识别风险，发现价值请务必阅读末页的免责声明1/26金融工程|专题报告2017年9月20日证券研究报告Table_Title基于多期限的选股策略研究——多因子Alpha系列报告之（三十四）Table_Summary报告摘要：动量、反转效应与多期限因子动量效应与反转效应是金融市场上长期存在的特殊现象。本篇专题报告构建了一个基于多期限下的因子，通过分析不同期限的均线数据来同时捕捉短中长期限下的动量、反转效应特征。在多期限的指标下，通过综合考虑价格来刻画个股的收益特征。基于多期限因子的构建在周频调仓情况下，构建基于不同期限下的因子，实证结果表明在全市场、中证500指数和中证800指数成分股中，因子对股票收益率都有良好的区分效果。在实证区间内，基于多期限均线构建的因子在全市场选股中证500指数对冲情况下，年化收益率为25.40%，最大回撤为9.11%，信息比率为2.44。改进后的LLT趋势因子针对均线对价格延迟性较差的缺点，本篇专题报告结合之前的研究成果LLT低延迟趋势线，构造了基于LLT指标的因子，以LLT线代替MA线。实证结果表明，在全市场选股中证500指数对冲下，在实证区间内年化收益率29.58%，最大回撤为11.57%，信息比率为2.51。改进的LLT趋势因子相对之前的基于MA构建的因子在全市场、中证500以及中证800指数中结果都有较大的改进。核心假设风险：本文所做的数据测算完全基于历史行情数据完成，市场表现受诸多因素影响，注意模型失效风险。多期限因子在全市场分档表现多期限因子全市场对冲累积收益率Table_Author分析师：史庆盛，S0260513070004020-87577060sqs@gf.com.cn分析师：陈原文，S02605170800030755-82797057chenyuanwen@gf.com.cnTable_Report相关研究：《基于大数据挖掘的行业轮动策略-互联网大数据挖掘系列专题之（十）》《多维数据系的大数据择时策略研究——互联网大数据挖掘系列专题之（八）》《基于大数据挖掘的概念轮动策略-互联网大数据挖掘系列专题之（九）》2017-03-152016-05-172016-08-22识别风险，发现价值请务必阅读末页的免责声明2/26金融工程|专题报告目录索引一、背景介绍......................................................................................................................41.1动量效应与反转效应.............................................................................................41.2理论模型........................................................................
