基金轮动有效因子回测3:多因子轮动策略初试 在以前的文章中,(网页链接,网页链接)总结了一些优秀股混基金的特征:过去3个月1年超额收益高而稳定。组合相对均衡适度... 

历史收益率不是好的业绩指标。应当剥离掉市场、风格收益后再来分析。兼顾风险的“信息比率”效果更好。

应当回避的基金特征:超额收益差或极不稳定,和指数偏离过大,集中押注少数“赛道”,短期(3个月)高收益率,波动、回撤过大“股性好”,规模接近清盘线或体量巨大。

另外,多个指标(因子)组合有可能改善投资业绩,可能打破原有单一因子的规律。

本文基于前面的成果,尝试构建开放/场内基金量化轮动策略。

1获取及清洗数据

剔除异常数据。剔除无法实现季频轮动的基金,包括:

持有期高于3个月的基金;不能申赎或限额申购小于1万元且不在场内交易的基金;剔除场外不能申赎且场内月交易额不足1000万元的基金。

2多因子基金轮动模型构建及回测

参考转债的经验,基金的多因子选取,要具有互补性。分几类:

(1)筛选指标。规模:去掉规模过大或接近清盘线的。中长期业绩:剔除1年夏普比排名靠后的。

(2)打分指标。按照指标在全部基金中的排名打分(Z-Score标准化),将多个指标的评分相加,得到总分,取总分最高的5-10支基金。

具体的指标选取,参考前面的研究,超额收益、信息比率、夏普比等正面预测指标打正分,规模、短期收益率、偏离度、最大回撤等负面预测指标打负分,求和。

可行的组合有很多种,由于刚开始实盘测试,只给出粗略的范围,不写细节以免坑人。某种多因子组合的分组收益如下图。评分最高的组1累计收益率明显优于其他组。

(3)策略评价。从绝对收益角度,计算策略的年化收益、波动率、最大回撤、夏普比和卡玛比率。从相对收益角度,和等权持有样本库中的基金做比较。

修改回测参数及因子权重,观察结果对参数是否敏感。

多因子组合的回测曲线如下:(季末轮动,交易费0.65%)

年化收益23%(基准14%),最大回撤25%(基准26%)。

(4)最新一期评分较高的基金列表(按名称排序),仅供评价策略。

3小结

随着市场有效性提升,过去躺赢白马基金的好事一去不复返了。“好公司-好经理-好基金”的主观选基,在基金数量爆增的背景下,选基大大提高。对于多数投资者,摊大饼买基金、丢飞镖买基金,买摊大饼FOF才是明智的选择。

目前测试的局限性:

样本包含同一基金的A类和C类,对结果干扰明显。数据加标签、清洗,对小散工作量太大。缺乏样本外测试。聚宽存在部分缺失数据,让研究推翻重来好几次,不排除仍有缺失数据。

另外,基金的同质化程度远高于转债,交易费用高,做轮动的效果比转债差很多。我将出动少量本金试验该策略,主动基金的主力还是牢牢扎根兴全FOF。

感谢

使用的回测程序,是在转债群主“野生交易员的试炼之路”公开成果基础上修改而成。感谢老师的无私奉献。

THE END
1.练习清理和准备数据你需要先了解数据集的内容和结构,然后才能准备数据集。 在上一实验室中,你导入了包含美国一家主要航空公司的准点到达信息的数据集。 该数据包含 26 列和数千行,其中每行代表一个航班,包含航班的出发地、目的地和计划出发时间等信息。 你还将数据加载到 Jupyter Notebook 中,并使用简单的 Python 脚本从中创建 Pahttps://docs.microsoft.com/zh-cn/training/modules/predict-flight-delays-with-python/2-clean-and-prepare-data
2.数据清洗的概念常见问题及实践方法处理缺失值非常重要,因为缺失值会影响数据的分析和决策。因此,正确选择填充或删除策略是很必要的,同时也可以根据具体情况使用不同的统计方法或数据工具进行数据清洗。具体处理方法如下: 1.计算缺失比例 首先,我们可以计算每个字段的缺失值比例,然后根据比例和字段的重要性设置不同的策略。 https://blog.csdn.net/weixin_44958787/article/details/141850204
3.如何利用数据分析来提高客户留存率利用数据分析提高客户留存率的步骤:一、收集数据;二、数据清洗和整合;三、数据分析和建模;四、制定营销策略;五、实施和监测;六、持续优化。数据分析可以帮助企业提高客户留存率,从而降低成本、提高利润并增加口碑。 一、收集数据 企业需要收集客户的行为、交易、反馈等数据,可以通过网站分析工具、社交媒体分析工具、客户https://www.linkflowtech.com/news/1025
4.实践中的数据碎片化治理:策略与实施为了有效治理数据碎片化,可以采取以下策略: 建立统一的数据标准:制定统一的数据标准和规范,确保不同系统、数据库和应用程序之间的数据结构和格式一致。 数据清洗与整合:通过数据清洗和整合,消除重复、不一致和错误的数据,提高数据质量。 采用数据治理工具:利用数据治理工具对数据进行自动化管理,包括数据清洗、数据整合、数https://blog.itpub.net/31547898/viewspace-3009807/
5.大数据毕设基于Hadoop的音乐推荐系统的设计和实现(六)数据清洗模块:将指定的原始数据进行初步的清洗操作,将不需要的数据列清除。 数据上传模块:利用指定的类将数据清洗模块处理后的数据上传至提前运行的HDFS分布式系统的指定目录上。 数据分析模块:将提前写好的数据分析模块代码打包上传至HDFS集群上运行,然后在HDFS分布式系统上指定的目录得到推荐结果。 https://developer.aliyun.com/article/1404874
6.>监控平台>嘲案例>策略&告警相关>如何监控计算平台的数据在以下路径配置告警:导航 → 监控配置 → 策略 → 新建,先配置要告警的指标项: 监控对象:选择其他 添加监控指标,并在数据平台中选择对应的结果表数据和指标项 注意:监控识别指标维度是两种途径: 第一:清洗表设置维度,long 类型会出现在指标列表,其他出现在维度列表 第二:通过数据计算转换成结果表,默认 group byhttps://bk.tencent.com/docs/document/6.0/134/6175
7.如何进行数据清洗和预处理?数据清洗和预处理是数据分析和机器学习任务中不可或缺的步骤。通过适当的处理,可以提高数据的质量和可用性,并为后续分析和建模奠定基础。在进行数据清洗和预处理时,需要理解数据、制定处理策略、保留备份和总结经验等,才能取得更好的效果。 CDA数据分析师考试相关入口一览(建议收藏): https://www.cda.cn/bigdata/202679.html
8.数据清洗规则引擎数据清洗华为云帮助中心为你分享云计算行业信息,包含产品介绍、用户指南、开发指南、最佳实践和常见问题等文档,方便快速查找定位问题与能力成长,并提供相关资料和解决方案。本页面关键词:数据清洗规则引擎。https://support.huaweicloud.com/topic/1434468-1-S
9.数据资产企业内部数据价值如何挖掘?焦点这个表格展示了CRM系统中可能包含的客户数据类型。实际的CRM系统可能会包含更多的字段,如客户的生日、性别、职业、家庭状况等,以及更详细的购买记录和互动历史。这些数据可以帮助企业更好地理解客户需求,提供个性化的服务和营销策略。如果上述数据信息错误,重复或者与分析无关的就需要对数据进行清洗,确保数据的质量和准确性http://www.databanker.cn/info/354128