利用多因子模型优化选股策略的实战心得
最近在回测过程中发现传统单因子策略的稳定性较差，于是尝试构建了一个包含估值、动量、质量因子的综合模型。通过因子正交化处理，有效降低了共线性问题。在沪深300成分股中测试，年化收益达到28%，最大回撤控制在15%以内。特别值得注意的是，在不同市场环境下各因子表现存在明显差异，牛市阶段动量因子贡献度最高，而震荡市中质量因子表现更稳健。建议定期进行因子有效性检验，及时剔除失效因子。策略目前仍在持续优化中，欢迎交流改进建议。 老哥这个策略框架确实很有启发性！我这边正好在寻找成熟的量化模型，如果方便的话想请教几个具体问题：1. 因子正交化处理用的是PCA还是其他方法？2. 不同市场环境的划分标准是什么？3. 有没有考虑加入另类数据？可以付费咨询，期待合作机会！
页:
[1]