基于钢铁行业五大类因子我们选取共计170个基本面指标,分属于供应类、需求类、库存类、宏观经济类、现货价格价差类。我们基于基本面数据指标进行原值、环比变化率、较历史同期均值比、较历史同期均值比变化率四种处理方法,以提取其相应维度的信息。历史同期均值比指标是为了提取高频数据历史相对水平维度信息,类似于低频数据同比的概念,更适用于高频数据。 ★预测回归与因子合成方法论 基于IVX的预测回归方法论:预测回归方法论方面我们使用Kostakis(2015)提出的IVX方法进行样本外滚动预测,该方法无需特别区分即可处理平稳序列、协整序列、近似协整序列、近似平稳序列,对于内生性较强的金融时间序列适用性广,有效避免了基于传统回归时对数据进行平稳性转换时的信息丢失。 基于3PRF模型的降维与因子合成方法:基于样本外滚动窗口对螺纹五大类基本面指标分别进行动态筛选与赋权,得到供给、需求、库存、宏观、价格价差共五大综合指标。我们使用Kelly (2015)提出的3PRF (Three-pass Regression Filter)模型进行降维,该模型以预测目标变量的协方差最大为降维目标更适用于预测问题。 ★螺纹量化择时效果 |
基于单因子筛选结果进行等权复合回测结果显示:对于周度预测2011年至今年化收益率53%,年化波动率18%,最大回撤-18%,日胜率57%,夏普比率2.80,换手率(月)0.80(换手率可降至0.4,夏普率2.63);月度预测夏普比率1.79,换手率(月)0.25。 基于3PRF模型将大量基本面数据进行降维得到的螺纹基本面四大类因子(供给A、需求B、库存C、宏观D)综合信号预测结果显示:2014年至今年化收益率40%,年化波动率20%,最大回撤-22%,日胜率55%,夏普比率1.85,换手率(月)0.98。
|