请务必阅读正文之后的免责条款部分全球视野本土智慧金融工程研究Page1[Table_KeyInfo]深度报告金融工程[Table_Title]量化选股专题报告数量化投资[Table_BaseInfo]本报告的独到之处从基本原理、样本选择、样本处理、适用范围等多个角度全面介绍了Logistic模型的体系;使用沪深300的样本数据,对Logistci模型所选股票的绩效进行了详细的分析;使用最新的财报数据,通过Logistic模型建模,给出了未来一个月建议重点配臵的股票。联系人:戴军电话:0755-82133129E-mail:daijun@guosen.com.cn分析师:黄志文电话:0755-82130833-6210E-mail:huangzw@guosen.com.cnSAC执业证书编号:S0980206110185分析师:葛新元电话:0755-82130833-1870E-mail:gexy@guosen.com.cnSAC执业证书编号:S0980200010107独立性声明:作者保证报告所采用的数据均来自合规渠道,分析逻辑基于本人的职业理解,通过合理判断并得出结论,力求客观、公正,结论不受任何第三方的授意、影响,特此声明。专题报告Logistic选股模型及其在沪深300中的实证从多因素模型产生的思想来看,其目的主要是想解决哪些风险因素以及有多少因子对股票或债券报酬产生影响,以及影响有多大。多因素模型通常有3种模型,BARRA模型、Northfield模型和对无法识别的风险进行管理的统计模型。其中BARRA模型对证券基本面的风险分析做的比较出色,Northfield模型对宏观经济因素的风险分析十分出色,这两种模型的原理基本相同。BARRA模型是利用多因素模型的基本原理,识别出风险因子,然后利用这个模型对风险因子导致的风险进行识别并加以控制。一般主要考虑部分宏观因子,基本面因子和部分技术因子,从中选取可能对投资组合收益率和风险有影响的因子进行降维处理,再进行回归分析,用加权最小二乘法估计回归方程的系数,在下一期的回归方程中保持系数不变,求出因变量(即收益)。但是,预期收益率的确切估计是件比较困难的事情,同时,在投资中的很多策略也许并不要求获取较为确切的预期收益率数据,比如公募基金跑赢跟踪基准的要求以及结合股指期货的alpha策略,它们要求的是所选择的股票未来跑赢基准的概率有多大,这一要求比预测股票未来的预期收益率大为降低。而logistic模型正是解决这一问题的利器。样本内研究表明:Logistic选股模型是一种能够带来超越基准收益,且较为稳定的模型,样本内年化收益率1.69%,沪深300指数年化收益率为-13.64%,超额收益率年化17.53%。Logistic选股模型可用于追求相对...