李腾、陈晔、邓越三位老师在知乎上发布了多因素模型能力测试题。 我们金工也来尝试一下，和大家一起讨论学习。

试题地址：多因素模型级别试题

因素

1.A股市场的驱动因素可以分为哪几类？

从广义上讲，可以说风格因素和行业因素。 有关详细信息，请参阅下一个问题。

2. 公因子类别？

风格因素可分为基本面因素和技术面因素。 估值和质量等因素是基本因素。 这些因素的计算原材料取自财务报表，而技术因素一般只使用价格和交易量。 根据基础数据计算。 当然，还有其他常用的因素，比如分析师预期、大数据、高频因素等。

3、除了最常用的回归方法外，还有其他单因素检验的方法吗？ 各自的优点和缺点是什么？ 注：以下问题都是关于回归方法的。

其他常用的方法还有直接计算因子rankIC，利用IC检验因子的预测效果以及对股票的区分度； 另外，采用分组方法检验因子效应，选择不同分位数因子构建投资组合，然后比较各组的收益。 表现。

4、单因素测试是否需要纠正行业、市值偏差等问题？ 如何纠正？

行业中性还是市值中性取决于个人。 行业中性和市值中性可以帮助我们更好地了解回报的来源。 也许某个财务因素表现良好，但很可能它与市值因素高度相关。 。 行业的修正可以使投资组合中各个行业的比例与基准保持一致，市值的修正可以在优化约束中加入零市值暴露的限制，或者简单地构造一个按市值加权的投资组合。

5. 行业归因因素是否应该选择动态变化的数据？

是的，因为同一家公司的主营业务在不同时期可能会发生变化，导致行业分类发生变化。 一方面，使用静态数据是不合理的，另一方面，它隐含地使用了未来的数据。

6、混业上市公司应对行业因素的方法有哪些？ 优点和缺点？

常见的方法是继续使用虚拟变量来代表行业因素。 但对于混合经营的公司来说，并不是简单的0和1，而是根据一定的财务指标（如营业收入占比）来确定每个行业。 分配比例。

7、行业因素使用GICS、证监会、申万、中信等第三方数据是否更好？ 还是利用相关性、聚类分析等算法来动态判断更好？ 各自的优点和缺点是什么？

个人认为使用市场上常见的第三方数据比较好，比如申万； 相关性、聚类分析等算法可能存在伪回归的风险，缺乏扎实可靠的财务运行逻辑，第三方数据会根据公司的经营状况而定。 动态的更新也将形成市场的一致预期。

8. 为什么规模因素（Size，也称市值因素）在中国有如此显着的影响？ 选择长期投资小盘股有何利弊？

一是小盘股的壳资源效应； 二是小盘股操作性强，A股市场散户投资者居多，内幕交易盛行。 三是小盘股具有较高的成长性。 正如三个因素中提到的，从长期来看，小盘股确实比大盘股有超额收益。

如果出现像2014年12月这样的流动性危机，注册制实施后，规模因素肯定不会一直表现得那么好。

9. 市值系数应如何确定？ 市值本身、市值的对数和市值的平方根有什么区别？ 哪一个更好？ 您认为流通市值和市值哪个信号更强？

对市值取对数会缩小个股之间的差距，而且很多股票的权重几乎相等。 至于哪一种更好，还要看实际的回测效果。 从个人经验和直觉来看，流通市值更具代表性。

10. 周转率如何计算？ 长时间暂停交易怎么办？

对于个股而言，换手率一般以成交量/总流通股数计算。 对于策略来说，一般用换手率来衡量手续费的高低。 常按每日双边交易总额/前一日收盘价总资产计算。 暂停交易时没有交易，只需清零即可。

11、如果某个因子包含长期平均数据（如5年平均净利润），中间有缺失数据段（如缺失近5年2份年报），应该如何处理处理？ 参考方法有两种：设置为空值，或者取现有数据的平均值作为长期平均值。 哪一个更好？ 还是没关系？

