原始标题：库存池优化和因子迭代优化：主动性和量化结合的新形式
自2017年以来，持有A股市场逐渐转向价值投资，领先股票小型股的收入差距迅速扩大，这种现象将在2019年和2020年变得更加明显。基金在规模不断扩大的同时，定量投资也不断受到挑战。 在这种情况下，基本面与量化的整合已成为量化投资领域研究的重点。
本文探讨股票资产池优化对指标增强模型的影响，以及系统的检查，筛选和应用股票池收益过程通过动态因子迭代优化，使组合中的因子权重和因子方向统一，从而避免大规模因子方向不匹配风险。
经纪业务组合
有价证券分析员通常每周，每月等报告关于在中国的推荐股票投资组合的公告，其中可能涉及特定行业或多个行业。 证券公司的投资组合已由分析师主观选择，这充分反映了分析师对其投资价值的认可。
从库存优化的角度出发，可以通过证券公司的股票推荐来调整指标增强模型的选股范围，从而达到系统地提高指标增强模型收益的目的。
经纪业务组合的收益贡献
根据本文提出的股票池测试方法，在控制方式和行业约束下，自2013年以来，证券公司的投资组合沪深300 该指数的年度超额收益率为1.90％。 与传统的股票池相比，超额收益的增长为0.94％至1.28％。
经纪业务组合和CSI 300指数增强
将经纪业务组合与分析师的向上调整业务组合在一起，以产生“经纪黄金股”。沪深300指数成分股并以券商黄金股票为选股范围，构建了沪深300增强模型。 投资组合的年化超额收益为12.49％，信息比率为3.01，相对最大跌幅为2.97％。 与传统的股票池相比，年化超额收益增长了1.61％，达到2.03％。归因表明，选择股票池不仅可以通过优先股的系统性过度分配带来超额收益，而且还可以提升量化给定空间中模型的选股性能。
衍生股票池的探索
对其他普通股票池的探索表明，分析师涵盖了股票池，分析师购买了评级股票池，并且积极偏见库存基础金崇仓的持股等仅限于CSI 300增强投资组合的收入增加； 相比之下，可以带来收入贡献的投资组合是优秀的活跃部分股权基金位置。
根据库存选择Alpha和基金份额有两个因素筛选出色的活跃部分股票基金，并根据基金持有量和分析师上调投资组合生成“基金黄金股票”投资组合。 在该股票池下，沪深300指数增强模型的年化超额收益为11.67％，相对最大跌幅为4.24％，信息比率为2.80。 与传统的股票池相比，超额收益增加了0.7％至1.2％。
风险警告：因素失败风险，模型失败风险，证券公司推荐的股票数据来源和质量不可控制的风险。
（文章来源：天丰证券）
（负责人：DF506）
郑重声明：Oriental Fortune.com发布此信息的目的是传播更多信息，而与该立场无关。