毕业论文多因子选股

市场上的投资者，不管是价值投资者，还是投机者，或者短线交易者，都会根据某些因子来判断股票的涨跌。当有一群交易者同时采用某个因子的时候，就造成该因子有效。

多因子模型是一类重要的选股模型，它的优点是能够综合很多信息最后得出一个选股结果。多因子模型的表现相对来说也比较稳定，因为在不同的市场情况下，总有一些因子会发挥作用。因此，在量化投资界，不同的投盗者和研究者都开发了很多不同的多因子模型。各种多因子模型核心的区别一是在因子的选取上，二是在如何用多因子综合得到一个最终的判断。

多因子选股python模型策略源码请参考：网页链接

多因子策略是一种应用十分广泛的选股策略，基本思想就是找到某些和收益率最相关的指标，并根据该指标，建一个股票组合，期望该组合在未来的一段时间跑赢或者跑输指数。如果跑赢，则可以做多该组合，同时做空期货指数，如果是跑输，则可以做多期货指数。多因子模型的关键是找到因子与收益率之间的关联性。回归法是多因子策略最常用的发掘因子的方法，能够对比不同的股票，并及时调整股票对各因子的敏感性。回归法用过去的股票的收益率对多因子进行回归，得到一个回归方程，后把最新的因子值代入回归方程得到一个对未来股票收益的预判，最后以此为依据进行选股。

DIF:=EMA(CLOSE,12)-EMA(CLOSE,26);DEA:=EMA(DIF,9);MACD:=(DIF-DEA)*2;忽略以上公式。因子是多样化的，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等等。 总之因子可以多样化，也可以用几个做一个简单的，但必须是对股价有效影响的。

多因子模型是一类重要的选股模型，它的优点是能够综合很多信息最后得出一个选股结果。多因子模型的表现相对米说也比较稳定，因为在不同的市场情况下，总有一些因子会发挥作用。因此，在量化投资界，不同的投盗者和研究者都开发了很多不同的多因子模型。各种多因子模型核心的区别一是在因子的选取上，二是在如何用多因子综合得到一个最终的判断。一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。打分法根据加权方法的不同又可以分为静态加权和动态加权。打分法的优点是相对比较稳健，不容易受到极端值的影响。回归法就是用过去的股票的收益率对多因子进行回归。得到一个回归方程，然后把最新的因子值代入回归方程得到一个对未来股票收益的预判，最后以此为依据进行选股。回归法的优点是能够比较及时地调整股票对各因子的敏感性，而且不同的股对不同的因子的敏感性也可以不同。回归法的缺点是容易受到极端值的影晌，在股票对因子敏感度变化较大的市场情况下效果也比较差。