“学海拾珠”系列之九十五:已实现半Beta:区分“好的”和“坏的”下行风险
报告摘要
主要观点
本篇是“学海拾珠”系列第九十五篇。本文根据市场和资产收益之间的关系,提出了一个新的分解方法:将传统市场贝塔分解为四种贝塔。本文表明,来自负市场收益和负资产收益的贝塔可以更显著地正向预测未来收益,而来自负市场收益和正资产收益的贝塔能更显著地负向预测未来收益。与正市
由small_q创建,最终由small_q更新于
本篇是“学海拾珠”系列第九十五篇。本文根据市场和资产收益之间的关系,提出了一个新的分解方法:将传统市场贝塔分解为四种贝塔。本文表明,来自负市场收益和负资产收益的贝塔可以更显著地正向预测未来收益,而来自负市场收益和正资产收益的贝塔能更显著地负向预测未来收益。与正市
由small_q创建,最终由small_q更新于
研究使用隐马尔可夫模型(HMM)来识别单个资产的阶段,并提出一种有效利用价格趋势的投资策略。从 2004 年 1 月到 2018 年 12 月,文章对全球资产进行了15 年的实证分析,分为 10 大类资产以及细分 22 类资产。通过查看研究中投资组合权重的变化,可以看到资产类别之间的权
由kuailian创建,最终由kuailian更新于
我们梳理了铁矿石的产业链逻辑,将影响铁矿石价格的因子分为两大类四子类,基本面因子包括供应因子、需求因子、库存因子,而情绪因子是并列于基本面因子的一大类因子。
基本面因子相对于行情数据有更新频率更低、更新不够及时、统计口径时有变化等特点,所以数据处理方面有其特殊之处,本文从数据频率的统
由yuezhikong创建,最终由yuezhikong更新于
\
由bqntzwt6创建,最终由bqntzwt6更新于
由bq60rqzz创建,最终由bq60rqzz更新于
系列报告主要专注于对多因子框架进行研究,本报告完成模型的第一步:因子组合的确定。
基于对冲的思想,将基准的因子暴露度加入组合筛选的条件之一,从而减少因子搜索的复杂度。
组合的评判标准分为三点:因子暴露度、因子相关强度和因子选个股能力,相关结论如下:
由bq6sop6i创建,最终由bq6sop6i更新于
给iOS员工马龙写一个榜样事迹
由bqnes15u创建,最终由bqnes15u更新于
基金经理是否具有择时能力的讨论
现存的研究指出基金经理是不具备市场择时能力的,例如,Treynor和Mazuy(1966)开发出一个择时模型用来刻画基金经理的择时能力,然而,在其57只基金的样本池中,只有一只基金具备择时能力。Henriksson(1984)利用H
由crisvalentine创建,最终由crisvalentine更新于
机器学习选股的两个痛点
通过总结近年来机器学习应用较为成功的领域的共同点,我们发现“样本同分布”和“数据信噪比高”是决定机器学习适用性的重要条件。然而对于金融数据来说,“样本非同分布”以及“数据信噪比低”是无法回避的,因此,照搬传统的机器学习方法或者硬套“深度学习”概念,期待
由bqynynt8创建,最终由bqynynt8更新于
机器学习选股的两个痛点
通过总结近年来机器学习应用较为成功的领域的共同点,我们发现“样本同分布”和“数据信噪比高”是决定机器学习适用性的重要条件。然而对于金融数据来说,“样本非同分布”以及“数据信噪比低”是无法回避的,因此,照搬传统的机器学习方法或者硬套“深度学习”概念,期待
由bqynynt8创建,最终由bqynynt8更新于
机器学习选股的两个痛点
通过总结近年来机器学习应用较为成功的领域的共同点,我们发现“样本同分布”和“数据信噪比高”是决定机器学习适用性的重要条件。然而对于金融数据来说,“样本非同分布”以及“数据信噪比低”是无法回避的,因此,照搬传统的机器学习方法或者硬套“深度学习”概念,期待
由qxiao创建,最终由qxiao更新于
本篇是“学海拾珠”系列第六篇,摘选自论文《PickingFundswithConfidence》的核心结论。
文章提出了一种优选基金的新方法,该方法利用基金的持仓信息和历史回报率信息,结合预测Alpha方法,通过对基金池中的基金进行一对一的业绩比较,迭代淘汰业绩较差的基金,形
