开源基础行业分类

nandehutu2022

395

收藏 2022-06-06

英文标题：
《Open Source Fundamental Industry Classification》
---
作者：
Zura Kakushadze and Willie Yu
---
最新提交年份：
2017
---
英文摘要：
We provide complete source code for building a fundamental industry classification based on publically available and freely downloadable data. We compare various fundamental industry classifications by running a horserace of short-horizon trading signals (alphas) utilizing open source heterotic risk models (https://ssrn.com/abstract=2600798) built using such industry classifications. Our source code includes various stand-alone and portable modules, e.g., for downloading/parsing web data, etc.
---
中文摘要：
我们提供了完整的源代码，用于基于公开可用和免费下载的数据构建基本的行业分类。我们通过利用开源异质风险模型对短期交易信号（Alpha）进行赛马，比较各种基本行业分类(https://ssrn.com/abstract=2600798)使用此类行业分类构建。我们的源代码包括各种独立和便携式模块，例如用于下载/解析web数据等。
---
分类信息：

一级分类：Quantitative Finance 数量金融学
二级分类：General Finance 一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--
一级分类：Quantitative Finance 数量金融学
二级分类：Computational Finance 计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--

---
PDF下载：
-->

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

可人4

2022-6-6 15:07:00

Zura Kakushadze§+1 and Willie YuP2§Quantigic(R)Solutions LLC，1127 High Ridge Road，135，Stamford，CT 06905+第比利斯自由大学商学院和物理学院240，David Agmashenebeli Alley，第比利斯，0159，乔治亚州计算生物学中心，Duke NUS Medical School 8 College Road，Singapore 169857 2017年4月16日；修订日期：2017年6月13日AbstractWe提供了完整的源代码，用于基于公开可用和免费下载的数据构建基本行业分类。我们通过利用开源异质风险模型对短期交易信号（Alpha）进行赛马，比较各种基本行业分类(https://ssrn.com/abstract=2600798)使用此类行业分类构建。我们的源代码包括各种独立和便携式模块，例如用于下载/解析web数据等。关键词：行业分类；基本的开源；源代码；股票；等级制度GICS；BICS；ICB；NAICS；碳化硅；TRBC；定量交易；交易信号；阿尔法风险模型；均值回归；优化；短期内；回溯测试；模拟downloadZura Kakushadze博士是Quantigic(R)Solutions LLC的总裁和联合创始人，也是第比利斯自由大学商学院和物理学院的全职教授。电子邮件：zura@quantigic.comWillie余博士是杜克国立大学医学院的研究员。电子邮件：willie。yu@duke-努斯。埃杜。sgDISCLAIMER：通讯作者使用此地址的目的仅限于按照出版物惯例表明其专业从属关系。特别是，本文件的内容不作为投资、法律、税务或任何其他此类建议，也不代表Quantigic(R)Solutions LLC网站www.Quantigic的观点。com或其任何其他附属公司。1.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-6 15:07:03

简介基本行业分类，如GICS、BICS、ICB、NAICS、SIC、TRBC等，广泛应用于各种领域，包括经济应用、一般人口和医疗保健相关研究，以及（定量）金融/交易（包括风险建模）。行业分类（即分类学）根据某种相似性标准或标准将公司分为多个篮子（例如行业），这些标准因分类而异。此类基本行业分类通常基于相关的基本/经济数据，如公司的产品和服务、收入来源、供应商、竞争对手、合作伙伴等。这些基本行业分类基本上独立于定价数据，如果构建良好，往往在样本外相当稳定，因为公司很少跳转行业。许多行业分类是商业开发的，获取此类数据与非平凡成本相关。即使是政府制定的分类，如NAICS或VEN SIC（见下文），也并非完全免费。这主要有两个原因。首先，简单地指定一个层次结构（例如，将部门、行业和子行业列为INBIC的完整列表）只是冰山一角；许多（合格的）工时需要分配给实际公司该结构中的术语（即，使用BICS术语，每个公司属于哪个部门、行业和子行业）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-6 15:07:07

