论文部分内容阅读
从1870年至今,中国证券市场在跌跌撞撞中逐渐成长壮大。上海和深圳证券交易所在1990年的先后成立开启了中国这个新兴证券市场正式发展的篇章。自那以后,多个牛熊市更替的状态也随之出现。为了获取投资回报,投资者在进行投资时不可避免的需要面对风险。投资风险分为两种,其中一种是无法通过投资来规避的系统风险。而通过分散化投资来规避非系统风险成为量化投资的主要途径。1964年,著名的CAPM模型被美国学者夏普(William Sharpe,1964)等人提出。此模型主要权衡风险和收益之间的相互关系。Fama和French在1993年又提出了 F_F三因子模型去解释股票回报率。由于市场的非有效性,资产定价模型可改进定义为ri=αi+rf+βi(rm-rf+εi。F_F三因子模型定义为ri=αi+rf+βi(rm-rf)+sismb+hihml+εi。其中β代表股票和市场的相关程度,si代表投资组合的规模灵敏度,hi代表投资组合的价值灵敏度,α主要代表股票未被市场正确定价带来的超额收益。本文选取了 2010年到2018年1173只沪深A股在每一年共108期的月度收益率数据,然后利用带有alpha超额收益的F_F三因子模型以及CAPM模型对这些股票进行拟合。分别计算两个模型的因子系数值以及alpha值,然后挑选出alpha>0的股票进行投资,以此获得超过市场的收益。同时对F_F三因子模型和传统资产定价模型的alpha选股策略的投资结果进行了比较。本文通过matlab语言分析模型。量化投资通过代码去实现交易理念,并通过历史数据去优化和改进。本文通过设定模型周期(T=6,12,24),结合了 Lasso算法去实现模型。通过每6个月,12个月以及24个月的收益率数据进行周期分析并更新投资组合。对于CAPM模型和F_F三因子模型而言,均是24个月为周期的模型估计结果得到的投资策略明显要更好。而F_F三因子模型的估计结果得到的投资策略又要优于CAPM模型。本文通过数据分析结果表明,基于Lasso的大规模选股方法是可行的。