alpha选股策略组合及历史表现
阿尔法策略应用
阿尔法策略应用股指 期货的推出为基金经理和机构投资者提供了对冲市场系统性风险、博取Alpha收益的有效工具。
利用股指期货进行主动型Alpha对冲，关键是到底需要做空多大规模的股指期货才能最有效的将现货组合的Alpha值剥离出来一、什么是阿尔法策略阿尔法收益就是高于经β调整后的预期收益率的超额收益率，其最初是由William Sharpe在1964年其著作《投资组合理论与资本市场》中首次提出，并指出投资者在市场中交易面临系统性风险和非系统性风险，公式表达如下：E（Rp）=Rf+β*（Rm-Rf）其中 β=Cov（Ri，Rm）/Var（Rm），E（Rp）表示投资组合的期望收益率，Rf为无风险报酬率，E（Rm）表示市场组合期望收益率，β为某一组合的系统风险系数。
CAPM模型主要表示单个证券或投资组合同系统风险收益率之间的关系，也即是单个投资组合的收益率等于无风险收益率与风险溢价之和。
资本资产定价模型（CAMP）认为，在有效的市场里，只有承担系统风险才可以得到一定的收益补偿，非系统风险无法获得补偿，所以一种证券的预期收益主要由其β值决定。
β值越高的证券，预期收益就越高，β值越低的证券，预期收益就越低。
经验表明，由于新兴市场的有效性较弱，专业投资者容易在这种市场利用专业管理、积极操作、资金规模等优势获得较高的阿尔法收益，从而跑赢大市。
二、常用的阿尔法收益策略能够产生阿尔法收益大致有两种产品：一种是诸如债券等固定收益产品，依靠自身产品设计就能够获得阿尔法，另一种是通过产品组合获取阿尔法，各类机构往往通过股票、基金、商品期货、金融衍生品等不同的资产类别构成的组合。
第一种方法较为简单，一般投资者都可以实现；第二种方法则要求投资者具有较高的研究分析能力，在国外市场普遍应用于对冲基金之中。
20世纪80年代以来，随着布雷顿森林体系的瓦解、金融自由化的扩展、石油危机和债务危机的爆发以及信息技术的飞速发展，国际金融市场上的风险急剧增加。
alpha混合过程
alpha混合过程Alpha混合过程是一种常用的金融投资策略，通过将不同的资产组合进行混合，以期望获得更好的投资回报和风险控制。
本文将从介绍Alpha混合过程的概念、核心原理、实施步骤以及优缺点等方面进行阐述。
一、概念Alpha混合过程是指通过将Alpha因子与其他投资策略或因子进行组合，以达到优化投资组合的目的。
Alpha因子是指超额收益的来源，是投资组合相对于市场基准的表现。
通过将Alpha因子与其他因子进行混合，可以在一定程度上提高投资组合的效果。
二、核心原理Alpha混合过程的核心原理是基于资产的相关性和协方差矩阵来构建投资组合。
通过分析不同资产之间的相关性，可以找到相互协同作用的资产，从而构建一个相对均衡的投资组合。
同时，通过协方差矩阵的分析，可以更好地控制投资组合的风险。
三、实施步骤1. 确定投资目标：首先需要明确投资目标，包括期望的回报率和风险承受能力等。
2. 选择Alpha因子：根据投资目标，选择与之相关的Alpha因子。
这些因子可以是基本面因子、技术指标或其他市场因素。
3. 选择其他因子：除了Alpha因子外，还需要选择其他与之相关的因子。
这些因子可以是市场因子、宏观经济因素等。
4. 构建投资组合：根据选定的因子，使用数学模型或投资策略，构建一个相对均衡的投资组合。
这个过程通常需要考虑各个因子的权重和限制条件等。
5. 优化投资组合：通过优化方法，调整投资组合中各个资产的权重，以达到最优化的目标。
6. 回测和评估：对构建的投资组合进行回测和评估，检验其效果和风险控制能力。
根据结果，可以对投资组合进行进一步的调整和优化。
四、优缺点1. 优点：Alpha混合过程能够充分利用不同的投资因子，提高投资组合的回报率和风险控制能力。
通过混合多个因子，可以降低特定因子带来的风险，实现更加稳定的投资收益。
2. 缺点：Alpha混合过程需要大量的数据分析和模型构建，对投资者的研究能力和技术要求较高。
alpha混合法
alpha混合法Alpha混合法是一种常用于投资组合管理的方法，它通过将资金投资于不同的资产类别和策略，以实现资产配置的多样化和风险分散。