其次，结果数据不一定（由政府机构）作为简单的一键/单文件下载提供。GICS=全球行业分类标准（按MSCI和标准普尔）；BICS=彭博行业分类系统；ICB=行业分类基准（伦敦证券交易所FTSE）；NAICS=北美行业分类系统（由墨西哥国家统计局、加拿大统计局（又称加拿大统计局）和美国管理和预算办公室制定）；SIC=标准行业分类（由美国政府机构）；TRBC=汤森路透商业分类。有关经济学、金融经济学和会计相关文献，请参见，例如，[克拉克，1989年]，[科特曼和佩拉奇，1992年]，[德拉维尼亚和波莱，2007年]，[埃万杰利斯塔，2000年]，[吉伯特等人，1971年]，[赫斯顿和鲁文霍斯特，1994年]，[希克斯，2011年]，[希尔，1999年]，[赫拉兹迪勒和斯科特，2013年]，[赫拉兹迪勒和张，2012年]，[基勒和菲利普斯，2009年]，[科特，2001年]，[克里希南和出版社，2002年]，【Laestadius，2005】【Ojala，2005】【Pavitt，1984】【Peneder，2003】【Perry等人，1985】【Pol等人，2002】【Schr"oder&Yim，2012】【Scislaw，2015】。有关最近的审查，请参见，例如，【Phillips&Ormsby，2016年】。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-6 15:07:10

有关其他应用和更广泛的相关文献，请参见，例如，【Arbuckle，1997】【Boettcher，1999】【Bowker&Star，2000】【Guenther&Rosman，1994】【Katzen，1995】【Mross&McGuigan，2016】【Murphy，1998】【O\'Connor，2000】【Quint，1996】【Sabroski，2000】【Walker&Murphy，2001】。参见，例如，[\'t Mannetje&Kromhout，2003年]及其参考文献。有关文献，请参见，例如，[阿尔福德，1992年]，[阿斯内斯等人，2014年]，[阿斯内斯和史蒂文斯，1995年]，[博吉拉等人，2003年]，[卡哈特，1997年]，[卡瓦利亚等人，2000年]，[陈等人，2007年]，[周等人，2012年]，[钟等人，2014年]，[Cizeau等人，2001年]，[埃利奥特等人，2005年]，[法玛和弗伦奇，1993年，1997年]，[洪等人，2007年]，[霍雷尔和梅拉兹，2009年]，[卡勒和沃克林，1996年]，[卡库沙泽，2015a，2016年]，[金，1966年]，[兰波尼，2014年]，[纳迪格和克里格，2011年]，[维莫肯，2011年]，[杨等人，2006年]。有关定量金融中风险建模的应用，请参见，例如，【Grinold&Kahn，2000】、【Kakushadze，2015b】、【Kakushadze&Yu，2016a】。有关统计/数据挖掘相关方法，请参见，例如，[Baoit等人，2008年]，[Hunink等人，2010年]，[Kakushadze&Yu，2016b]，[Mantegna，1999年]，[Michichè等人，2005年]，[Yaros&Imielinski，2015年]，[Lee等人，2015年]。在本文中，我们填补了这一空白。我们提供开源代码，可直接从美国证券交易委员会（SEC）免费下载SIC数据，无需任何API、帐户、登录名、密码等。此外，由于该数据是由美国政府提供的，因此公众的下载不受任何限制。SEC提供的数据包括公司名称和SIC代码。SIC代码是对应于SIC层次结构（划分）的4位数字标识符→ MajorGroup公司→ 行业组→ 行业）。正如我们下面所讨论的，有一种高效快速的方法可以下载所有公司的SIC代码。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-6 15:07:13

