基本面加权指数优化算法实证研究.pdf

定量研究 定量研究 专题研究 基本面加权指数 2009 年 02 月 19 日 基本面加权指数优化算法实证研究 问题由来 基本面加权指数引起了不小的市场争论，争论关键就在于基本面权重是否是不可 观察的真实价值权重的无偏估计，且基本面权重与真实价值权重间的误差是否也独 立于市值。Kaplan 否认了这一论断，并提出了包含市场真实价值信息集的优化算法， 但是这种方法的关键在于经验参数的设定。 我们的创新 我们的目的是充分利用成份股的真实价值信息，将流通市值和基本面数据组合给 出新的权重，使指数更符合价值投资理念。我们将 Kaplan 的模型在四个方面做了创 新改进：采用了一致预期数据，减弱了白噪声对优化模型的影响；取消了市值数据 和真实价值之间是独立不相关的假设；在放宽了基本面数据、市值数据和真实价值 之间是独立不相关的假设后，改进优化算法，采用数值手段使新计算的指数与真实 价值的相关度最高；对参数估计时采用了中位数的方法，而非简单平均，有效降低 极值对结果的影响， 实证结果 首先，优化后指数较非优化指数的月度几何平均收益显著提高，且月度平均波动 降低，风险调整后收益增加，或者月波动增加但风险调整和收益依然增加。 相关研究 其次，优化后指数剔除系统性风险后的超额收益显著增加。 定量策略研究：基本面加权指数实证研究及 产品设计建议- 2008.7.16 再次，除非市场出现较大波动，优化模型在各个季度基本优于非优化模型。 最后，优化后指数在不少阶段采用流通市值加权，降低了交易成本。 注意事项 第一，朝阳永续的一致预期数据建立时间较短并且部分股票的预期数据缺失，因 此如果能有完整的盈利预期估计数据，势必会让模型更具投资价值。 ˆ 第二，我们采用的是前一季度的θ 用以估算当前季度的权重，也就是说前期市场 ˆ 的走势对后期权重有很大的影响，我们建议在实际应用中可以适度调整θ 值，使本 季度的权重更贴近市场走势。 第三，我们计算股票的真实价值时选取的是某一个时点的一致预期数据，而非及 金融工程高级分析师 时更新的预期数据，不同的研究员推荐同一股票的时间点不同会对指数的计算有很 大影响，因此如果能及时更新真实价值，可以使优化模型与理论