指數(shù)增強(qiáng)策略研究報(bào)告300 300指數(shù)增強(qiáng)策略，流程包括原始數(shù)據(jù)獲取、因子raw_data_fetch.py/原始數(shù)據(jù)獲取.pywind/tushare數(shù)據(jù)at_epcess.y/.ysgefcotes.p/.yCTdexehne.p/.y本模型針對(duì)滬深300成分股，最終選取估值因子、動(dòng)量因子、流動(dòng)性因子、成長因子、作制組合相對(duì)基準(zhǔn)指數(shù)的行業(yè)及市值暴露，實(shí)現(xiàn)對(duì)組合中個(gè)股的權(quán)重優(yōu)化，以滬深300約20141月201912月。模型采用24T+1期因子收益率，并進(jìn)行市值中性化和行業(yè)中性化處理。經(jīng)過回測(cè)，模型年化超額收益8.3%，并在2014-2019年期間每一年都跑贏指數(shù)，平均跟蹤誤差6.2%，平均雙邊換手率12缺失值處理：原始因子會(huì)因?yàn)楦鞣N原因??現(xiàn)缺失值，當(dāng)缺失值少于比如10%的情況下，標(biāo)準(zhǔn)化：不同因子量綱不同，為了使其具有可比性，需要對(duì)其進(jìn)行ZScore使因子序列近似成為一個(gè)符合N(0,1)正態(tài)分布的序列。標(biāo)準(zhǔn)化后某期因子如下圖：Barra手冊(cè)中關(guān)于因子顯著性測(cè)試的內(nèi)容，對(duì)因子進(jìn)行橫截面回歸，同時(shí)需要考慮行業(yè)與市值的影響。而IC（InformationCoefficient）是衡量因子收益預(yù)測(cè)能力的重要參數(shù)，它作為剔除行業(yè)與市值影響后的因子值。再計(jì)算新因子值與下一期股票收益序列間的Spearman相關(guān)系數(shù)。某因子的IC等檢驗(yàn)圖如下:IC>0概率：衡量模型預(yù)測(cè)收益方向性是否一致的指標(biāo)；IRIC：IC平均值/IC標(biāo)準(zhǔn)差；ICIC標(biāo)準(zhǔn)差：衡量模型預(yù)測(cè)能力是否穩(wěn)定的指標(biāo)；t值絕對(duì)值>2概率：衡量因子顯著性是否穩(wěn)定；t因子收益t值：衡量因子收益率統(tǒng)計(jì)上是否顯著不為0的指標(biāo)；2ICIR股票。按照因子將樣本內(nèi)股票排序，并按照序號(hào)從大到小平均分為510組。在下一個(gè)截面期的首個(gè)交易日，以當(dāng)天的收盤價(jià)換倉并剔除當(dāng)天因停牌等因素不能5組股票的歷史收益率進(jìn)行回測(cè)，并計(jì)算其年化收益率、波動(dòng)率、夏普比最好的因子進(jìn)入模型，剔除其他因子，也可以利用等權(quán)法、歷史收益率加權(quán)法、ICIR加權(quán)子收益率。為解決異方差性，使用了WLS加權(quán)最小二乘法進(jìn)行回歸。得到所有因子的歷史收益率序列后，就可以去估計(jì)T+1期因子預(yù)期收益率了，當(dāng)然估計(jì)的24Brinson模型歸因等等。最終業(yè)績(jī)歸因結(jié)果圖如下：本模型以滬深300作為基準(zhǔn)，最終選取動(dòng)量因子、流動(dòng)性因子