然而，SEC不维护accurateticker数据。因此，从SEC网站下载的数据必须与股票行情匹配。最后，我们的代码将ticker与SIC代码匹配。基础SECdata中存在各种细微差别，例如SEC使用的SIC代码的特性，我们也会详细讨论这些特性。SIC并不是最好的分类。而且，与明显的误解相反，这并不是因为SIC不够“粒度”（或详细）。从表面上看，它比BICS更细粒度。然而，如上所述，层级结构本身只是冰山一角。可以说，更重要的是将公司分配到这样的层级制中。就SIC而言，显然该任务不一定总是遵循上述基于公司产品和服务、收入来源、供应商、竞争对手、合作伙伴等的标准。相反，似乎至少在某些情况下，此类任务是基于更肤浅的理由（例如，这可能是公司自己的评估等）。然而，SIC并不是一场“灾难”。它被学术界广泛使用（例如，见[Fama and French，1997]），定量交易员（通常更喜欢GIC和BIC等更稳健的行业分类）也可能在较小程度上使用，但仍在使用。对于（年轻但并非唯一）希望测试的研究人员来说，例如，一些涉及行业分类的交易想法，但不希望承诺昂贵的商业数据订阅，SIC可以是一个很好的zerothorder近似值，只要它是免费且容易获得的。我们的代码提供了这样的解决方案。我们量化了不同行业分类之间的比较，利用它们通过（开源）异质风险模型构建短期均值回归交易信号（Alpha）[Kakushadze，2015b]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

可人4

2022-6-6 15:07:16

我们发现，GIC的表现略优于BIC，SIC的表现更差，包括仅限于所谓的Fama French【1997】行业分类。其余部分组织如下。第2节讨论数据（下载）。第3节讨论了回溯测试。第4节简要总结。数据和源代码见附录。有一种方法可以通过证券交易委员会网站上的股票代码搜索公司。然而，许多股票行情缺失。我们讨论如何寻找所有上市和场外交易（OTC）美国股票。SIC数据可通过各种数据提供商获得；然而，大多数都不是免费的，也不是所有人都可以使用它们。2、数据（下载）2.1。SIC层次结构SIC结构有4个层次：划分→ 主要群体→ 行业组→ 工业此结构可从网站下载https://www.osha.gov/pls/imis/sic_manual.htmlof美国劳工部职业安全与健康管理局（OSHA）使用R职能sec。osha（），该函数输出一个以tab分隔的文件SIC。桌子txt，其中包含附录A中给出的SIC层次结构。更准确地说，在附录A中，为了便于阅读，数据用“>”分隔。此外，附录A包含SIC中没有的行（粗体斜体）。桌子txt和涉及SEC数据中存在的其他SIC代码，我们将在下面详细讨论。10个SIC分区由字符A到J标记。主要分组由2位数字代码XY标记，其中X和Y都可以取0到9的值。可以方便地使用4位代码XY00标记主要组。行业组由3位数字代码XYZ标记。与X和Y不同，Z只能取1到9之间的值。同样，通过4位代码XYZ0可以方便地标记行业组。因此，行业组XYZ0属于主要组XY00。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-6 15:07:19

最后，行业用4位代码XYZW标记，其中W也取1到9之间的值。行业XYZW属于行业集团XYZ0。这是SIC层次结构。2.2. SEC数据下载SEC网站允许根据公司名称、CIK编号、股票代码等搜索数据（尽管如上所述，股票代码搜索不可靠）。幸运的是，我们还可以通过SIC代码进行搜索。我们可以采取两种方法。我们事先不知道SIC代码会在数据中出现什么。所以，我们可以扫描所有sic代码0100到9999。一旦我们拥有SEC使用的所有SIC代码，我们就可以将下载限制在这些预定义的SIC代码上，以减少下载时间。作为预防措施，我们可能希望定期运行完整扫描，以检查数据中是否出现新的SIC代码。美国证券交易委员会。全部的附录C中的sic（）r函数下载数据。对于其第一个参数运行。全部的sic=T它下载所有sic代码0100至9999，而用于运行。全部的sic=F下载是本文附录C中的源代码不是为了“花哨”或速度优化或以任何其他方式编写的。其唯一目的是以简单易懂的方式说明正文中描述和/或讨论的算法。一些重要的法律术语见附录D。据SEC称，https://www.sec.gov/edgar/searchedgar/cik.htm:“中央索引键（CIK）用于美国证券交易委员会的计算机系统，以识别已向美国证券交易委员会提交信息披露的公司和个人。”有一些细微差别。E、例如，通过扫描所有单ASCII和双ASCII字符以及非ASCII字符，自动按名称搜索可以捕获大多数文件管理者/公司。然而，由于可以扫描的页面数量受到限制，并且数据排序效率低下，这会相对快速地变得复杂。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-6 15:07:22

