# 1 动态多因子策略逻辑 参考《[安信证券-基于有效因子的多因子选股模型](http://www.doc88.com/p-990598569769.html)》构建了动态多因子选股策略，策略主要逻辑如下。 ## 1.1 有效因子筛选 设置一段回测的周期（例如下面提到的例子分别是三年和一年），计算因子升序排序后，各个组合每个时间切片的收益，进而计算得到该周期回测的年化收益。 应该同时满足下面三个筛选条件： 条件一：年化收益序列和序数1到10的相关性强，要求相关性的绝对值大于0.5； 条件二：对于年化收益，胜者组明显跑赢市场均值，败者组明显跑输市场均值，跑赢跑输的程度的绝对值要大于10%； 条件三：胜者组大概率跑赢基准，败者组大概率跑输基准，概率要求大于0.5。 ## 1.2 有效因子去冗余 和上面一样的回测周期，基于上面筛选条件得到有效的因子。 获取周期内每一个时间切片的因子数据，计算因子排序后，各个组合的平均收益。 如果组合10的收益大于组合1，那么就将组合 i 各个股票的各个股票分值设置为 i ，各个组合的分值从低到高进行排列分别是 1,2,3,4,5,6,7,8,9,10 。 如果组合1的收益大于组合10，那么正好是反过来 10,9,8,7,6,5,4,3,2,1 。 通过上面的分值计算每一个时间切片各个因子之间的选股的相关性，然后计算整个周期相关性的平均值，得到一个因子间的相关性矩阵。 对于相关性大于0.5的，只保留回测年化收益最高的因子。 ## 1.3 最终因子平权计算得分 对剩下的因子，根据因子收益情况，按照因子值进行升序或者降序排序，并从1到10平均计算股票得分。 将多个因子的得分相加，得到的就是最终的结果，或者说是合成的因子。 # 2 回测的效果 回测区间是2010年到2017年。 ## 2.1 因子筛选回测周期：过去3年 首先看一下回测总览：  此处主要是检验选股策略的有效性，因为此处没有考虑滑点、手续费、是否停牌、涨跌停等情况，以及对冲的升贴水，因此和实际情况可能存在较大的偏差。 从各分位的收益排列来看，策略是明显有效的。或者我们看一下下图会更清楚：  从曲线上来看，区分度还是挺高的：  经过对冲后，虽然有些净值损失，但曲线走势更加平缓了。 不过明显看到，2017年的走势是明显向下的。 一来是因为市场不好，二来是因为选择到市值偏小的股票。  上图是2017年因子选择到股票的市值分组特征，可以明显看到，1分位选择到的股票市值偏小。 设置初始金额为100万，选股数量为10，使用聚宽回测效果如下：  如果缩短因子筛选的回测周期会怎样呢？ # 2.2 因子筛选回测周期：过去1年  收益有所下降，不过对冲后的回撤也变小了很多。 从长期来看，策略虽然还是有效的，但显然不如三年周期的更明显：   从曲线走势可以看到，在2017年大势不好的情况下，不仅没有回撤，曲线还有所上扬。 估计是因为回测周期缩短，使得筛选结果较为灵敏，进而更能适应市场的变化，选择到合适的因子。 这一点从市值的分组特征上，也能明显看的出来，1分位组合不仅没有偏向于小市值股票，反而是稍微偏向于较大市值股票：  设置初始金额为100万，选股数量为10，使用聚宽回测效果如下：  数据文件较大上传不了，见谅。