因子相关性分析结果显示,多频率混合模型和多频率增量混合模型的因子相关性较低,表现出较好的多样性和独立性。 四 总结展望 本文工作使用神经网络从股票的原始量价数据中自动提取特征,实现了端到端的因子挖掘和因子合成。本文引入了因子增量贡献的思想,设计了一个两阶段的增量学习模型,能够有效提高模型的预测准确性。
回复@qzy69: 用多个指标选基,要考虑基金因子的相关性。虽然规模因子、信息比率(超额收益稳定性)因子都有效,但信息比率高的基金,大规模不一定是坏事。从近期数据看,如果要在信息比率因子以外再找一个低相关的有效因子,那就是“业绩改善”,可以用超额收益的变化来定量描述。 业绩好而稳定+近期业绩改善的组合,要好于...
如果一个投资组合的跟踪误差过高,而信息比率低,投资经理可能需要重新评估其投资策略,以减少风险敞口并提高超额收益。 c. 绩效归因 风格分析: 跟踪误差可以用于分析投资经理在不同市场环境下的表现。结合信息比率,投资者可以识别哪些因素(如市场风格、行业选择等)对超额收益产生了正面或负面影响。 具体风格或因子分析...
回测有个信息比率,排名分析有个因子是IR,IR似乎也是信息比率,请问这两个有什么不同?两个的计算方式有区别么?看的时候以哪个为准?多谢。打赏 | 收藏 | 评论 发表评论 全部评论 回复评论 取消 返回列表 × 打赏 欢迎打赏!请选择打赏给 的金额 1果仁币 5果仁币 10果仁币 20果仁币 50果仁币 您的果仁币...
集成学习环节,为整合不同模型优势,采用等权、历史 IC 加权、历史因子收益率加权三种传统因子合成法集成各子模型预测结果(视作单因子)。实践表明,集成模型在超额收益、信息比率和 Calmar 比率提升显著,于全 A 股、中证 500 及中证 800 成分股内回测效果俱佳,有效规避单一模型风险,实现“模型分散化”。
在高波动率股票池中,基本面因子的IC绝对值均值为0.0358,而在低波动率组中,上升到0.0412,所有因子的解释能力均值IC提升达到17.59%。IC的IR也从0.1487提升到0.2052,上升幅度为37.99%。 这里简单介绍IR的概念:ICIR信息比率 = IC.mean / IC.std,ICIR是IC的均值除以标准差,也就是IC值在回测时间段内的信息比率。IC...
可投资性较高的宽基指数有三个特征:可表征性,风格免疫性,市场适应性,从这三个角度看,目前沪深300,中证500,中证800和中证1000等指数都是优秀的投资标的,而从具体量化增强策略看,基于AI的非线性策略有可能筛选出周期性更弱,稳定性更强的因子;同时在有效性不断增强的市场中,指数增强基金应追求长期信息比率最优,...
集成学习环节,为整合不同模型优势,采用等权、历史 IC 加权、历史因子收益率加权三种传统因子合成法集成各子模型预测结果(视作单因子)。实践表明,集成模型在超额收益、信息比率和 Calmar 比率提升显著,于全 A 股、中证 500 及中证 800 成分股内回测效果俱佳,有效规避单一模型风险,实现“模型分散化”。