处理缺失值没有完美的方法，不同的情况应该区别对待。 以本文为例，计算五年的平均净利润。 如果公司的利润呈线性增长，那么采用现有数据就会高估平均值。 利润，同样，如果企业利润线性下降，那么拿现有数据就会低估平均利润，具体情况要具体分析。

12. 财务数据应在什么时候更新？ 例如，对于月度多因素模型，年度报告可能会在三月或四月发布。 公布的数据是3月底立即更新，还是4月底统一更新使用？

为了更好地获得信息的时效性，通常的做法是随时发布和更新。

13、单因素检验的结果可以用哪些指标来衡量？

回归方法中，t绝对值均值、|t|>2比例、t序列方差、β均值、β方差等。

在组合方法的构建中，使用了信息比IR、夏普值、最大回撤、周转率等常用指标。

14、根据单因素检验结果，如何对因素有效性进行排序？ 换句话说，如何用单一指标来衡量要素有效性？

如果评估风险因素，请使用abs(mean(t))/std(t)

如果评估α因子，请使用信息比

15. 所谓的“阿尔法因素”和“风险因素”应该如何区分？

风险因素更关心解释股票收益的来源。 从经济金融的角度来看，也符合投资逻辑。 从统计的角度来看，如上一个问题所列，abs(mean(t))/std(t)是显着的，比如大于2的比例就很高； 并且alpha因子有更高的要求。 从统计学上来说，它可以表示为平均值（t）/标准差（t），这是显着的。 直观地说，就是风险因子不需要方向，只需要因子值。 它对于股票具有解释性和可区分性，而α因子要求该因子的方向保持稳定且显着，这样才能获得稳定的超额收益。

16.您的理解中有效且符合逻辑的因素是什么？ 哪些因素是合乎逻辑但效果较差的？ 如果你用某种方法组合了一个解释力很强的奇怪因素，但你看不到该因素的经济意义怎么办？

估值、市值等有效逻辑因素； 逻辑效果差可能是因为这些因素已经反映在价格上，或者市场效率不高（尤其是A股）； 对于复杂的因素，可以使用归因分析来确定因素的风格偏差。

17、如何打磨旧因素，提高其有效性？

一个简单的想法就是测试旧因子更多不同的使用场景，比如估值因子在不同行业的表现差异； 或者构建动态场景模型（动态alpha上下文模型），看看旧因素在不同场景下的表现； 当然最直接的就是对旧因素进行计时。

18.如何寻找新的构建因素信息源？ 有哪些想法？

比如现在市场上很流行的高频转低频因素； 或者是一些没有被其他投资者使用过的数据（非结构化的，需要非常轻的技术将这些数据转化为结构化的因子形式），比如人气数据、情感数据、支付数据等大数据领域。

19、现在常用的因素都是容易量化的因素。 对于基本面因素、事件驱动因素、市场情绪因素等难以量化的因素，是否有合适的处理方法？

具体问题具体分析，难以量化的因素可根据经验直接分层评分处理。

模型拟合

1. 拟合多因素模型的综合目标是什么？

增强模型的解释力，提高模型对风险的预测能力。

2.如何选择样本空间？ 例如，新上市股票、ST股票、指数成分股变动、停牌股票等异常情况如何处理。

每个时期回归的样本空间需要动态处理。 明显不合理、不具有代表性的股票可以直接剔除，如新上市股票、ST股票、停牌股票等，保证最终选出的股票最具代表性。 同时需要注意的是，淘汰时需要考虑行业问题。 如果剔除不合理，某个行业就没有代表性个股，比如A股保险行业。 这种情况需要综合考虑。

3.如何选择因子组？ 有没有什么经典理论可以参考？

所选因素必须符合投资逻辑，并经过长期市场的检验。 参考理论大多来自经济金融教材、论文和期刊等，如Fama-French三因素模型。

4、从因子选择到多因子策略回测，一般步骤是什么？ 哪些可以排除，哪些不能排除？

单因素测试、多因素综合、个股收益预测、交易成本估算、投资组合构建

5、如果不对各期因子暴露进行离群值、缺失值和标准化处理，会产生什么后果？ 如果你选择处理它，你需要注意哪些模型失真？

极值会影响回归中的整体情况。 如果不进行标准化，各因素的维度将会有很大差异。 缺失值过多也会影响模型的整体情况。 处理极值时必须考虑合理性，尤其是存在异常情况时。 的极值可以直接去掉，但是去掉太多的缺失值就不行了。 标准化必须考虑到行业之间某些因素的固有差异。

