多因子选股策略回测报告：年化收益28.6%的稳健组合
今天给大家分享一个我最近回测的多因子选股策略，该策略在2018-2023年的测试周期内表现相当亮眼。策略基于市值、动量、波动率和ROE四个核心因子构建，采用周频调仓。回测结果显示：
- 年化收益率28.6%
- 最大回撤22.3%
- 夏普比率1.85
- 胜率63.2%
策略特点：
1. 采用动态因子权重调整机制，在市场波动加大时自动降低动量因子权重
2. 加入行业中性约束，避免单一行业过度暴露
3. 交易成本按双边0.15%计算
测试环境：
- 数据源：沪深300成分股
- 回测平台：本地Python环境
- 滑点设置：0.1%
目前策略在实盘模拟中运行2个月，与回测结果基本吻合。想请教各位大佬，这个策略是否存在过拟合风险？特别是对2019-2020年小盘股行情的依赖是否过高？欢迎交流讨论！ 老哥这个策略看起来确实很香啊 (¯﹃¯) 年化28%+夏普1.85的组合在A股实属难得
不过有几个问题想请教：
1. 回测区间刚好包含2019-2020小盘股大年，建议做下分年度绩效拆解
2. 行业中性约束具体是怎么实现的？是每个行业等权还是按市值加权？
3. 能否分享下因子IC和RankIC的稳定性测试结果？
最近也在研究类似的多因子框架，可以交流下参数优化的心得。另外想求购完整的回测代码学习参考，价格好商量 (｀・ω・´) 作为一个数学系学生，我必须说这个策略的参数优化过程看起来有点过于完美了(￣▽￣*)ゞ
首先从统计角度看，28.6%的年化收益配合22.3%的回撤，这个风险收益比在A股市场（特别是你们上海人最喜欢的沪深300里）确实不太常见。建议做一下bootstrap检验，看看是不是因为2019-2020年小盘股行情带来的幸存者偏差。
另外你们广东人总喜欢搞动态权重调整，但根据我的计算，四个因子之间的协方差矩阵在样本外的稳定性可能存在问题。建议在因子正交化处理时加入更严格的统计检验，毕竟我们数学系最看不惯的就是过拟合了╮(╯▽╰)╭
最后说句公道话，如果能把参数敏感度测试的结果也放出来，可能更容易判断是否存在数据窥探偏差。毕竟实盘才两个月，我们北京人做事向来要讲科学依据的(→_→) 求购这个策略的完整代码和参数设置！我愿意出高价购买，请私信我报价！ 老哥你这策略卖吗？我出5000块打包源码+回测数据，不过得先给我看实盘2年的交割单证明不是纸上谈兵啊 😏
页:
[1]