类似，行业轮动是另外一种市场短期趋势的表现形式。在一个完整的经济周期中，有些是先行行业，有些是跟随行业。例如，对某个地方基础设施的投资，钢铁、水泥、机械属于先导行业，投资完后会带来房地产、消费、文化行业的发展，这就属于跟随行业。研究在一个经济周期中的行业轮动顺序，从而在轮动开始前进行配置，在轮动结束后进行调整，则可以获取超额收益。
国外许多实证研究表明，在环球资产配置中，行业配置对组合收益的贡献的重要性甚至超过了国家配置，而且认为行业配置的重要性在未来相当长一段时间内也将保持。行业轮动策略的有效性原因是，资产价格受到内在价值的影响，而内在价值则随着宏观经济因素变化而波动。
研究表明，板块、行业轮动在机构投资者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是机构投资者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显著的差异。
在国内目前情况下，根据货币供应量的变化来判断货币政策周期，是一个不错的选择。而M2正是广义的货币，反映了社会总需求的变化和未来通货膨胀压力。M2同比增速则可以反映流通中的货币供应量变化，即货币政策效果的实际反应。因此，可以用M2来判断货币政策或者货币供应处于扩张还是紧缩的周期。
对量化、数据挖掘、深度学习感兴趣的可以关注公众号，本人不定期分享有关这些方面的研究。
个人知乎：
https://www.zhihu.com/people/e-zhe-shi-wo/activities