Asíes la vida…仅限于以制表符分隔的输入文件SIC中的SIC代码。代码。txt，其中包含SEC当前使用的SICcodes以及相应的行业名称。附录B包含此文件。这里有一些评论。因此，下载数据（输出文件SIC.Download.txt的第4列–见下文）中的一些实际行业名称（本质上）不同或不好。因此，SIC中的行业名称。代码。txt（附录B）基于https://www.sec.gov/info/edgar/siccodes.htmcombinedwithSIC中的那些。桌子txt（附录A）从OSHA下载（见上文）。美国证券交易委员会。全部的函数的作用是：输出一个以制表符分隔的文件sic。下载txt。第一列是CIK编号，第二列是公司名称，第三列是SIC代码，第四列是SEC数据中显示的行业名称（如上所述，它不一定与fileSIC.Codes.txt中相应的行业名称相同），第五列是位置代码（美国州、加拿大省、外国县等）。页面https://www.sec.gov/edgar/searchedgar/edgarstatecodes.htmcontains大多数位置代码。数据还包含传统位置代码（即E6、L4、I8、I9、E7、U2、L5和LO[“L-O”而不是L0=“L-zero”）。这些旧代码都有描述athttps://www.sec.gov/edgar/searchedgar/edgarstatecodes.htm.数据中还有一个代码是X9。只有两家公司有此代码，这些公司似乎是德国实体。如上所述，theOSHA下载SIC中不包括附录A中的某些条目（粗体斜体）。桌子txt。这些对应于SEC数据中存在的其他SIC代码。附录A通过修改SIC获得。桌子txt和这些附加代码。其中大多数都很好地符合SIC的层次结构。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-6 15:07:26

几个潜在的问题：1）SIC代码=6025，只有一家公司，PNB BANCSHARES INC（CIK=0001230585）；和2）SIC代码=9995。三个SIC代码0888、8880和8888不适用于上述4位数字体系，因此我们将它们附加在附录A的末尾。附录A中所有带有非OSHA SIC代码的行（即粗体斜体）都以我们的描述符“（SEC）”结尾。总体而言，SEC数据合理“干净”，除非手动处理上述故障。如果SIC代码的格式为XYZ0，则行业名称与相应的行业组名称相同。如果SIC代码的格式为XY00，则行业名称与相应的主要集团名称相同。E、例如，SEC数据下载中一些定义明确的SIC代码被错误地标记为“未知”，等等https://www.sec.gov/info/edgar/siccodes.htm缺少SIC代码0888、1044、6025、6120。E、 g.，对于Microsoft Corporation，我们有以下数据：CIK=0000789019，公司名称=MICROSOFTCORP，SIC代码=7372，行业名称=服务预包装软件，位置代码=WA。也就是说，CYBERMIND AG（CIK=0001135128）和KPMG DEUTSCHE TREUHAND GESELLSCHAFT AG（CIK=0001184474）。这些公司并没有SIC代码，但有些公司有遗留的位置代码。此外，请参见https://www.sec.gov/fast-answers/answers-blankcheckhtm.html对于“空白支票”（SIC代码=6770）。2.3. 在实际的定量金融/交易应用程序中，与股票匹配将SIC代码分配给公司名称只是部分有用，因为大多数（例如定价）数据都是由股票报价人标记的。所以，我们需要匹配SIC文件中的数据。下载txt发送到tickers。这是在R functionsec中完成的。sic（）在附录C中。它的唯一参数是incl.otc，这是函数sec的第二个参数。全部的sic（）（见上文）。对于incl.otc=F仅在美国上市。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-6 15:07:29

