因子投资策略构建代码(因子投资组合排序法)

因子投资策略构建代码(因子投资组合排序法)已关闭评论

A+

领500g书库，关注公众号:程叫兽的宝藏 (长按可复制！)

目录（点击切换）

本文节选自《因子投资策略构建代码》

Sig18ficazceOFPXdrivenby0.SiS1eov她er为题对Angetal〈2006)进行了择击，可谓相当\"“不客气”。不过在最后期刊发表的版本中，文章的题目Fasearcporsiatisticaiyvalidrmjactors则温和得多，而且三位作者还感谢了Angetal〈2006)的四位作者对其早期版本的建设性评论。四这些变量衡量的是股票因品声交易者行为导致的潜在错误定价，而非对真实错误定价程度的事后反映。车剩余协俩度的定义为资产的超额收益与市场超额收益平方的协方差。第6章因了于研究现状本章分为8节，主要介站人计基本半生首先，6.1节解读一个近几年十分流行的概念，即“因子动物园\"。由在讽刺学术界在发表侦差的影响下挖掘出的数百个因子，其中绝大部分仅仅是过拟合的产物。为此有很多学者站出来呼吁改变这

因子投资豆瓣

种风气。接下来6.2节将话题从“因子动物园”转移到“因子大战\"。它表达了这样一种担忧，即学者们提出不同的多因子模型，到底是为了看谁能在样本内解释更多的异象，还是谁更能加深信们对于股票市场的理解，后者才是正确和负责任的研究态度。长久以来，投资者普遍认为因子代表了茶种系统性风险。而行为金融学的发展为解释园了和弄象提供子必一个重要角度，而瑟包越来越锐八们接受。6.3节会解读行为金融学的研究框梁以及它与异象和因子的关系。6.4节的标题是投资者情绪，它与6.3节密切相关。投资者情绪被认为是造成市场中大量错误定价的原因之一。它是行为金融学的重要研究对象，并且和诸多腊象的表现有着紧密的关联。在学术界和业界研究股票收益率的截面差异时，发现了数百个在样本内能获得显佑超额收益的弄象。而这上背后的原因可能是风险补偿或错误定价，也有可能仅仅

因子投资论文

是数据蜂探导致的过拟合。6.5节会对如何检验这三种原因给出具体的说明。6.6节的讨计企专注于因子在样本外的表现。人们研究因子是为了在投资实践中使用它们，而样本内能够获得显著收益的因子往往到了样本外马上”“见光死\"，6.6节讨论这背后的原因。6.7世讨论因子投资和基本面分析的关系。在因子投资中，从财务数据中挖掘出基本面因子所了很六的比重。基本面信息加因子投资也逐渐形成了一个全新的投资概念资。但是，以因子投资为工具的基本面量化投资能和否代蔡古老的基本面分析呢?6.7节会给出答案。本章最后一节的标题为机器学习和因子投资。近年来，随着数据的激增和技术的单新，机器学习为金融领域带来了魏新的发展契机。然而，机器学习能在哪些维度上和因子投资相结合?机器学习中的非线性模型能否战胜传统的线性多因子模型呢?这是6.8节要探讨的内容。