本帖最后由 quant002 于 2022-5-27 20:24 编辑
高质量股票池构造思路：构建多因子模型的第一步是确定投资范围，包括确定原始股票池和优化股票池两步。原始股票池限定了最原始的投资范围，指明了可供选择的股票有哪些。确定了原始股票池后还需要对其进行优化，在初始投资范围的基础上，为了防止踩雷，通常会进一步剔除掉有缺陷的股票，得到更加匹配投资目标的股票池。 本文将针对股票池构造这一步骤展开研究，从更为宏观的视角审视了股票池优化存在的问题，并从实证角度进行了测试。最终我们提出了两层优化框架，并且重构了负向因子筛选流程，精选了负向因子库，并构造了高质量股票池。 两层优化构造框架：股票池优化的目标是保证可交易性的同时提升质量。据此，我们构造了两层优化： 第一层为刚性优化，目的是保证股票可交易。优化的目标包括风险警示股票（ST/*ST）、次新股、低流动性、极小市值以及净资产为负等，其中风险警示股票多为公募基金公司风控制度中禁止投资的标的；次新股股价波动较大；低流动性、极小市值的股票对于机构投资者来说难以交易；年报中净资产为负的股票会被风险警示。 第二层为柔性优化，目的是提升股票池质量。我们对列入基本面负面清单、量价因子空头组合、有可能财务造假以及发生过负面事件的股票进行剔除，可以保证股票池相对“干净”。 刚性优化：我们剔除了影响股票可交易性的因素，例如风险警示股票（ST/*ST）、次新股、低流动性、极小市值以及净资产为负等股票。同时我们参考了中证指数编制方案中的缓冲区规则，引入“粘性剔除”机制降低了股票池周转率。最终构造了流动性1500股票池代替全市场股票池。回测对比发现，流动性1500股票池在保证了因子有效性的前提下提升了股票的可交易性。 柔性优化：我们认为多空均可贡献收益的单调因子并不属于负向因子，只有因子在多头收益不强，但是空头预测能力强时才可算作负向因子。据此，我们构建了负向因子筛选流程，并且从多个财务分析维度筛选了11个负向因子。 负向因子合成方法：我们对负向因子组合使用的方式进行了较为全面的测试，分别从合成方式、剔除范围以及敏感性分析几个角度进行了实证研究。结果发现对于合成方法来说，对空头单调的因子进行ICIR加权效果最好，对空头尾部有效的因子使用组合复合法效果最好。对于剔除范围来说，对流动性1500中非指数成分股进行剔除效果最好。对于剔除阈值来说，选择剔除4%-6%对策略提升最为明显。 风险分析：报告结果均基于历史数据，历史数据存在不被重复验证的可能。
20220523-光大证券-量化选股系列报告之五：高质量股票池构造体系.pdf
(1.46 MB, 下载次数: 0)
| 
