本文是一篇金融学毕业论文，本文的研究从交易数据获取，到单因子有效性检验、基于打分法的综合因子构建，再到投资组合模拟交易系统回测，实现了股票Alpha因子研究的整个流程。
第一章绪论
第一节研究背景及意义
一、选题背景
在我国，股票市场起步较晚，从20世纪90年代起步发展至今，也不到30年的历史。由于市场体制、投资者结构、投资者教育等多方面的原因，我国股市呈现出弱有效性、强投机性的特点，近年来A股市场更是异常波动频发，这些不成熟的金融市场特征使得很多金融产品的定价存在错误偏差，传统的基本面投资现愈加乏力，定价的偏差也为套利提供了更多机会，越来越多的投资者开始尝试量化投资。
量化投资是否就等同于人们口中常提及的对冲基金、高频交易、算法交易呢？事实上，关于量化投资的定义，学术界尚未有一个明确、统一的定论，甚至连维基百科都没有对“量化投资”词条进行专门释义。在这里，我们参考丁鹏《量化投资策略与技术》对量化投资的定义，即量化投资就是结合计算机科技和数学模型去实现投资理念和策略的过程。量化投资和传统的定性投资，本质上是相同的，二者都是基于市场非有效或是弱有效的理论基础。传统投资的基金经理期望通过对行业、宏观、策略多方面因素研究等手段，从公司发展、宏观经济和行业情况等各个方面进行投资可行性的研究，从而制定出超越市场的投资策略。量化投资不同于传统投资，量化通过建立数学模型，利用模型分析大量历史数据，以期寻找市场的一些规律或套利机会，形成科学性、强纪律性、低成本且高效率的投资策略。
从量化投资的发展历程来看，量化投资并不是伴随着金融学的产生而产生的，它实际上产生于数量金融的发展壮大，可以说量化投资实际上是一种将数理、计算机应用引入到金融学后产生的一种新颖的金融思维和思考方式。
...........................
第二节文献回顾及综述
在金融学理论的发展史上，资产定价理论通过研究资产价格的风险构成而对投资和资产管理实践提供参考，且随着数理金融、互联网时代大数据技术的逐渐壮大，更具科学性的定价模型以量化投资为载体被应用，量化投资逐渐成为主流的投资形式的。同时，行为金融学在金融学术界的大放异彩，也为量化投资的成长提供了更肥沃、宽广的理论土地。在量化投资领域，最广泛且经典的决策模型就是因子选股模型。多因子选股模型是通过分析众多的因子所选出股票的投资价值，再根据自身投资需求、市场经验或自行构建选出有效因子，从而建立投资组合选股模型。
一、三因素及多因子模型文献综述
证券市场的随机性与金融资产的多样性，使得联合分布函数的确定几乎是不可能的。而量化金融的多因子模型从另一个角度为这个问题提出了解决方案，通过分析资产收益与共同因子之间的关系，一定程度上刻画了不同资产的相关关系。资产定价理论发展到套利理论之后，拓展至后来的多因子定价模型，这是对金融定价研究的一个重要理论突破，也是投资者们构建多因子选股投资策略的理论根据。
在国内，出于对资本的警觉性，对量化多因子模型的研究大多集中与各大券商、研究所及其他机构投资者们。如何寻找、构建出选股能力出众且长期有效的因子，则是相关机构投资者们的主要课题。联合证券将选股指标分为价值、质量、成长性、市场表现、一直预期以及流通市值规模等6个方面。国泰君安专注于测算、筛选出有效且稳健的单因子，并将因子分为估值、财务成长、财务质量、价量、分析师预期五大类。刘毅选取了常见的25个可能影响股票收益率的因子，包括成长类因子、估值类因子、质量类因子和动量类因子，通过实证检验筛选出了8个表现比较好的指标，包括单季的营业利润增长率。
..........................
第二章相关理论概述
第一节资产定价理论发展概述
微观金融学的实质是一种价格理论，研究在不确定的情况下，如何通过资本市场来对资源进行跨期最优配置。现代微观金融学的两大基石即为有效市场假说和资本资产定价模型。
在期望效用理论框架下发展出的均值－方差分析方法，以证券在一定时间内的平均收益率衡量资产收益，以收益率的标准差度量资产风险，提出了在控制风险的前提下最优化收益的最优资产配置模型，被认定为现代投资组合理论的开端。
.......................
