python求真因子_python基本面选股-多因子选股前期知识储备

前言:

在无人指导自学的环境下,只能靠网络搜索去记录些会用到的知识定义,以此来方便以后的学习,不定时频繁更新。

1:CAPM 资本资产定价模型 capital asset pricing model

2:CAPM模型:一个投资组合的超额回报率可由它对三个因子的暴露来解释,这三个因子是:市场资产组合(Rm-Rf)、市值因子(SMB)、账面市值比因子(HML)

3:ROE 净资产收益率 return on equity

4:ROA 资产收益率 return on assets

5:净利润率 = 净利润/营业总收入

6:Beta 是一种风险度量指标,指的是系统性风险指标。越大,代表基金的系统性风险越大。根据CAPM模型,beta等于1,代表基金和市场具有相同的系统性风险。大于1表示基金比市场的系统性风险大,即市场收益率变动x

5:多因子量化选股五个步骤:因子选取,因子有效性检验,因子筛选,综合评分模型,模型的评价和改进

6:PB 市净率 price to book ratio 每股股价与每股净资产的比率。pb较低的股票投资价值较高

7:BM 账面市值比 book to market (PB的倒数)指公司的账面价值与股票的市场价值的比率,低账面市值比股票一般被称为成长型股票,高BM股票一般被称为价值型股票

8:三因子模型:E(Rit) −Rft= βi[E(Rmt−Rft)] +siE(SMBt) +hiE(HMIt)

Rft:时间t的无风险收益率;Rmt:时间t的市场收益率

Rit:资产i在时间t的收益率;E(Rmt) − Rft:市场风险溢价

SMBt:时间t的市值因子的模拟组合收益率(Small minus Big)

HMIt:时间t的账面市值比(book—to—market)因子的模拟组合收益率(High minus Low)

β、si和hi分别是三个因子的系数,回归模型表示如下:

Rit− Rft= ai+ βi(Rmt− Rft) + SiSMBt+ hiHMIt+ εit

9:线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,是生成一个确定自变量和因变量之间关系的方程。

10:Y=f(X)此式表示为:Y随X的变化而变化。Y是因变量,X是自变量。:

11:中值又称中位数是指将统计总体当中的各个变量值按大小顺序排列起来,形成一个数列,处于变量数列中间位置的变量值就称为中位数。当变量值的项数N为奇数时,处于中间位置的变量值即为中位数;当N为偶数时,中位数则为处于中间位置的2个变量值的平均数。

12:加权平均值:各数值乘以相应的权数,然后加总求和得到总体值,再除以总的单位数。

意义:若股票价格高于加权平均数时,后面价格会缓步上移或急速上移,即价格将会出现易升难跌或持续向好的情况。相反,若于股票价格低于加权平均数时,后面价格会缓步下移或急速下移,即价格将会出现易跌难升或持续向差的情况。

另外,如果出现股票价格高于加权平均数时,出现了窄幅横行或正在下移的情况,这就预示着股票价格将升势放缓或掉头回跌。同理股票价格低于加权平均数时情况同上相反。其中道理的道理就是股票价格因升势或跌势得不到加权平均数的相同移动方向的支持,再往上涨或再往下跌的空间会变得有限。须知加权平均数会对股票价格产生拉力,阻止其升幅或跌幅扩大。

13:Alpha:投资组合的超额收益,表现管理者的能力;数值为正的Alpha,越大越好,粗略例如上证指数上涨了2%,而我买的股票上涨了5%,相对于上涨指数我多赚了3%,alpha为3%。

14:Beta:市场风险,最初主要指股票市场的系统性风险或收益,相对于市场基准价格变化的敏感度。股票的贝塔值越高,其价格波动的范围就越大,风险越大。

你可能感兴趣的:(python求真因子)