1.IC为å¥ä½¿ç¨Linuxç³»ç»
2.多因子模型与细分行业多因子测试源码(以医疗行业为例)
IC为å¥ä½¿ç¨Linuxç³»ç»
Linuxä¸ä» ç³»ç»æ§è½ç¨³å®ï¼èä¸æ¯å¼æºè½¯ä»¶ï¼å ·æå¼æ¾æºç ã没æçæãææ¯ç¤¾åºç¨æ·å¤çç¹ç¹ãæ以ICç¸å ³çå²ä½åºæ¬é½æ¯ä½¿ç¨Linuxæä½ç³»ç»ã
多因子模型与细分行业多因子测试源码(以医疗行业为例)
本文主要研究基于rank IC分析医疗板块四大类因子(风格类、指标指标技术类、源码源码盈利能力类、指标指标基本面类)对盈利预测能力,源码源码并构建医疗板块多因子rank IC赋权模型。指标指标研究内容分为三个主要部分:因子选取及数据预处理,源码源码自编指标源码推荐医疗板块因子分析,指标指标构建医疗板块多因子模型。源码源码
在因子选取及数据预处理阶段,指标指标本文选取四大类因子(风格类、源码源码技术类、指标指标盈利能力类、源码源码基本面类)作为研究因子,指标指标源码录制清晰并构建包含申万一级医疗行业非*ST股的源码源码股票池,时间维度为年1月1日至年8月1日。指标指标数据处理方式包括去空值、去极值、中性化、标准化。网页源码杀毒因子的去空值处理为将任一因子数据全部为空的股票从股票池中剔除,剩余股票的空值用当天医药行业该因子的平均水平填充;去极值采用中位数去极值法;中性化仅对市值因子进行,因为股票池全部为同一行业的股票;标准化采取传统均值标准化方法。
在医疗板块因子分析阶段,本文采用rank IC均值分析法,因子IC的公主连结源码求解方式为时间维度上因子与股票收益率相关系数的均值,而因子rank IC则使用因子在股票池中的排名而非数值,以避免统计学问题,数值效果更佳。结果显示,部分基本面因子表现出色,盈利能力因子(ROE)表现也很好,posix源码解析技术面因子与股票收益率有显著的反向关系,风格类因子(市值、PE和PB)的rank IC表现不佳,但绝对值均值仍保持较高水平,说明风格类因子仍然有效。
在构建医疗板块多因子模型阶段,本文通过逐步筛选法筛选出选股效果显著的因子,然后通过因子在不同时间段的rank IC值对因子进行赋权,形成新的组合因子。构建的等权组合在测试周期内表现良好,年化收益达到.%,具有明显的超额收益。常见选股因子在医疗行业内存在显著的选股效果,风格类因子收益高但稳定性较差,技术类因子与收益率呈显著负相关性,而基本面因子中,部分因子有效,部分则不显著。企业盈利能力、资产增长、利润增长、盈利质量以及偿债能力等因素与股票收益表现呈正相关。