股票是匹配的，对于incl.otc=T，也包括场外（otc）股票。sec的输入文件。sic（）是：i）NQ\\U美国运通。csv，NQ\\U NYSE。csv，NQ\\U纳斯达克。csv（这些文件可通过wget实用程序（见附录C.1）每天从www.nasdaq.com下载）；NT\\u其他列表。txt，NT\\u nasdaqlisted。txt（这些文件可通过wget实用程序从www.nasdaqtrader.com下载，如附录C.1）；和iii）如果我们希望包括otc，即如果包括otc=T，则也包括otc标签。csv（此文件可以从http://www.otcmarkets.com/reports/symbol_info.csv). 请注意，源代码很容易修改，以适应其他股票行情列表源。函数秒。sic（）通过将SEC数据中的公司名称与股票代码列表中的公司名称进行匹配，将上述文件中的股票代码与sic代码进行匹配。不言而喻，在某些情况下，匹配是无法合理实现的。这里有两大类。首先，SEC数据可能没有分配给给定公司的SIC代码，或者SEC使用的公司名称可能不同于股票列表中的公司名称，因此不匹配（例如ETRADE v.e*TRADE）。其次，可能会有不止一个匹配（在去除公司名称中的各种外部属性后，这些属性会使水域变得浑浊，例如，公司诉公司）。表1给出了事件的统计信息，其中还提供了TotalTicker的数量，以及没有SIC代码的股票代码中有多少对应于基金、信托、ETF等难以分类的车辆，代码试图使用启发式方法检测这些车辆。总的来说，股票匹配（特别是如果我们排除基金等）产生了合理的覆盖率。这个函数是秒。sic（）输出3个文件。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-6 15:07:32

文件标记器。原文如此。txt包含SIC代码匹配的ticker：第一列=ticker；第二列=交易所（A=美国运通，N=纽约证券交易所，Q=纳斯达克，其他与OTC相关）；第三列=SIC代码；第四列=行业名称（如SEC数据所示–见上文）；第五列=市值（仅适用于上述三个www.nasdaq.com文件中提供的上市股票）。文件编号。原文如此。txt包含SIC代码不匹配的ticker：第一列=ticker；第二列=交换（见上文）；第三列=市值（见上文）；第四列=真（假），如果股票代码是（非）基金等。；第五列=如果没有匹配项（多个匹配项），则为TRUE（FALSE）。文件SIC。工业级。txt包含二进制行业分类。可通过使用NT\\U otherlisted中的ETF字段进行改进。txt和NT\\u nasdaqlisted。txt。2.4. 一些stats函数秒。全部的末尾的sic（）调用函数sec。sic（）。在执行此操作之前，soit输出一个日志文件，记录开始和结束时间，以测量下载SEC数据所需的时间。表2中报告了此类测量结果。下载所有SIC代码0100-9999大约需要30分钟，同时下载仅限于SIC的SIC代码。代码。txt文件大约需要5分钟。股票匹配速度很快（在四核3.1 GHzCPU机器上）。最后，让我们提到一些二进制行业分类文件的统计数据。工业级。txt。2017年4月14日，对于4734个带有SIC代码的股票，有392个行业的股票计数如下：最小值=1，第一个四分位数=2，中位数=5，平均值=12.08，第三个四分位数=10，最大值=376。一、例如，有许多小型（有1个或2个报价器）行业。3.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-6 15:07:35

因此，我们可以下载SEC数据，并根据SIC代码建立行业分类。该行业分类与其他行业分类相比如何？【Hrazdil等人，2014年】对GIC、NAICS和SIC进行了一般比较（粒度等）。【Chan等人，2007年】对行业分类如何解释长期内股票回报的共同运动进行了比较，结果发现GIC——毫不奇怪——优于Fama French【1997】的48个“行业”（FF48）行业分类，后者基于SIC。然而，FF48与SIC不同，它将带有多个SIC代码的股票代码聚合到这48个“行业”中。一、例如，FF48在各自的最大粒度水平上比GIC、BIC和SIC的粒度小得多。在这里，我们比较了短期内的GIC、BIC、SIC、FF48和FF49（这是FF48的另一个变体–见下文）。然而，在这里，我们将比较带到另一个层面——我们不是着眼于股票回报的协同运动，而是着眼于使用其他相同风险模型计算的短期均值回归交易信号（Alpha）的表现，这些风险模型用于定义行业风险因素的行业分类除外。我们使用的风险模型是【Kakushadze，2015b】的开源异质风险模型。Heteroticrisk模型没有使用任何风格因素，因此我们的赛马会比较了潜在的行业分类，而没有将其与其他无关因素混淆。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-6 15:07:38

