基于ArcGIS与多因子模型的风力发电场选址评估

基于地理信息系统,研究并提出一种基于ArcGIS与多因子模型的风力发电场选址评估方法,以实现对不同地区风能资源空间分布情况、开发适宜性和理论发电量的有效评估,进而为风电场的选址提供理论依据。首先,基于不同地区的风资源气象数据,通过引入地形、道路等地理限制因素,提出一种多因子模型,以实现对不同地区风能资源开发适宜性评估。然后,基于10 m高度处的风速分布,通过风速外推得到80 m高度处的风速分布,进而用于评估80 m高度处的风能理论发电量。最后,综合上述开发适宜性和理论发电量评估结果,可较为准确地给出计及风速、风功率密度、地形、道路等多因子模型的风电场选址建议。结果发现:风电场选址主要集中在西北部、东北部以及内蒙古等地。

中国股票市场FF多因子模型的比较分析

FF多因子模型是资产定价理论的重要模型,它对于中国股市是否也同样适用呢?我们针对上证180指数样本股和深证100指数样本股以及二者之和分别建立了FF多因子模型,并进行了检验和比较分析。使用的方法是最小二乘法和广义距估计方法(GMM)。结果表明FF多因子模型对于中国股市是基本适用的。

金融危机下Fama-French多因子模型在中国债券市场的应用

利用近3年的中国债券市场数据,建立了Fama-French多因子模型,并利用多元回归方法进行了比较分析.结果表明,TERM-DEF两因子模型有着较好的适用性,但存在进一步改进的空间.

经济基本面、国际冲击与股指价格关系——上证综合指数价格变化的多因子模型检验

本文研究表明,我国股市的定价基础在2005年后发生了结构性迁移,国内经济基本面因素对我国股指价格变化的解释力大幅增加,国际金融市场波动对我国股市的溢出效应加大。在人民币汇率制度改革后,国内外资金的套利空间对股价变化的影响显著增强。我国股指走势还具有较强的趋势性特征。研究股市价格变化因素的来源有助于监管层防范和应对股市大幅波动的风险。

A股市场的时变多因子模型

为了及时监测我国股票市场的驱动因素,本文识别出了A股市场上有效的时变定价因子。基于2005-2020年我国A股市场数据,构建了47个定价因子,并使用市值加权调整的自适应LASSO算法,首次在多因子定价框架下实现了时变多定价因子的实时估计。本文发现:1)我国A股市场存在显著的风格变迁特性;2)对于A股市场,最有效的五个因子为:市场因子、税收因子、市盈率因子、规模因子和速动因子;3)相对于PCA、Elastic Net、普通LASSO和WLS算法,基于市值加权自适应LASSO的多因子模型能更准确地预测A股市场上个股收益的横截面差异。

基于多因子模型的量化选股分析

基于量化投资中常用的多因子模型,对使用较为广泛的11个因子利用回归法进行有效性检验,选出有效因子分别构造了适合一般投资者使用的基本多因子模型、基于货币周期的行业轮动多因子模型以及基于固定效应下的多元回归模型。通过实证分析比较不同模型间所构建的投资组合的收益率与市场收益率,验证了量化选股策略的有效性,也为不同层次的投资者提供了研究数据与选股策略。

基于多因子模型的量化选股方法研究

股票收益受很多因素影响,比如市场环境、行业发展、投资者预期等。“多因子模型”中的因子即影响因素,该模型就是寻找对股票收益率影响显著的因素,用这些因素来分解股票收益并进行选股。在量化选股的实践中,由于市场环境的多变性及市场参与者或分析师的不同理解,会构建出不同的多因子模型。文章在简述多因子模型的理论基础后,叙述了多因子模型构建过程,从而为量化选股提供方法。

基于沪深300指数股票的多因子模型研究

随着中国资本市场的发展、金融产品的完善以及市场竞争的客观需求,量化选股策略随之不断丰富,该文基于R、SPSS软件和choice金融数据库利用回归法构建了多因子选股模型.该文选取的样本数据为2011-2016年间的沪深300股票市场上的财务指标、行情指标等.对于因子的选取考虑了市场的经验以及因子对公司的代表性.首先对因子进行了初步的单因子检验删除了相关性不明显的部分因子;其次对剩余的因子做进一步的相关性分析,删除了相关性较高的因子;最后进行逐步回归,得到了最终的回归选股模型.

大数据视角下我国城投债风险研究——基于多因子模型和KMV模型

本文基于我国8000余只存量城投债数据,通过多因子模型和KMV模型分别从发行人角度和债券角度对我国城投债的预期违约风险进行了总体评估。结果显示,我国城投债违约率水平较低,整体风险可控,但是潜在风险分布不均匀,西部地区城投债潜在违约风险较高,偿债压力较大,且风险主要集中在地市级。最后,本文针对潜在风险,对促进城投债市场健康发展提出了政策建议。

基于多因子模型的量化投资研究

随着我国股票市场规模的不断扩大,交易复杂程度不断加深,如何在众多上市公司中选择值得投资的股票,实现资产最优配置和风险控制是个人和机构投资者非常关心的问题。多因子选股策略通过选取与股价高度相关的影响因子,可以帮助投资者在实现可观收益的同时控制风险。基于此,本文选取沪深300股指的成分股作为多因子模型分析的股票池,通过4个价值因子、4个成长因子、4个质量因子共12个因子进行单因子和多因子分析,利用t检验和回归分析对上述12个因子进行有效性检验,选出有效因子并构造适合一般投资者使用的多因子模型。研究结果表明:正向和负向因子分别有成长和价值因子,实证效果比较好的有市盈率因子、市销率因子、市现率因子,而质量类因子的结果显示账面市值比和总资产周转率对个股回报率的正向效果明显。表明,财务质量与该公司的股票收益相关。