本文将介绍Alpha混合法的原理、优势和应用。
我们来了解一下Alpha混合法的基本原理。
Alpha指的是投资组合相对于基准指数所产生的超额收益，通过投资多个资产类别和策略，可以提高投资组合的Alpha值。
Alpha混合法通过将Alpha正向相关的策略组合在一起，以增加Alpha收益的概率，同时通过将Alpha负向相关的策略组合在一起，以减少Alpha收益的波动。
通过这种方式，可以在不同市场环境下实现相对稳定的超额收益。
Alpha混合法的优势在于它能够降低投资组合的风险并提高收益。
由于不同资产类别和策略之间存在一定程度的相关性，通过将它们组合在一起，可以实现资产配置的多样化和风险分散。
这样一来，即使某个资产类别或策略出现亏损，其他资产类别或策略的收益可能会抵消部分亏损，从而降低整个投资组合的风险。
此外，Alpha 混合法还可以通过选择具有不同特点和投资风格的资产类别和策略，来实现收益的提高。
在实际应用中，Alpha混合法可以用于不同类型的投资组合管理。
例如，对于个人投资者，可以通过选择不同的基金产品来实现Alpha混合。
基金产品通常由不同的资产类别和策略组成，投资者可以根据自己的需求和风险偏好选择适合自己的产品。
对于机构投资者，Alpha混合法可以用于组合投资管理。
通过将不同的资产类别和策略组合在一起，可以实现投资组合的多样化和风险分散，从而提高整个投资组合的收益和稳定性。
除了在投资组合管理中的应用，Alpha混合法还可以用于其他金融领域。
例如，对于风险管理和对冲基金，Alpha混合法可以用于选择和组合不同的对冲策略，以降低投资组合的风险。
对于量化交易，Alpha混合法可以用于选择和组合不同的交易策略，以提高交易的成功率和收益。
Alpha混合法是一种有效的投资组合管理方法，通过将不同的资产类别和策略组合在一起，可以实现资产配置的多样化和风险分散，从而降低投资组合的风险并提高收益。
alpha因子 beta 因子 gamma因子
文章标题：解密投资中的Alpha、Beta和Gamma因子在现代投资理论中，Alpha、Beta和Gamma因子是投资者在进行资产配置和风险管理时经常遇到的概念。
它们不仅影响着投资组合的收益和风险，还对投资策略的制定和执行起着至关重要的作用。
本文将对Alpha、Beta和Gamma因子进行深入探讨，以帮助读者更全面地理解这些概念，并在实践中更加灵活地运用它们。
一、Alpha因子1. 什么是Alpha因子？Alpha因子是指投资组合相对于基准收益的超额收益。
它代表了超出市场预期的投资绩效，通常被视为投资经理能力的体现。
在资本市场中，Alpha因子反映了投资组合管理者通过选股或择时等操作所获得的超额收益。
2. 如何评估Alpha因子？评估Alpha因子通常采用基准收益率与投资组合收益率之间的差异来衡量。
通过各种统计方法和指标，投资者可以准确地评估和比较不同投资组合的Alpha因子，从而选取表现优异的投资组合。
3. 如何获取Alpha因子？获取Alpha因子需要投资者具备深厚的市场分析与投资经验，以便找到低估的个股或时机，在市场中实现超额收益。
也可以通过投资于主动管理的基金或参与量化投资等方式来获取Alpha因子。
二、Beta因子1. 什么是Beta因子？Beta因子是指投资组合相对于市场的波动性，它代表了投资组合相对于市场表现的波动程度。
在风险评估中，Beta因子通常被用来衡量资产或投资组合的市场风险敞口。
2. 如何评估Beta因子？评估Beta因子通常通过市场模型中的Beta系数来进行，Beta系数的大小反映了资产或投资组合对市场变化的敏感程度。
较大的Beta系数意味着较高的市场波动性，而较小的Beta系数则表示相对较低的市场波动性。
3. 如何管理Beta因子？管理Beta因子的方法主要包括风险敞口的控制和资产配置的优化。
投资者可以通过多元化投资组合来降低Beta因子，从而降低整体投资组合的风险。
alpha量化选股模型
Alpha量化选股模型是一种利用数量化建模方法来捕捉投资者所考虑交易的金融产品的短期错误定价，并通过投资组合的方式在充分考虑风险收益比的情况下来进行一揽子金融品种的投资的模型。