6、处理异常值的方法有哪些？ 常见的方法是将偏离均值N倍标准差的异常值拉回N倍标准差的位置。 此时N的一般取值是多少？

异常值处理包括分位数去除极值和标准正态分布去除极值； 如果使用标准正态分布，则常见的N为3。

7. 处理缺失值的方法有哪些？ 现提供三种参考方法：一是将空缺设置为NaN，在涉及回归时使用程序自动忽略NaN项； 另一种是从当前票据池中移除所有包含 NaN 项目的股票； 第三种是去除所有NaN（归一化后）设置为零（或中位数）。 他们之间有什么区别？ 哪一个更好？ 或者有更好的东西吗？

如果回归中存在NaN项，程序会自动忽略它们，这与消除的效果相同； 直接将NaN设置为0或中位数也是一种选择，但这种替代是否合理需要具体情况具体分析； 个人经验是，如果由于某种原因无法直接去掉缺失值，建议用某个值替换。 否则，它们可以被删除而不受此限制。

8、标准化的方法有哪些？ 归一化后的数据近似什么样的分布模式？ 各种标准化方法的优缺点是什么？

常用假设因子值服从正态分布，并使用(xu)/sigma进行标准化； 当因子值明显不服从正态分布时，可以采用中值标准化法。

9. 权重标准化，权重如何设置？ 是否需要与回报时的个股权重保持一致？

您可以使用流通市值作为权重。 回归时对个股设定的权重是为了消除异方差的影响。 它不需要与完全标准化时相同。

10.标准化、离群值处理、缺失值处理。 三个链接的顺序如何建立？

一般来说，处理顺序是极值处理、缺失值处理、标准化。

11. 因素之间或多或少存在相关性。 如果所有因素正交会发生什么？ 这样做或不这样做的原因是什么？

与主成分分析法类似，如果对所有因素进行正交化，就会丢失因素的投资逻辑，导致模型的可解释性不够，不如原始因素直观。

12.如何选择截面回归的频率？ 依据是什么？

截面回归的频率决定了风险预测的时限，也对应了后续构建投资组合时调整仓位的频率，需要结合考虑； 横截面回归常用的计算一般是日频率。

13、回归模型涉及的个股收益率如何计算？ 最简单（并且保证准确）的方法是什么？

可以采用该权利的收盘价，准确的结果应结合市场价格与股息、配股等影响收益的因素计算得出。

14、回归模型是否需要添加截距项（即常数项）？ 什么情况下可以采取，什么情况下不可以采取？

当存在行业因素时，不能添加截距项，因为行业因素之和是全1的向量。 添加截距项将导致回归系数无法唯一确定。

15. 在回归中使用 OLS 和 WLS 有什么区别？ 使用 WLS 的理由是什么？

WLS主要消除了异方差的影响，得到的因子回归更加有效。 现实中，不同市值的股票波动表现确实存在很大差异。 大市值蓝筹股的波动幅度明显小于小市值蓝筹股。 WLS有其合理的意义。

16.如何评估或衡量多因素模型的效果？

有两种常见的方法。 一是进行典型偏差测试，构建组合并计算BS统计量，看其波动性是否为1； 另一种是直接绘制，xy轴分别为组合的实际波动率和组合的预测波动率。

17、如何判断现有因素是否足以解释收益？

R^2，绝对的价值水平和稳定性

18、中国股市多因素模型的R^2通常是多少？

0.4~0.5

一个小广告：

友矿本身拥有400+因子库，包括基本面因子、技术面因子、文中提到的分析师因子、常见券商因子、特殊因子等。

欢迎朋友们来看看

优秀的矿物质因子数据

友矿精选数据