基于分位数回归的Barra因子选股模型研究的任务书.docx

基于分位数回归的Barra因子选股模型研究的任务书
任务书：
一、题目
基于分位数回归的Barra因子选股模型研究
二、背景
中国股市已经成为全球最具规模的股票市场之一，投资者多种多样的股票投资需求得到了满足。在众多的投资者中，短线交易者和长线投资者一直存在，而市场选择和股票选择一直是两个最重要的问题。然而，针对市场和股票的选择，传统的基本面选股法已经逐渐显现出其局限性，难以适应市场的复杂性。因此，引入智能化交易和基于机器学习的选股模型，成为了当今股市选股研究的热门方向，正在逐步被投资者所接受。
选股模型是基于股票市场数据进行分析和建模，以预测股票价格走势或执行特定的投资策略。然而，传统的选股模型主要依靠财务和基本面数据，忽略了许多其他重要影响因素。近年来，一些前沿的选股模型开始强调市场稳定性、因子收益、主动风险等方面，以更好地满足市场变化的需求。
Barra因子模型是一个成功的风险模型，在股票市场的重要性越来越高。然而，传统的Barra因子模型，主要依靠OLS（普通最小二乘）回归模型，存在较多局限性，例如，线性模型可能无法准确预测股票价格的非线性变化。因此，通过引入分位数回归方法，可以更好地捕捉股市价格变化的非对称特征，再结合Barra因子的经济和理论基础，可以更加准确地选出合适的股票。
三、研究目标
该研究的主要目标是：通过分位数回归方法，建立基于Barra因子选股模型，以有效预测股票价格的动态变化，并在中国股市中进行实证分析，以验证该模型的可行性和准确性。
四、研究方法
1.理论研究：对Barra因子的经济和理论基础进行系统阐述，了解其经济学背景和数据来源，结合分位数回归方法，建立符合实际应用要求的模型。
2.数据采集：获取中国股票市场的历史股票价格和Barra因子数据，以及其他经济和政治变量数据，包括利率和CPI数据等。
3.数据处理：采用MATLAB等软件对数据进行预处理，包括数据清洗、标准化、异常值处理等，以达到简化模型、减少噪声和提高结果准确性的目的。
4.模型构建：基于Barra因子，结合分位数回归技术，建立预测模型，确定最优的因子权重，使其对股票价格的预测误差最小化。
5.模型验证：对构建的模型进行实证分析，通过构建多个回归方程，对不同的分位点做出预测。然后，利用预测误差进行卡方统计检验、R平方、调整后的R方和F-statistic等指标进行验证。
6.模型应用：利用该模型选出合适的股票并进行投资，对模型的实用性和准确性进行验证和评估。
五、研究意义
1.建立基于分位数回归的Barra因子选股模型，能够更好地合理响应市场变化，能够有效捕捉股票价格变化的不对称特征，提供更加准确的投资决策。
2.利用该模型选股能够提高投资者的择股能力，从而实现更好的组合投资效果和优化投资风险。
3.该研究的创新性和实用性，能够提升我国股票市场的选股模型的发展水平，为投资者提供智能化的投资选择解决方案，促进证券市场的良性发展。
六、进度安排
时间计划工作
2021年12月初-2022年1月中旬研究文献阅读、问题提出、选股与分位数回归理论讲解
2022年1月上旬-2022年2月底数据准备、数据清洗
2022年3月上旬-2022年3月底因子权重预测模型构建、以各划分位点进行预测
2022年4月初-2022年5月底模型优化与验证、模型应用
2022年6月初-2022年6月底实验结果分析、论文写作
2022年7月初论文修改、答辩准备
七、参考文献
[1]YanLiu,Barrariskfactormodelingmethodology.JournalofZhejiangUniversity(Scienceedition),2015,42(3):197-204.
[2]KoenkerR,BassettJrG,Regressionquantiles,Econometrica,1978:33-50.
[3]BoudtK,PattersonD,ChenY,etal.Multi-stepquantile-basedportfoliooptimization[J].EuropeanJournalofOperationalResearch,2018,270(3):986-1000.
[4]FanJianqing&LiRunze.StatisticalAnalysis－PointEstimation.HigherEducationPress,2005.
[5]SiaoSan-Min.NonparametricRegressionAnalysis--AStructuralTheory.JohnWiley&Sons,1989.
[6]Suicheng,L.Estimationofdifferentquantileregression.YiXueYuanXue