该模型主要目的是为了博取投资绝对收益率。
在Alpha量化选股模型中，通常会使用一系列的因子来筛选股票，这些因子可能包括公司的财务数据、市场趋势、宏观经济指标等。
通过这些因子的筛选，模型可以选出在一定时间内表现超过市场平均水平的股票。
Alpha量化选股模型的实现通常需要强大的数据处理和分析能力，以及对市场趋势和投资策略的深入理解。
同时，该模型也需要不断优化和调整，以适应市场的变化和投资者的需求。
需要注意的是，任何投资模型都存在风险，投资者在使用Alpha量化选股模型时需要充分了解其原理和风险，并根据自己的风险承受能力和投资目标做出合理的决策。
量化投资中的阿尔法策略
基于趋势跟踪
量化择时策略之一是基于趋势跟踪，通 过识别市场趋势，利用技术指标和机器 学习算法来预测市场走势，指导投资决 策。
VS
基于统计套利
另一种量化择时策略则是基于统计套利， 通过分析市场数据、对冲风险等手段，寻 找具有套利机会的投资组合。
组合优化策略
基于马科维茨投资组合理 论
组合优化策略之一是基于马科维茨投资组合 理论，通过分散投资、风险控制等方法，优 化投资组合的收益风险比。
总结词：互补性
详细描述：人工智能和传统投资策略具有很强的互补性。传统投资策略在人的经验、判断和决策方面具有优势，而人工智能 在数据处理、模式识别和预测方面具有优势。两者的结合可以更好地应对市场的复杂性和不确定性。
人工智能在量化投资中的用
要点一
总结词
要点二
详细描述
挑战与风险
虽然人工智能在量化投资中的应用具有广阔的前景，但也 面临着一些挑战和风险。例如，人工智能算法的透明度和 可解释性不足，可能会导致投资者对算法的不信任；同时 ，人工智能算法的过度拟合和泛化能力不足，也可能会影 响其在实际投资中的表现。因此，投资者需要谨慎选择和 使用人工智能算法。
模型过拟合与欠拟合
总结词：阿尔法策略可能面临模型过拟合与欠拟合的 问题。过拟合是指模型过于复杂，导致在训练数据上 表现良好，但在测试数据上表现较差；欠拟合则是指 模型过于简单，无法捕捉到重要的市场特征。
详细描述：在量化投资中，阿尔法策略的复杂性和适用 性之间存在权衡关系。如果投资者使用过于复杂的模型 ，他们可能会面临过拟合的风险。这意味着模型在训练 数据上可能表现出色，但在真实市场环境中可能无法获 得超额收益。相反，如果投资者使用过于简单的模型， 他们可能会面临欠拟合的风险。这意味着模型可能无法 捕捉到重要的市场特征，从而无法做出准确的投资决策 。因此，投资者需要仔细选择合适的模型复杂性和特征 集来避免过拟合和欠拟合的问题。
pure alpha策略(一)
pure alpha策略(一)纯Alpha策略什么是纯Alpha策略纯Alpha策略是一种投资策略，通过寻找并利用市场中的价格差异、技术指标、基本面分析等因素，以投资组合的形式获得超额收益。
纯Alpha策略主要依赖投资组合经理或团队的能力，通过优秀的研究、分析和决策能力来实现超额收益。
纯Alpha策略的特点•独立性：纯Alpha策略不会受到大盘影响，它主要通过独特的投资思路和策略来获取超额收益，相对市场的波动具有一定的抗风险能力。
•灵活性：纯Alpha策略投资者可以根据市场条件和个人判断进行自主的投资决策，灵活调整投资组合的配置，以应对不同的市场环境。
•高风险高收益：纯Alpha策略投资涉及较高风险，但也有可能获得较高的收益。
投资者需要具备较高的风险承受能力和研究能力。
纯Alpha策略的基本原理纯Alpha策略的基本原理可以归纳为以下几个方面：1.市场信息分析：投资者通过对市场信息的搜集、分析和研究，寻找出市场中存在的价格差异和投资机会，例如利用技术指标分析市场走势、分析公司财务报表等。
2.投资标的选择：基于市场信息的分析，投资者选择具备较高潜在收益的投资标的，例如股票、债券、期货等，以构建投资组合。
3.头寸管理：投资者根据市场情况和个人风险偏好，对投资组合进行适当的调整和管理，包括买入、卖出、加仓、减仓等操作。
4.风险控制：纯Alpha策略中，风险控制是至关重要的一环。
投资者需要设置止损位、控制仓位、分散投资等手段，以避免大幅度损失。
