2017年以来传统多因子组合出现大幅回撤，因子择时需求上升。本报告提出基于条件期望的因子择时框架，通过引入外生变量动态调整因子权重，提升组合表现。核心亮点：1）构建单条件变量因子择时模型，发现波动率、涨跌幅等指标具有择时效果；2）引入AIC信息准则筛选多条件变量，构建更稳健的择时模型；3）2017年因子择时TOP100组合收益约1%，而原始模型同期收益为-19.6%。适合量化研究员、金融工程分析师、投资经理、因子投资者及金融科技从业者阅读。
2017年以来传统多因子组合出现大幅回撤，因子择时需求上升。本报告提出基于条件期望的因子择时框架，通过引入外生变量动态调整因子权重，提升组合表现。核心亮点：1）构建单条件变量因子择时模型，发现波动率、涨跌幅等指标具有择时效果；2）引入AIC信息准则筛选多条件变量，构建更稳健的择时模型；3）2017年因子择时TOP100组合收益约1%，而原始模型同期收益为-19.6%。适合量化研究员、金融工程分析师、投资经理、因子投资者及金融科技从业者阅读。
2017年以来传统多因子组合出现大幅回撤，因子择时需求上升。本报告提出基于条件期望的因子择时框架，通过引入外生变量动态调整因子权重，提升组合表现。核心亮点：1）构建单条件变量因子择时模型，发现波动率、涨跌幅等指标具有择时效果；2）引入AIC信息准则筛选多条件变量，构建更稳健的择时模型；3）2017年因子择时TOP100组合收益约1%，而原始模型同期收益为-19.6%。适合量化研究员、金融工程分析师、投资经理、因子投资者及金融科技从业者阅读。核心数据:2017年因子择时TOP100组合收益约1%;原始模型同期收益-19.6%;回测区间2009.01~2017.05。
本报告由海通证券发布,发布于 2017 年。
覆盖 2017 年,全文约 18。
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、金融工程分析师、投资经理、因子投资者等读者参考。
重点分析了金融投资、条件期望、海通证券、二十等议题。