论文总字数：27842字

摘 要

量化投资将统计手段与证券市场数据相结合，基于传统的投资理论，依托于计算机的高效运行，以期获得更高额的收益回报。最近十多年来，受到投资领域的极大关注，每年发行的各类量化产品也在不断增加。量化投资在国外资本市场已经发展地较为成熟，但国内起步较晚，但随着我国股指期货的发展，量化投资在我国也开始迅速发展，各类理论研究开始跟进。Alpha 套利策略开始受到众多机构投资者和研究者的关注，构建出合理有用的选股模型是 Alpha 套利策略成功的关键，其中最常见的是多因子选股模型。

本文基于沪股通和深股通股票池，进一步丰富了因子库，采用多因子选股模型中的打分法来构建投资组合以期获得更高的 alpha 收益。主要运用 Python 和wind 数据库构建不同因子权重的打分模型，最终得出以下结论：一、目前我国的证券市场是弱有效市场；二、在股票池是沪股通和深股通的情况下，本文认为总市值、资产回报率、近12个月股息率在预测未来股票收益率时有显著影响；三、动态最优权重法，尤其是基于样本协方差的动态最优权重法在本文的股票池中能够获得更高的alpha 收益。

关键词：量化投资，alpha 策略，多因子打分模型

ABSTRACT

Quantitative investment combines modern mathematical theory with financial data. Based on traditional investment theory, it relies on the efficient operation of computers in order to obtain higher returns. Over the past decade, it has attracted great attention in the field of investment and various quantified products are issued annually. Quantitative investment has matured in the foreign capital market, but started late in China. However, with the development of stock index futures in China, quantitative investment has also begun to develop rapidly, and various theoretical studies have begun to follow up. Alpha arbitrage strategy has attracted the attention of many institutional investors and researchers. Building a reasonable and useful stock selection model is the key to the success of Alpha arbitrage strategy, and the most common one is multi-factor stock selection model.

Based on the stock pools of Shanghai Stock Exchange and Shenzhen Stock Exchange, this article further enriches the factor pool and uses the scoring method in the multi-factor stock selection model to construct the portfolio in order to obtain higher alpha returns. This article mainly uses Python and Wind databases to construct scoring models of different factor weights, and finally draws the following conclusions: First, at present, China's securities market is a weak efficient market; Second, In the case that the stock pool is Shanghai Stock Exchange and Shenzhen Stock Exchange, this article holds that the total market value, asset return rate and dividend rate in the past 12 months have a significant impact on predicting future stock returns; Third, dynamic optimal weight method Especially, the dynamic optimal weight method based on sample covariance can obtain higher alpha return in the stock pool of this article.

Key words: quantitative investment, alpha strategy, multi-factor scoring model

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1选题背景及意义 1

1.2 文献综述 2

1.2.1国内外主要研究成果 2

1.2.2 文献评述 3

1.3 本文的结构与创新 4

第二章 理论基础 5

2.1 量化投资理论 5

2.1.1 有效市场假说 5

2.1.2 资本资产定价模型 5

2.1.3套利定价理论 6

2.2 多因子选股模型简介 6

第三章 多因子选股模型的建立 8

3.1数据的选取与预处理 8

3.1.1构建全市场因子库 8

3.1.2数据预处理 13

3.2因子有效性检验 15

3.2.1检验方法简介 15

3.2.2因子有效性检验结果 16

3.3因子筛选与冗余因子剔除 28

3.3.1相关性检验 29

3.3.2因子筛选 29

第四章 实证研究 33

4.1因子打分模型 33

4.2样本外检验 34

第五章 结论及建议 38

5.1总结 38

5.2展望及建议 38

参考文献 40

致 谢 42

第一章 绪论

1.1选题背景及意义

证券市场有很多种分析方式，这些方式也具有各自的优缺点。技术分析的优势在于能较快地分析市场行情并给出一定的投资建议，但是技术分析基于三大基本假设，使得它受到一定的限制，且有时无法进行证券走势的长期判断；基本面分析通过分析研究行业和公司财报以及一系列相关指标，以期获得具有高成长性和投资价值的证券，它的优势在于能够全面了解行业和公司具体情况并长期持有具有优良业绩指标和广阔前景的优质证券，但劣势在于不能快速给出投资建议且无法判断买入和卖出时点，除此以外，由于我国股市有着比较浓厚的投机氛围，资本市场尚未成熟，价值投资具备的空间较小，基本面分析法效果有限。

虽然我国量化投资起步较晚，但这几年量化投资已经受到越来越多的关注，并引导投资人转向理性投资的轨道。一方面，量化投资与人工智能相结合，能够不受人的主观控制，并较大程度克服人性中的一些弱点，另一方面，量化投资凭借着计算机高效快捷的信息处理速度，可以更快地发现投资增长点并作出反应。随着我国证券市场的逐步成熟，出现了越来越多的证券品种，传统的投资方法也因此遇到了更多的困难，量化投资在处理大数据方面的优势更为凸显。2004年光大量化核心发行，但由于缺乏有效的对冲工具，后来几年量化基金发展缓慢，随后在2015年的大牛市中，量化基金产品大放异彩，近几年各类量化产品也进入了一个迅速发展阶段。

剩余内容已隐藏，请支付后下载全文，论文总字数：27842字