由qxiao创建,最终由qxiao更新于
文献来源:Chen, Mike, and George Mussalli. "An integrated approach to quantitativeESGinvesting." The Journal of Portfolio Management 46.3 (2020)
由crisvalentine创建,最终由crisvalentine更新于
系列报告主要专注于对多因子框架进行研究,本报告完成模型的第一步:因子组合的确定。
基于对冲的思想,将基准的因子暴露度加入组合筛选的条件之一,从而减少因子搜索的复杂度。
组合的评判标准分为三点:因子暴露度、因子相关强度和因子选个股能力,相关结论如下:
由vampire7777创建,最终由vampire7777更新于
模型板块包含了AI算法模型,多因子模型等一些研究内容。
由small_q创建,最终由small_q更新于
北交所聚焦中小创新企业,与沪深交易所功能互补
由bqadm创建,最终由bqadm更新于
股票市场中性策略是通过基本面、量价等维度选择具有Alpha能力的股票,并通过股指期货、融券等工具对冲市场风险,以获得稳定的收益。长期来看,股票市场中性策略收益高于债券类策略,同时回撤并不大,能够给投资人带来较好的收益体验。股票市场中性策略的收益本质上来源于多头强于空头的部分,因此一方面
由bqadm创建,最终由bqadm更新于
本篇报告从最大化选股策略效益的角度,将个股评价与行业评价进行耦合,构建个股alpha与行业beta双驱选股策略。
投资收益的来源包含alpha和beta,理论上,我们希望alpha和beta收益都高,但在
由small_q创建,最终由small_q更新于
供应链数据主要描述公司之间存在的商业关系,即客
由small_q创建,最终由small_q更新于
本篇是“学海拾珠”系列第一百篇,文献研究了因子动量与动量因子之间存在的一些联系。股票动量效应长期以来违背了有效市场假说,而较新的一些文献也发现,动量在股票异象因子中也广泛存在,构造因子动量策略可以获得显著优于基准的回报。文献发现,因子收益的正向自协方差是因子动量
由small_q创建,最终由small_q更新于
本篇是“学海拾珠”系列第九十九篇,文献研究了由共同基金评级所驱动的需求与股票系统性价格波动之间的关系。共同基金投资者通过晨星(Morningstar)评级来追逐基金业绩,使得资金被投入到过去成功的风格中。风格层面的评级失衡导致了在该层面上的价格压力,并增加了不同
由small_q创建,最终由small_q更新于
本篇是“学海拾珠”系列第九十七篇。本文提出了一种离散型的交易策略,将投资组合的回撤控制在目标水平内,同时最大化长期投资组合的收益。本文将损失控制目标定义为滚动窗口内的回撤(REDD)。本文使用三个大类资产来测试动态资产配置策略:标准普尔500总收益指数(SPTR
由small_q创建,最终由small_q更新于
本篇是“学海拾珠”系列第九十八篇,文献研究了股票预期收益、成交量以及错误定价之间的关系,发现在被低估的股票中,回报与成交量呈正相关,而在被高估的股票中则呈负相关,成交量会放大错误定价。文献认为,从投资的角度来看,成交量与错误定价程度一起考虑可以识别更多的被低估和
由small_q创建,最终由small_q更新于
本篇是“学海拾珠”系列第九十六篇,本文研究了一个现象:当基金抛售时往往会对股票造成价格压力,而这种价格压力会由于投资者的“学习”蔓延到同类股票上,称之为外溢效应。当投资者无法看穿被抛售股票价格下跌的根本原因时(这种原因是非基本面的),他们可能会认为其中有非公开的
由small_q创建,最终由small_q更新于
本篇是“学海拾珠”系列第九十二篇,文献研究了在经济衰退期开始其职业生涯会对基金经理的业绩以及投资风格产生怎样的影响。研究发现,在衰退期开始其职业生涯的基金经理平均来看超额收益更高,但这种优异表现并不是无条件的,主要体现在,他们在经济衰退期能够比其他基金经理表现出
由small_q创建,最终由small_q更新于