量化模型与构建方式 1. 模型名称：配对反转因子 - 模型构建思路：配对反转因子捕捉行业内个股之间的反转机会，其核心思想与配对交易一致，但将配对交易的止盈止损条件改为定期平仓[22][47] - 模型具体构建过程： 1. 协整回归：对资产A和资产B的对数价格序列进行协整检验，假设两者满足协整关系，协整系数为$\gamma$，价差公式为： $ln(P_{t}^{A})-\gamma ln(P_{t}^{B})=\mu+Spread_{t}$ 剔除均值后的价差序列为： $Spread_{t}/\sigma_{t}=(log(P_{t}^{A})-\gamma log(P_{t}^{B})-\mu)/\sigma_{t}$ 其中$\sigma_{t}$为学习期的标准差[43][46] 2. 开仓规则：当价差序列超出开仓阈值时，进行多空配对交易，具体规则为： - 情形一：当$Spread_{t}/\sigma_{t} > T1$，做空资产A，做多资产B - 情形二：当$Spread_{t}/\sigma_{t} < -T1$，做多资产A，做空资产B[49] 3. 平仓规则：不设置止盈止损条件，统一在每月最后一个交易日平仓[51] - 模型评价：配对反转因子能够在个股层面捕捉股价反转和价差的均值回复特性，具有较强的超额收益能力[69] 2. 模型名称：基于个股配对思想的指数增强方法 - 模型构建思路：通过调整中证800成分股的权重实现指数增强，避免传统配对交易中融券的高成本问题[71] - 模型具体构建过程： 1. 权重调整：根据个股配对思想，调整中证800成分股的权重 2. 调仓频率：每月末按照配对系数对个股权重进行调整 3. 参数设置：资产相关性阈值C=0.7，学习期长度和开仓阈值取最优参数[75][78] - 模型评价：该方法在测试期内实现了显著的超额收益，且换手率较为平稳[79] 3. 模型名称：基于个股配对思想的多因子组合配对调仓 - 模型构建思路：将个股配对思想应用于多因子组合的周度调仓，通过加入或剔除股票优化组合收益[87] - 模型具体构建过程： 1. 基准多因子组合：选取12个因子（如1个月成交金额、换手率、一个月股价反转等），按等权加权构建基准组合[83] 2. 配对调仓：基于个股配对思想，按周度频率调整组合，加入或剔除股票[87] 3. 参数优化：通过分行业或全行业统一参数优化，选择学习期长度和开仓阈值的最优组合[90][97] - 模型评价：配对调仓策略在大多数年份均显著提升了收益水平，且对参数变化不敏感[101] --- 模型的回测效果 配对反转因子 - 年化收益：1246.06%（全样本）[63] - 最大回撤：5.48%（全样本）[63] - 胜率：58.27%（全样本）[63] 基于个股配对思想的指数增强方法 - 超额收益：216.24%（全样本）[78] - 最大回撤：17.38%（全样本）[78] - 胜率：57.09%（全样本）[78] - 信息比率：0.97（全样本）[79] 基于个股配对思想的多因子组合配对调仓 - 年化超额收益：501.59%（全样本）[102] - 月胜率：77.78%（全样本）[102] - 换手率：约30%（月度平均）[105]