Workflow
因子研究:KyFactor特色因子体系与应用-
Fastdata极数·2024-08-05 08:41

会议主要讨论的核心内容 1. 开源竞工团队过去5-6年在因子体系和因子研究方面的成果总结 [1][2] 2. 介绍开源竞工团队自主开发的KYFETA因子体系,包括交易行为、资金流、基本面和管理网络等4大模块 [3][4][5] 3. 对KYFETA因子体系中18个核心因子的历史表现进行分析,大部分因子在全样本期间表现良好,但部分因子近期出现阶段性失效 [6][7][8] 4. 将KYFETA因子体系进行多因子合成,发现合成因子在过去10年内表现稳健,胜率超过90% [12] 5. 将KYFETA因子体系应用于主流宽基指数增强,发现在300指数中表现更优于1000和2000指数 [15][16][17] 6. 对因子选取和加权方式进行测试,发现简单等权加权的效果最佳 [22][23][24] 7. 基于KYFETA因子体系构建的KY300增强和KY1000增强指数在样本外表现优于市场主流量化产品 [25] [问答环节重要的提问和回答] 1. 提问:新开发的alpha因子与市场传统风格因子的相关性如何? 回答:大部分alpha因子与传统风格因子相关性不高,但与流动性因子相关性较高。可以通过剥离风格因子暴露来提高alpha因子的稳定性和收益 [14] 2. 提问:为什么RANK-IC指标和实际指针策略表现会有差异? 回答:RANK-IC关注全样本的预测能力,而指针策略考虑个股权重,两者指标不完全一致。300指数中因子表现更优,可能与权重分布有关 [17] 3. 提问:为什么简单等权加权的效果最佳,而复杂的加权方式效果不佳? 回答:A股市场中,部分因子会出现负权重,需要进行人为约束优化,过多的参数调整反而会降低结果的稳定性。简单等权加权能够避免这一问题 [22][23][24]