基于大數據的股票多因子量化投資策略優化研究

周浩 唐琦 楊雪

摘要：隨著中國資本市場的不斷擴大，傳統的股票投資策略已經無法適應當今飛速變幻的股市。近年來，隨著大數據技術逐步滲透進各行各業，基于大數據的股票量化投資也逐漸興起。

關鍵詞：大數據;量化投資;多因子

大數據時代下，本文通過對大數據的收集處理，找出影響股票漲跌的各種因子，本文通過基于多因子量化投資策略結合股票市場的自身特點進行選股，以期防范投資風險，為中國資產定價提供理論和實證研究的經驗和借鑒。

一、研究背景及意義

近年來，A股市場存在明顯的風格切換，傳統多因子模型已經不能獲取穩健的超額收益。大數據應用算法能夠通過對因子的非線性表達，對傳統的多因子模型進一步改進，捕捉到更加準確的市場信號，獲取較為客觀的超額收益。量化投資理念可以緊跟市場行情，抓住瞬息萬變的市場機會謀取利益，分散化投資和選股在降低風險的可能性下盡可能取得更好的收益，通過分散個股進行重新組合也能提高收益的概率。

二、研究思路設計

（一）選擇大類因子

由Auto-Trader所得的各大類因子日頻數據分別通過選取CVaR作為風險度量，拓寬量化投資組合理論，加入相關財務因子之外對A股市場收益率有一定股市影響的分析師預測因子，并利用熵權法為有效因子賦權后做股票投資策略分析的單因子策略研究，并基于財務因子方面的績效分析由目標投資優化模型和相關股票投資理論分析得到年化夏普比率（Sharpe ratio）最優因子。

（二）模型建立

本文數據來源于國泰安數據庫，它是國內目前信息最精準、規模最大的金融、經濟數據庫。通過對分析上市公司的估值因子、成長因子、盈利因子等方面，確定股票是否有投資價值。在量化形式上，選股的標準通過量化上市公司的各類指標對股票的綜合投資價值指標進行量化測度，取綜合投資價值較高的股票構建組合。

將變量X，X，X，進行線性組合，成為互為正交的新變量Y，Y，…，Y，以確保最大方差。首先將原始數據標準化，求標準化數據的相關系數矩陣，相關矩陣的特征值，方差貢獻率與累積方差貢獻率。確定主成分量，確定主因子個數，用原指標線性組合來求個因子得分，以各因子方差貢獻率為權，處的w為旋轉前和旋轉后因子的方差貢獻率。

1.數據處理

矩陣處理后為計算相關系數矩陣R。

2.計算因子得分

解特征方程，求出特征值，并按照大小順序排列。分別求出對應于特征值r的特征向量。

計算主成分載荷（主成分與變量之間的相關系數）后計算各主成分的得分，以主成分數值為基礎，通過加權計算，最終得出各公因子得分。

3.因子分析法

報告采用SPSS22.0軟件分析，運用最大方差法對初始矩陣正交旋轉，得載荷矩陣后以方差貢獻率為權重求加權平均值，采用百分制整數打分法進行指標打分，并進行降序排序。

（三）風險控制策略

基于規避風險、穩重求勝的基本投資思路，利用上市公司的各項指標，運用因子分析方法來提取公因子，再以公因子的提取平方和載入中所抽取的方差貢獻率為權重，得出加權平均值.而后對公因子進行打分排序，構建多因子量化選股模型，選取一組風險適中、盈利尚可的股票池，力求在保證本金不受損失的前提下，獲得超額收益。

三、結論及建議

優化后的多因子量化投資策略回撤后無論是總收益還是年化收益都比優化前使用的策略模型要好很多，該策略能大幅度地超越基準指數的收益，收益率曲線保持良好的上揚走勢?；谫Y金流向的策略模型在通過大數據應用多因子模型時結合股票市場的自身特點改進因子模型并進行應用，以期為中國資產定價提供理論和實證研究的經驗和借鑒?；販y的結果也表示，改進后的量化投資多因子策略模型不僅能超額獲得利潤，還能很好的控制風險。優化后的量化投資多因子模型無論是面臨主動還是被動的風險，都能獲得走勢良好的收益，此策略模型值得信賴。

參考文獻：

[1]姚雨琪.基于大數據應用的股票分析與預測模型研究[J].市場周刊，2019（2）：123-124.

[2]趙玉涵.基于大數據應用方法的股票價格趨勢預測研究[D].焦作：河南理工大學，2017.

作者簡介：

周浩，安徽財經大學金融學院，研究方向金融學，安徽蚌埠;唐琦，安徽財經大學統計與應用數學學院，安徽蚌埠;楊雪，安徽財經大學金融學院，安徽蚌埠。