本报告由东方证券于2017年发布，提出将因子选股与事件驱动策略通过Bayes模型整合的创新方法。核心亮点包括：1）采用横截面回归剔除行业和市值影响，准确度量事件异常收益；2）借鉴Black-Litterman模型，以多因子预测为先验、事件预测为观察值，得到后验残差收益加权预测；3）实证显示利空事件alpha稳健，整合后增强多因子模型，而利好事件因公告前反应完毕反而降低效果。适合量化研究员、投资经理、金融工程分析师及对多因子模型与事件驱动策略感兴趣的投资者。
本报告由东方证券于2017年发布，提出将因子选股与事件驱动策略通过Bayes模型整合的创新方法。核心亮点包括：1）采用横截面回归剔除行业和市值影响，准确度量事件异常收益；2）借鉴Black-Litterman模型，以多因子预测为先验、事件预测为观察值，得到后验残差收益加权预测；3）实证显示利空事件alpha稳健，整合后增强多因子模型，而利好事件因公告前反应完毕反而降低效果。适合量化研究员、投资经理、金融工程分析师及对多因子模型与事件驱动策略感兴趣的投资者。
本报告由东方证券于2017年发布，提出将因子选股与事件驱动策略通过Bayes模型整合的创新方法。核心亮点包括：1）采用横截面回归剔除行业和市值影响，准确度量事件异常收益；2）借鉴Black-Litterman模型，以多因子预测为先验、事件预测为观察值，得到后验残差收益加权预测；3）实证显示利空事件alpha稳健，整合后增强多因子模型，而利好事件因公告前反应完毕反而降低效果。适合量化研究员、投资经理、金融工程分析师及对多因子模型与事件驱动策略感兴趣的投资者。核心数据:26个A股常见事件分析;利空事件alpha稳健;利好事件alpha在公告前一个月反应完毕。
本报告由东方证券发布,发布于 2017 年。
覆盖 2017 年,全文约 20。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、投资经理、金融工程分析师、证券分析师等读者参考。
重点分析了金融投资、Bayes、因子选股、事件驱动等议题。