今天贝专家给大家分享的是量化投资模型的几个知识点。量化投资模型里面比较常用的方法是多因子模型。

01、多因子模型构造方法

多因子模型实际是一种量化选股模型，会通过一些因子的组合或者策略的组合，去构建模型，然后拟合股票的收益率。拟合的模型得到的排序最高的10%或者20%的股票进入选股模型里面。

在选择因子的过程中，其实有很多针对这支股票的规模因子，比如总的市值、总的估值、总资产、还有成长因子、盈利能力因子。比如价值因子，他的市盈率，资产周转率；还有增长因子，就是资产周长、营业利润的增长；还有盈利能力的因子，比如ROE这样的R因子，这些都可以作为模型的因子的选择。

因子的组合预测也是基于历史数据。在做模型的过程中，比较关注的是这些因子和实际的收益率之间的强相关性是什么样子的。这些因子之间，尽量避免他们有非常高的相关性。在做这个模型的时候，会通过专家打分的方法，对某一些股票或者某一些股票资产组合进行一些配比，或者通过回归分析的方法来构建这个模型。

02、怎样评价模型好坏？

一方面是通过预测，在测试集的样本里面，看实际收益率是什么样子的；还有信息比率，为了避免过渡的震荡，实际是预测的收益率除以周期时间段里收益率的标准差。

另一方面可能大家见得比较多，叫最大回撤率，是预测这个周期里面股票或者股票组合的最大跌幅是什么样子。综合评估这几个指标，来作为对这个模型的总体评价。

之前有基于大数据的方法在选股模型里面增加因子的例子，会基于大数据，考虑市场风险、行业风险，上市公司的盈利能力、规模、价值等因素。比如投资者情绪对于股票涨跌的影响，比较有名的是09年某大学一个团队，用推特上的一些上市公司的标普指数对熊市、牛市的关键词的提取，去和标普做拟合，发现关联度非常高。

市场上很多基于整个市场或者上市公司的一些言论是可以被反映在社交媒体或者是新闻上面的，这样的声音会影响股民的投资决策，股民也会发出情绪性的声音，通过捕捉这些因素，可以看到这些因素和实际的关联。

在13、14年，很多互联网公司和一些基金进行合作，做基金发行，比如百度百发，就是百度和广发合作；还有淘金一百这样的指数，会针对上市公司或者大盘的搜索指标，增加到选股模型里面去。

在做的过程中间，关键词的热度是一部分，但评价是正面还是负面的，对实际的影响相对来说是未知的。通过对舆情的抓取，正负向评论、语义分析的方式，分析出正负项。热度指数和正负的交叉相分析，对指数有非常高的相关性。所以这也是大数据，对企业分析、量化分析的一个挖掘。

在未来，通过大数据对舆情的分析和信息抓取，可能会成为选股模型新方向。

关注：i 小贝保险

选保险，不焦虑！