一.前言

• 之前已经讨论了一种[color=rgb(83, 137, 210) !important]动态情景多因子模型（https://uqer.io/community/share/58085abb228e5b1627bc3954）,基本思想就是根据当前市场风格切换来赋予因子不同的权重
  

• 本帖将继续探讨动态多因子的处理方法，这里参考研报《风格因子进化论》研究复现了一种基于布林带的因子择时策略。
  

二.策略介绍

• 随着因子波动性的不断提高和不同风格之间切换的日益频繁，如何提升因子的表现是一个问题。
• 关于单因子有效性的检验，因子中性化，因子合成等问题就不在这里赘述了，这里主要讲述的是动态多因子模型，即因子权重是动态变化的，依据是因子在前一段时间内的表现。在这里，因子权重依据的是因子构建的多空组合的净值的前期表现
• 多空组合指的是根据单因子构建的五分位数组合,5分位的组合减去1分位的组合，如下图：
  

1.因子多空组合净值表现

• 为了之后构建策略方便，我们不妨先得到因子的多空组合净值表现，下面就是写函数来实现
• 输入：
  
  

                 因子名（列表）、因子作用方向(False表示正向的，即因子值越大，股票收益越高)
               研究时间范围：开始，结束               频率：默认为周度               股票池名称：默认为中证800成分股                       输出：
              因子多空组合净值表现（DataFrame）、作图
下面可以看个例子：

• 画图只是为了观察一下优矿上各个因子的表现如何，避免未来数据的话，当然是只能观察在样本内的表现，样本外的就不能看了
• 可以看到，这些因子的多空组合的净值表现波动都很大，这也是因子择时策略想解决的问题
  

2.策略详情

• 下面详细介绍下，策略的详细思路：
  

在每个交易日计算过去N个交易日（包括当前交易日）因子多空组合净值的均值C，同时计算过去N个交易日因子多空组合收益的均值R和标准差σ,从而得到多空净值上界Upper=C∗(R+2∗σ)和多空净值下界Lower=C∗(R−2∗σ)。首先，赋予因子初始权重。当因子多空净值向上穿越了上界时，我们便提升该因子的权重，权重变为初始权重的2倍；当因子多空净值向下穿越了下界时，我们便降低该因子的权重，权重变为初始权重的一半；而当该因子的多空净值位于上下界之间时，我们则对该因子未来表现持中性态度，权重不变。最后对因子权重作归一化处理，根据每周最后一个交易日的因子权重对[color=rgb(83, 137, 210) !important]分位数标准化之后的因子数据进行合成，得到新的合成因子


三.总结

• 可以看到，在未对因子做中性化处理，策略构建时也没有考虑行业分散，止损等优化方法,甚至参数也没有去拟合的情况下，因子轮动策略的表现还是稳扎稳打的
• 本帖重在思路，许多细节并没有处理的尽善尽美，比如因子的选取上，也没有仔细斟酌。
• 要打完全套武功，还需要对因子进行充分挖掘后，选取几个大类因子，对每个类里的因子进行合成；构建策略时，还应当考虑因子的行业中性化和市值中性化处理，并且投资组合应当考虑行业分散化或者更全面的考察风险集中在哪些因子上；如何综合使用诸多方法，是策略构建的重点，还需继续研究。
  

原文链接：https://uqer.io/community/share/58085abb228e5b1627bc3954