中国公司债收益率的影响因素研究——基于Fama-French多因子模型

作为我国公司主体在金融市场的主要融资手段之一,近年来公司债市场实现了惊人的发展。本文参考Fama-French多因子模型,构建包括无风险利率这类宏观经济因子,市场风险溢价、公司规模、账面市值比、盈利能力和投资模式五类股市因子,以及期限结构和违约溢价两类债市因子的多因子线性回归模型。选取CSMAR数据库中2008年-2021年公司债月度数据,回归结果证实无风险利率、期限结构和违约风险对公司债收益率的解释力度较大,且近年来股市因子对债券市场的影响在逐渐增强。

多因子模型下担保债务凭证拉普拉斯定价方法

担保债务凭证(CDOs)的基础资产池复杂相关性通常需要多因子Copula模型拟合,但Monte Carlo模拟对于多因子模型的计算效率不高,难以准确估计大额损失事件的发生概率及预期损失.Laplace逆变换数值方法适用于风险管理中的多因子Copula模型,通过逆变换数值方法计算资产条件损失的Laplace变换卷积,得到资产池损失分布,对任意阈值y,该方法同时适用于估计违约概率P(L>y)及期望值E[L∧y],数值实验表明该方法对小概率事件的估计效率有很大提升.

多因子模型资产定价应用评述

多因子模型是继CAPM之后的重要创新,也是时下资本资产定价领域的最新成果。本文搜集整理多因子模型的相关文献,分析梳理其发展脉络,并对多因子模型相关的现代资产定价理论、资本资产定价模型和套利资产定价模型进行介绍,在分析多因子模型应用的同时对其做出评述与预期。

股票质押式回购业务风险控制——基于多因子模型和VaR方法的研究

随着市场下行压力的增大,股票质押式回购业务重大风险事件频频发生,由于质押股票的违约处置面临多种困难,事前、事中风险控制成为防范和化解股票质押式回购业务风险的关键。使用多因子模型,根据股票的价值、成长性、流动性、波动性等进行量化评估确定标的股票质押率,通过VaR方法,在考虑市场风险的前提下确定股票质押警戒线。随后,从信用头寸、目标管理、违约概率的角度提出了一系列评价指标,对模拟业务进行风险分析。最后,对证券公司股票质押式回购业务的风险防范提出相应建议。

基于特征修正协方差矩阵的中国A股市场多因子模型构建

文章从57个因子中选取8类风险因子并结合市场因子和28个行业因子构建了中国A股市场的多因子模型,在建立风险模型时用特征修正方法估计因子协方差矩阵以校正样本协方差矩阵对组合风险估计的偏差。实证分析表明,A股市场股票收益变动中的20%可以被多因子模型所解释,而沪深300成分股的收益变动中近40%能够被模型解释;对基准组合和积极组合的风险作因子归因,发现行业因子的贡献最大。

基于多因子模型和CART分类回归树的证券市场的预测及应用

本文基于多因子模型和CART分类回归树算法,利用因子分析法,研究了证券市场的预测问题。首先依据Fama和French因子分析方法选取了8大类公司财务指标建立了多因子分析模型,其次利用统计学中的因子分析法对所选因子进行了特征提取,得到贡献最大的五个特征,并分析了所得市场特征的市场意义,然后根据提取的市场特征及其市场技术指标建立了预测市场季收益率的CART分类回归树模型,并随机选取了了上交所20家公司进行了实证分析,结果表明预测模型具有较好的预测精度,其次,依据预测结果构造了顺势投资策略,获得了优于市场平均收益的良好回报。

引入换手率相关指标的多因子模型——A股实证分析

如何对传统多因子模型进行有效补充,是现代实证资产定价领域的热点问题。本文通过构造两种换手率因子——传统换手率与异常换手率,使用2000年6月至2020年11月的A股数据作为样本,利用Fama-Macbeth回归进行因子收益率显著性验证,结合量化投资业界的指标,对因子收益率进行严格的历史回测。实证分析结果表明:换手率和异常换手率因子收益率均可以通过假设检验,两类因子均可以提升定价模型的解释力度;因子收益率具备出色的单调性;基于两类因子的选股策略在回测时间窗口内可以获取显著的超额收益。

构建多因子模型 发掘细微投资机会

多因子模型是量化投资中运用最为普遍的量化模型,通过寻找各种指标(因子)与未来股票收益之间的关系,构建多因子模型对股票的投资价值进行评价,再选择综合评分较高的若干股票构建投资组合,以期获得相对较高的超额收益。多因子模型为我们提供了一个分析股票投资价值的框架。在构建模型时,我们往往对因子指标的计算和检验、因子选取的方法、因子权重的配置倾注了大量精力。然而,模型的层次往往被忽视,这里的层次不是指从"择时模型——行业选择模型——选股模型"

多因子模型在中国股票市场的选股应用

量化投资随中国资本市场的快速发展而得到普及。本文以2014年至2018年沪深300为研究对象进行实证分析,通过连续五年多因子量化选股模型建立有效的股票投资组合。研究表明,基于多因子量化选股模型得到的股票组合可以跑赢市场。但是该模型具有局限性,模型的适用性因年份不同而出现差异,应依照年份建立不同股票市场的量化选股模型。