第二节资产泡沬理论简介
理性泡沫理论虽可以用数学模型加以描述且能对某些泡沫问题进行解释，但仍需具备较严苛的假设条件。而基于现实市场中信息不对称和非理性情感因素的影响，资产泡沫研究的另一条主线更多地研究投资者常常表现出追逐时尚、过度自信、跟风从众等行为，由此形成的非理性泡沫更能反映市场的真实特征，能解释更多的市场投机现象和金融异象。
从噪音交易者模型来看，信息不对称是噪音交易的重要来源，噪音交易者对风险资产的基本面缺乏准确清楚的认识，产生与套利者相比过度或者不足的风险资产需求量，并进而对风险资产的价格产生影响。
“羊群效应”一般也被称为“从众效应”，指个人的行为或观念，易被真实或想象的群体的观念影响，从而向与大多数人一致的方向偏移。孙培源、施东辉认为在投机性强的市场里，投资者倾向于通过交易情况、技术分析指标等各方面因素来企图推测他人掌握的信息，极易受市场氛围影响，在投资行为上表现为跟风行为，导致羊群效应的产生。
市场投机是资产非理性泡沫产生的重要原因，然而无论是从投资者行为习惯还是从市场结构的角度来看，我国股票市场投机性强的特点在短期内难以改变，基于此，我们尝试寻找能捕捉投机市场中套利机会的Alpha因子，构建能带来稳定超额利润的选股模型。
..........................
第三章数据处理和因子说明..........15
第一节数据选取说明...........15
第二节数据准备和处理.........16
第四章投机、交易行为类因子构建与实证.........19
第一节特异度因子IVR的构建............19
第二节市值调整换手率因子AdjTurnover的构建与实证检验..............25
第五聿交易热度因子BI的构建与实证检验...........38
第一节交易热度因子选股模型的构建.............38
第二节交易热度因子选股模型的择股能力............38
章交易热度因子的投资组合与模拟交易回测
第一节模拟交易回测系统介绍
本文使用MATLAB编程软件构建模拟回测交易平台，用于股票交易模拟及交易结果的统计分析。模拟交易回测平台由股票组合构建，模拟交易回测及策略绩效统计三部分组成。股票组合构建系统的任务是根据计算出的因子表，股票组合数量及股票的行情特征（如涨停跌停，ST风险提示，停牌等）选择待回测的股票。模拟交易回测部分是整个系统的核心，此部分要根据事先设定的持仓周期，股票买卖规则，止盈止损规则等进行收益计算，资金统计，最后将统计数据输出给策略绩效统计部分来输出业绩指标。
此模拟交易系统的核心流程是以回测区间时间为循环参数逐日进行回测统计。在循环过程中若遇到调仓日，则根据调仓日前一日收盘后计算得出的因子序列从小到大选出股票组合，并在调仓日开盘时买入。其中需遵守事先设定的买入规则，如开盘涨停跌停的股票不选择买入，停盘及ST股也不买入。在非调仓日则统计股票组合的收益并记录。而在调仓日前一日卖出股票，与买入股票一样卖出时也要遵守一定的规则，如跌停停牌股票无法卖出，需要在随后的日期循环中等待卖出，此时会占用原始的资金设定值，影响调仓日的股票买入数量。此过程直至回测截止日期停止交易过程。
........................
第七章结论与改进方向
第一节本文的研究成果
本文的研究从交易数据获取，到单因子有效性检验、基于打分法的综合因子构建，再到投资组合模拟交易系统回测，实现了股票Alpha因子研究的整个流程。在对单因子分析的过程中，通过秩相关系数信息分析和分组分析研究因子对股票截面收益的解释能力，对因子进行评价；其次，对因子两两之间的截面相关性进？行了考察；紧接着，本文采用多因子模型分析常用的打分法，构建了反映个股被投机程度的综合因子一一交易热度因子，并在相同的观测区间、用相同的方法检验了因子的有效性以及相对单因子的增强；此外，又对交易热度因子的风险特征进行分析，考察因子中是否包含相对市场常见风格因子之外信息价值更高的成分。最后，如前所述，本文建立了一套模拟交易回测系统，来模拟交易热度因子选股策略所构建的投资组合，在2008年5月至2017年3月间的收益表现。
通过交易热度因子选股策略的构建与回测，我们得出结论：根据股票市场投机特征建立的交易热度因子选股策略能实现超额收益。这对于在投机性强、基本面因子频频失效的我国股市构建量化策略，具有一定的参考性，对量化因子模型的研究方面也具有一定的启示意义。
参考文献（略）
