权益专题报告请务必阅读正文之后的免责条款部分1of20金融工程研究证券研究报告权益专题报告证券分析师宋旸022-2845113118222076300songyang@bhzq.com助理分析师张世良022-23839061zhangsl@bhzq.com相关研究报告《多因子模型研究之一：单因子测试》20171011《多因子模型研究之二：收益预测模型》20171229《多因子模型研究之三：风险模型与组合优化》20180416《随机森林多因子模型与传统多因子模型的选股风格对比——多因子模型研究系列之四》20180726《使用banditlearning算法的多因子模型——多因子模型研究系列之五》20180925《使用ThompsonSampling算法的策略混合模型——多因子模型研究系列之六》20181228《使用Ba核心观点：本篇报告中，我们使用多因子框架构建了沪深300指数增强模型。多因子框架的建立主要包括四个步骤：数据预处理、单因子检测、收益模型和风险模型。原始数据构成的因子经过数据对齐、去极值、标准化、缺失值处理的预处理步骤，进入单因子检测环节。单因子检测分为统计检验和分层回测两种。通过单因子检测后，我们采用逐步回归法，为收益模型逐个引入新因子，根据拟合优度的统计量决定新引入的因子对整个模型的贡献程度。最后，使用Barra风险模型控制整个组合的风险，以及在特定风险因子上的暴露。针对沪深300和中证500成分股，最终选取估值因子、盈利因子、成长因子、动量因子和流动性因子作为收益预测因子构建收益模型，选取波动率因子、市值因子、中性市值因子、Beta因子和行业因子作为风险因子代入风险模型。我们针对沪深300成分股，以月度调仓的频率构建投资组合。回测数据为2011年2月-2019年1月。收益模型采用12个月移动平均的方式预测因子收益，风险模型中，在二次规划的条件部分对风险因子的暴露设定为0。经过回测，模型年化超额收益10.15%，并在2011-2018期间每一年都跑赢指数，平均跟踪误差3.55%，平均换手率4.09倍。未来，我们将持续关注该模型的运行情况，定期公布净值。除了沪深300指数增强模型，我们还将构建中证500指数增强模型，以及其他指数增强模型。我们还将构建使用机器学习方法预测股票收益的指数增强模型。风险提示：随着市场环境变化，模型存在失效风险。使用多因子框架的沪深300指数增强模型——多因子模型研究系列之七分析师：宋旸SACNO：S11505171000022019年03月29日权益专题报告请务必阅读正文之后的免责条款部分2of20目录1.理论简介...................................................
