现代金融学认为,投资的本质就是如何在风险和收益之间进行决策,而APT为风险的衡量提供了严谨的理论基础。http://www.hibor.com.cn【慧博投研资讯】基于APT 理论的宏观多因子模型,通过寻找风险因子,可以由宏观数据本身或预期值,对个股或组合的收益率进行解释。http://www.hibor.com.cn(慧博投研资讯)
国外已经开发出较为成熟的商业多因子模型,如BIRR 模型等,但由于宏观统计数据的区别以及市场差异,这些模型很难直接应用于A 股市场。因此我们在APT 框架下,尝试应用多因子模型对国内市场进行建模,最终得到由宏观经济景气指数-先行指数、CRB 金属现货指数、贷存款增速差和一年期国债收益率构成的GS-MF4 因子模型。
我们选取 2003 年3 月至2009 年2 月共72 期作为样本期。建模过程分为下述四个步骤:(1)分类挑选出31 个数据长度能覆盖样本期的宏观因子,放入因子备选库。(2)对因子进行预处理后,列出所有可能的数据形式,从-5 至+5进行逐阶回归,初步筛选出9 个因子及其形式和阶数。(3)在9 个因子范围内对全部可能的因子组合进行多元回归,剔除多重共线性严重的组合后,得到拟合度最高的4 个因子。(4)对模型进行合理性检验,GS-MF 模型的因子构成及回归系数符合经济意义和直观认识。
利用 GS-MF 模型,可以生成个股集对宏观风险因子的敏感度矩阵,在此基础上只要输入每期因子组的数据值和预期值,便能推导出个股预期收益序列。
我们每期对股票池内个股预期收益序列进行排序,由此构造了一个GS 滚动选股策略。历史回溯检验表明,在单边交易成本与冲击成本为1%的假设下,2003年3 月-2009 年2 月的样本期内该策略累计收益率为611.83%,2009 年3 月-8月的样本期外累计收益率为39.11%。
GS 选股策略的优势在于,当投资者对未来宏观数据做出判断时,只要输入预期场景值,就可以快速得到选股组合建议,尤其当宏观因子将要出现大的变动时,这种快速反应尤为可贵;但我们模型的不足在于,未把市场情绪和政策变动反应在内,因此类似于09 年8 月,在宏观数据并未出现大的波动时市场的暴跌,会使策略失效。对于这种情形,我们准备在后续的研究中,在目前的GS选股组合上加入基于市场情绪的仓位控制手段(参见2009 年的《数量化投资技术系列之八-基于Gini 系数的组合beta 值控制策略》),提高策略的有效性。
最后作为应用示范,我们给出了两组未来虚拟场景值,并列出了对应的选股组合建议。