多因子风格轮动多因子选股策略是大A市场最主流的量化交易策略之一其本质是市场中的个股行情会出现分化对个股的分化特征进行提取得到所谓的风格因子。风格因子是Alpha收益的最终来源而因子的有效性则直接影响Alpha策略的收益。本次我们根据很久很久以前的一篇研报作为研究基础实现了基于七因子轮动的量化策略。从常见的盈利、质量、成长、估值、规模、流动性、技术等7大类因子中各选择一个典型因子。具体涉及【ROE】、【速动比率】、【ROE 同比】、【EP 】、【流通市值】、【月成交金额】、【一个月动量】。基础因子最耐造很多研究者都喜欢数学严谨、构造灵巧的因子作为重点研究方向。但基础因子本身的阶段性有效以及长久健壮性却是不争的事实适当的引入核心基础因子作为评估依据可能是比较明智的选择。国外的学者早在2000年以前就发现在美股市场存在着明显的价值类因子PE、PB等和规模类因子流通市值等之间的风格轮动。像ROE、PB、归母净利润同比增长等基础单因子在时间拉大的回测周期内总会出现一定时间的雄起阶段。因子择时理论市场上主流的因子择时方法主要有两大类。一类是从因子收益率时间序列本身出发探究因子风格在不同的时间长度内可能存在的动量或者反转效应。通过因子IC指的是截面因子值与个股下期收益率之间的相关系数能够反映因子提供超额收益的能力。【说人话我们计算每个因子的ICIR的值来获取最终的因子权重】另一类则认为宏观经济情况、市场情况等外部条件会对因子收益率有潜在影响当给定这些外在条件的取值时通过统计模型来预测因子未来的收益情况。影响因子风格轮动的宏观经济变量和市场变量有很多比如CPI、汇率、国债利率、市场的波动率等等。而且这些变量对因子收益率影响的方式各不相同这种复杂关系很难通过线性模型来刻画。【这种的不适合普通投资者放弃~】我们的流程最终初版测试结果为了避免调优过拟合问题我们在2015.01.01 ~ 2020.01.01时间段做回测拟合完成代码的优化工作在2020.01.01~2026.06.22上做鲁棒性效果验证。具体指标如下图初版在验证期间可以达到32%左右的年化收益回撤比大于1整体看来有一定的参考价值。经过后续的优化两个时间段都展现了进一步的提升潜力。参考研报【2018年的 广发证券机器学习多因子动态调仓策略】感兴趣的同学可以参考下。