华泰期货-量化专题报告：定向因子法预测期货收益率-180629

《华泰期货-量化专题报告：定向因子法预测期货收益率-180629（12页）.pdf》由会员分享，可在线阅读，更多相关《华泰期货-量化专题报告：定向因子法预测期货收益率-180629（12页）.pdf（12页精品完整版）》请在悟空智库报告文库上搜索。

        预测因子选择问题简介  
        量化模型的构造必然涉及到预测因子的选取，选好预测因子是量化模型成功的关键因素之一。在构造出一组可能的预测因子后，我们要从中选出一组最优的因子组合，使得整个模型的预测效果最大化。首先，各个备选因子并不一定有预测效果，其次各个备选因子之间也可能存在一定的相关性，如何合理分配因子之间的权重也需要特别考虑。
        这篇报告以利用基本面周频时间序列数据为基础，尝试先对基本面因子进行选择，再对商品期货主力合约的周度收益率进行预测。每个商品期货品种涉及到  20-50  个可观测的基本面因子，当中还涉及利率、汇率等宏观因素。学者  Serena  Ng  等人认为宏观因子对待预测变量的影响更可能是每个宏观因子都存在一定的贡献，即可能是各个可观测宏观因子背后的隐藏因素对待预测变量起作用。因此我们可以构造因子模型从可观测因子中提取出具有预测能力的隐藏因素，再根据这些因素进行预测，这就是宏观计量经济学上常见的扩散指数法(Diffusion  Index,  DI)，与数值计算中的主成份回归类似(Princinpal  Component  Regression,  PCR)。Serena  Ng  等人认为在构造隐藏因子前应该对可观测因子先进行选择，找出有预测能力的因子组合，再构造预测模型。
        所以这篇报告参考  Jushan  Bai  和  Serena  Ng  在论文  Forecasting  Economic  Time  Series  Using  Targeted  Predictors  中提到的“定向因子法”(Targeted  Predictors,  TP)进行主成份构造。即先利用最小角回归(Least  Angle  Regression,  LARS)选出最优的可观测因子组合，再利用此组合构建主成份因子，进行预测。在本报告测试的  20  个商品品种中，通过因子选择，大部分商品品种的收益有所提高。