据我们所知，这是出版文献中首次出现的行业分类比较。本节其余部分紧随【Kakushadze，2015b】第6节的大部分内容。简言之，股票的异质风险模型结合在一起：i）行业分类的粒度；ii）任何股票子宇宙的主成分因子协方差矩阵的对角性；以及iii）俄罗斯玩偶风险模型构建中因子协方差矩阵大小的大幅减少【Kakushadze，2015c】。因此在异质风险模型中，我们在这里“重复”它不是为了重复，而是为了使我们在这里的陈述是独立的。构造，使用（为了明确）BICS命名法根据BICS子行业将股票领域划分为多个子集，计算这些子集的回报样本相关矩阵的第一主成分，并使用这些第一主成分作为权重计算相应的因子回报。通常，对于短回望，因子返回样本协方差矩阵是奇异的。然后，根据BICS行业将这些因素进一步分解为子集，计算这些子集的回报样本相关性矩阵的第一主成分，并使用这些第一主成分作为权重来计算相应的因素回报。重复这种嵌套嵌入（俄罗斯玩偶结构）（例如，通过从BICSindustries到BICS部门再到“广阔市场”，根据需要定义越来越少的风险因素），直到合成因子回报的数量足够小，从而相应的因子协方差矩阵是非奇异且足够稳定的。这证明了构建样本外稳定的短期回溯股票风险模型的有效方法。3.1.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-6 15:07:41

注释SLET是股票价格的时间序列，其中标记库存，以及标记交易日期，带有对应于时间序列中的最近日期。上标和（未调整的开盘价和收盘价）以及和（对分割和股息进行充分调整的开盘价和收盘价）将区分相应的价格，例如。，是未调整的收盘价。是未调整的日交易量（以股份为单位）。此外，对于每个日期我们将隔夜回报定义为之前的收盘至开盘回报：该回报将用于平均反向PHA中预期回报的定义。我们还需要近距离回归这些收益的样本外（见下文）时间序列将用于构建风险模型。请注意，退货定义中的所有价格和完全调整。我们假设：i）投资组合是在开放时建立的，以开放价格填充;ii）在当天收盘时进行清算，因此这是一个纯粹的日内alpha，在收盘价时进行填充; iii）没有交易成本或延误-我们的目标不是这是所谓的“延迟0”α：相同的价格，（或调整), 用于计算预期回报（通过) 并作为确定填充价格。建立一个现实的交易策略，但要测试各种行业分类的相对绩效。每种股票的损益在这里是美元持有量。每天每支股票的买入加卖出股份（建立加清算等级）通过以下方式计算：.3.2.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-6 15:07:46

宇宙选择为了简单起见，我们根据通过（注意每个日期都不在样本范围内):我们采取（即一个月），然后通过ADDV将我们的宇宙列为前2000名。为了确保我们不会无意中引入宇宙选择偏差，werebalance每月（准确地说，每21个交易日一次）。一、例如，我们将5年的回溯测试周期（见下文）划分为21天的间隔，我们使用ADDV计算宇宙（反过来，ADDV是根据该间隔之前的21天计算的），并在整个间隔期间使用该宇宙。我们确实存在生存偏差，因为我们获取了截至2014年9月6日的所有股票报价人的数据，这些股票都有历史定价数据来源fromhttp://finance.yahoo.com（2014年9月6日访问）2008年8月1日至2014年9月5日。我们限制该范围仅包括截至2014年9月8日具有GIC、BIC和SIC行业转让的美国上市普通股和类别股（无OTC、优先股等）。然而，正如【Kakushadze，2015a】第7节中详细讨论的那样，生存偏差并不是此类回溯测试的主要影响因素。3.3. BacktestingWe在5年的时间内运行我们的模拟（更准确地说，从2014年9月5日算起的1260个交易日）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-6 15:07:50

