因子选股系列:收益率的非对称分布与尾部蕴含的Alpha研究
本文从收益率分布的高阶矩及尾部特征度量股票风险,构建偏度、Eφ、Sφ、Asym P四类非对称因子及尾部CVaR、尾部Beta因子,发现右尾CVaR因子IC达-8.15%,IC_IR为-2.72;利用随机森林模型提升合成因子的稳健性,为量化选股提供新视角。
本文从收益率分布的高阶矩及尾部特征度量股票风险,构建偏度、Eφ、Sφ、Asym P四类非对称因子及尾部CVaR、尾部Beta因子,发现右尾CVaR因子IC达-8.15%,IC_IR为-2.72;利用随机森林模型提升合成因子的稳健性,为量化选股提供新视角。
本文从收益率分布的高阶矩及尾部特征度量股票风险,构建偏度、Eφ、Sφ、Asym P四类非对称因子及尾部CVaR、尾部Beta因子,发现右尾CVaR因子IC达-8.15%,IC_IR为-2.72;利用随机森林模型提升合成因子的稳健性,为量化选股提供新视角。
本文从收益率分布的高阶矩及尾部特征度量股票风险,构建偏度、Eφ、Sφ、Asym P四类非对称因子及尾部CVaR、尾部Beta因子,发现右尾CVaR因子IC达-8.15%,IC_IR为-2.72;利用随机森林模型提升合成因子的稳健性,为量化选股提供新视角。核心数据:IC-8.15%。
本报告由东方证券发布,发布于 2021 年。
覆盖 2021 年,全文约 19。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合量化研究员、金融工程师、投资经理等读者参考。
重点分析了金融投资、Alpha、尾部蕴含、收益率等议题。