1．目的及意义
多因子选股模型依据一系列因子条件组成股票池构建标准，符合条件的股票列入股票池，不符合的将会剔除。目前量化投资在中国证券投资基金业界发展快速，随着中国股市的有效性提升，与上市公司相关的信息准确性和及时性也有提高。在量化投资迅猛前行的环境下多因子模型也得到了业界的青睐。但是传统的多因子策略有一定缺陷，首先传统多因子模型对二级市场里的股票采取同一打分法，而忽略了股票独有的特征。没有考虑股票所在行业，经营状况，市值大小等影响因素。另外，采用较为固定的因子有过拟合倾向，在实盘里表现弱于模拟回测。因此如何在不同时间段和具有不同特征的股票里选择合适的因子去构建选股模型是很有实际意义的。

国外对多因子模型研究较早，Fama, French在《Dissecting Anomalies》中指出对全市场股票进行不同分层后因子的效果不同，在的流通盘小的股票中，市值因子可以带来更高的超额收益，动量效应在流通盘较大的股票中表现最强。此外，在小盘股中，估值因子具有明显的超额收益；然而，在大盘股里这个特征不明显。MSCI公司在《The Barra China Equity Model (CNE5)》一文里利用全球行业分类标准（GICSreg;）划分中国A股个股所在行业，也得出了市值因子具有较大超额收益贡献的结论。

目前国内对量化策略的研究还是起步阶段，但也有部分券商金融工程组开始做因子分层研究，东兴证券在《多因子系列研究报告之——因子有效性测度与筛选（2）》中对35个基本面和技术面因子进行测试，得出对于不同规模的股票，因子的敏感程度是不一的，一般来说，流通市值小的股票对行情类的因子更加敏感些，流通市值较大的蓝筹股对一致预期类的因子更敏感的结论。光大证券在《多因子研究系列（五）——动量类因子测试》中利用因子IC对动量因子有效性进行检验，获得了21种动量因子在不同行业和规模股票里的表现情况。海通证券在《常见选股因子在行业间的有效性分析》一文里，通过因子横截面标准化在全A股市场里分别用筛选法和回归法进行了因子有效性测试，发现整体上估值因子在A股市场里的选股效果较差。但是在金融行业中具有显著的选股效果。

{title}

2. 研究的基本内容与方案

{title}

基本内容：根据股票基本面的属性，比如估值和市值等，把股票分成不同的层面，然后在对每个层面里对股票单独打分，最后依据股票在不同层面的得分获得综合得分。并依据得分建立动态选股池，进行投资回测，观察其投资绩效。

目标：寻找到有效的分层因子，对个股在不同情景分层上的属性进行定量刻画。#61485;结合个股的因子得分、个股的情景特征向量和因子的加权矩阵，计算出每个股票的模型综合得分。并且同普通等权重多因子模型进行横向比较。

采用的技术和措施：

1对因子进行标准化，去极值处理(横截面上)；调整行业和市值影响：因子在大小盘，不同行业的股票上的值会有明显的差异，比如市盈率因子较低的股票会集中于银行等板块.调整的方法就是，把每个因子对市值和行业哑变量做回归，取残差作为因子的一个替代；残差正交化调整：因子间存在较强同质性时，使用施密特正交化方法对上一步得到的残差做正交化处理，用得到的正交化残差作为因子对股票收益率的一个预测。计算本期因子值和下期股票收益的秩相关系数。

2绘制因子IC时间序列图，IC值越大意味着因子预测能力越好，选择IC为正，且较稳定的因子作为待检测分层因子

3统计检验分析因子IC在不同分层下的显著性差异，获取情景分层因子。

4设计策略：对于每一个股票，依据因子特性对其打分，选择高分股票买入。

5与传统多因子策略对比并对策略做绩效评估。

3. 参考文献

【1】D.J.Orr, Igor M., Adam. N., “The Barra China Equity Model (CNE5) Empirical Notes.” July 2012.
【2】Fama, Eugene.,MacBeth, James., "Risk, Return, and Equilibrium: Empirical Tests". Journal of
Political Economy 81 (3): 607–636, 1973
【3】Sorensen, Eric H., Hua, Ronald, and Qian, Edward E., “Contextual Fundamentals, Models, and
Active Management.” February 2005.

【4】Kris Boudt , Wanbo Lu , Benedict Peeters.,"Higher order comoments of multifactor models
and asset allocation."Finance Research Letters 13 (2015) 225–233

【5】WOLFGANG J. RUNGGALDIER,."ARBITRAGE-FREE MULTIFACTOR TERM STRUCTURE MODELS:
A THEORY BASED ON STOCHASTIC CONTROL."Mathematical Finance, Vol. 23, No. 4 (October 2013), 659–686

【6】Briner, Beat, Rachael Smith, and Paul Ward. 2009. “The Barra European Equity Model (EUE3),” Research Notes.

【7】Menchero, Jose, Jun Wang, and D.J. Orr. 2011. “Eigen-Adjusted Covariance Matrices.” MSCI Research Insight.