年化资本回报率（ROC）是根据实际情况计算的，交易范围是根据市值、流动性（ADDV）、价格和其他标准选择的。ZK感谢Jim Liew于2014年9月8日分享GICS数据。回溯测试窗口的选择基于哪些数据是现成可用的。此外，这里我们关注的是相对的跑赢大市，可以合理地假设，对于领先顺序，个人表现受到生存偏差的影响大致相同，因为所有Alpha和风险模型（见下文）的构建都是“统计”的，并且不受交易范围的影响。日均损益除以日内投资水平（无杠杆）并乘以252。年化夏普比率（SR）计算为每日夏普比率乘以. 每股美分（CPS）的计算方法是以美分（非美元）为单位的总损益除以总交易股份。3.4. 优化的Alpha优化的Alpha基于预期回报根据我们正在测试的行业分类，即GIC、BIC、SIC、FF48（参见[French，2017a]了解其定义）和FF49（参见[French，2017b]了解其定义），使用异质风险模型优化viaSharpe比率最大化（Kakushadze，2015b）中定义。FF48和FF49的构造只有一个级别。GIC、BIC和SIC有多个级别。我们在各自最细粒度的层面上对这些行业进行分类（GIC和BIC称为子行业，SIC称为行业–见上文）。然后运行R函数qrm。[Kakushadze，2015b]附录B中的het（），输入如下：ret是回报矩阵定义见等式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-6 15:07:53

(2); ind是二进制行业分类矩阵（如果相应的股票代码属于相应的行业，则每个元素等于1，否则为0–对于SIC，该矩阵位于我们上面讨论的文件SIC.IND.CLASS.txt中）；市场。fac=T（这增加了“市场”因素，因此我们实际上有一个两级行业分类，风险因素方差矩阵是可逆的——详情参见【Kakushadze，2015b】）；和rm。唱tkr=F（默认值）。正如【Kakushadze，2015b】中所述，我们计算了杂种优势风险模型协方差矩阵每21个交易日（与宇宙相同）。对于每个日期（我们省略索引)我们根据美元中性约束和头寸界限最大化夏普比率：在这种情况下，这与交易边界相同，因为该策略纯粹是盘中策略。在这里是式（4）中定义的ADDV。等式（6）是美元中性约束。等式（7）规定了上述交易界限。等式（8）确保投资组合具有投资水平. 在边界计算存在的情况下需要一个迭代过程，我们使用[Kakushadze，2015b]附录C中的代码（其中还包含详细文档）。3.5. 仿真结果表3（也见图1）总结了仿真结果。GICS子行业的表现略优于BICS子行业，而BICS子行业的表现优于SIC行业。FF48和FF49表现不佳的行业——仅仅是因为粒度较小。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-6 15:07:57

为了便于比较，表3中还包括BICS的模拟结果，其中我们将BICS子行业替换为BICS行业和BICS部门。通常，降低粒度会导致此类回溯测试的性能不佳。4、结论据我们所知，我们在这里介绍的短期行业分类比较——尤其是使用实际交易信号（相对于收益的共同运动）——是出版文献中的第一种。GICS仍然是一个安全的选择。不幸的是，BICSis不再得到彭博社的支持。此外，SIC并不是一场“灾难”，现在我们已经为其提供了开源代码，可以广泛应用于初步研究等领域。最后，让我们评论一下（构建良好的）行业分类本质上是稳定的（w.r.t.时间变化）。这主要是因为公司很少跳转行业（更不用说部门等粒度较小的结构）。毕竟，基本行业分类通常基于相关的基本/经济数据，如公司的产品和服务、收入来源、供应商、竞争对手、合作伙伴等。这简化了事情，包括与样本外回溯测试相关的情况。因此，如果今天获得一个股票领域的行业分类，并使用该行业分类对过去一年的同一个股票领域进行回溯测试（即，考虑到在此期间可能发生的任何股票变化等），回溯测试仍然可以被视为有效，因为在此期间股票跳跃行业的可能性很小。这并不是说行业分类提供者可能没有追溯性地改变，比如说，对一些股票报价器的子行业设计。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-6 15:07:59

然而，这种“同一性”可以出现在虚拟的第三方数据中，除非最终用户在每个历史日收集到它。致谢我们要感谢匿名评论者提出的宝贵建议，这些建议改进了手稿。BICS子行业的结果不同于【Kakushadze，2015b】，因为宇宙是不同的。在【Kakushadze，2015b】中，宇宙仅基于BIC。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

栏目导航

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群