纯Alpha策略的应用纯Alpha策略在资本市场中有着广泛的应用，主要包括以下几个方面：•对冲基金：对冲基金是纯Alpha策略的主要应用场景之一。
通过对冲基金的运作，投资者可以实现投资组合和大盘之间的分离，以获得稳定的超额收益。
•增强指数基金：增强指数基金是通过采取纯Alpha策略，以超越基准指数为目标的基金。
通过运用纯Alpha策略的技巧和策略，增强指数基金可以在基准指数的基础上获得额外的收益。
广发 多因子alpha系列 基于筹码分布的选股策略
广发多因子alpha系列基于筹码分布的选股策略广发多因子alpha系列基于筹码分布的选股策略在投资领域，选股策略一直是投资者们关注的焦点之一。
广发多因子alpha系列提出的基于筹码分布的选股策略，正是一种新颖而又实用的方法。
这一策略不仅能够帮助投资者找到具有潜在增长空间的个股，还能够在一定程度上规避风险，是一种有着广阔应用前景的方法。
在进行这一选股策略的评估时，我们需要从多个角度进行全面的分析。
我们需要理解并掌握广发多因子alpha系列的具体方法和原理。
我们需要对基于筹码分布的选股策略进行深入的研究和探讨，了解其在实际操作中的应用。
我们需要对此策略的优势和局限性进行客观的评价，并提出个人观点与建议。
1. 广发多因子alpha系列的方法和原理广发多因子alpha系列是基于广发基金多年的研究和实践经验，提出了一套包括风险因子、估值因子、成长因子等多种因子的选股模型。
这一模型综合了多个因子的影响，能够更全面地评估个股的投资价值，为投资者提供了更加科学的选股方法。
在这一多因子模型中，基于筹码分布的选股策略占据着重要的位置。
它通过分析股票持有者的成本价与市场价格的关系，来判断股票的操纵程度、筹码分布情况以及操纵者的进出时点。
这一策略强调了对市场情绪和资金流向的把握，从而更加准确地判断个股的投资价值。
2. 基于筹码分布的选股策略的实际应用基于筹码分布的选股策略并不是简单的理论模型，而是在实际操作中能够发挥作用的有效策略。
通过对该策略的实际应用案例进行研究，我们可以发现它在不同市场环境下都能够取得较好的效果。
在牛市中，基于筹码分布的选股策略能够帮助投资者捕捉到操纵力度较大的个股，从而获得更高的收益。
而在熊市中，该策略则能够帮助投资者规避风险，避免跟随市场情绪盲目操作，从而保持较好的资产状况。
这一策略的灵活性和稳健性使其在实际操作中能够适应不同的市场环境，为投资者带来更好的投资体验。
3. 优势和局限性然而，基于筹码分布的选股策略也并非完美无缺。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本周更新
代码 601998 601088 600104 600036 601918 601601 000562 002142 600970 601318 600000 600030 600016 600015 601699 简称 中信银行 中国神华 上海汽车 招商银行 国投新集 中国太保 宏源证券 宁波银行 中材国际 中国平安 浦发银行 中信证券 民生银行 华夏银行 潞安环能 行业 金融、保险业 采掘业 机械、设备、仪表 金融、保险业 采掘业 金融、保险业 金融、保险业 金融、保险业 建筑业 金融、保险业 金融、保险业 金融、保险业 金融、保险业 金融、保险业 采掘业 最新价 5.41 27.59 17.1 14.04 13.27 22.47 16.27 12.34 37.63 50.08 13.82 12.62 5.86 12.08 57.34 beta 0.96 1.19 1.01 0.84 1.48 1.1 1.52 1.09 1.12 0.87 0.92 1.43 0.68 0.96 1.62
策略运作方案
策略的进行方式是， 在每一观察期结束收盘后， 根据全期的回报率选择本期表现最好 （或 最差）的[p3*300]支股票。第二步，再在这[p3*300] 支股票中按个股的活跃程度，选择本 期换手率最低或（或最高）的[p3*p4*300] 支股票，构成目标股票组合。 在持有期的首日，我们进行股票组合的调整。 即对选中的目标股票组合名单，平均分 配资金，按照持有期首日的平均成交价买入各支股票，并卖出上期持有，本期不再纳入组合 的股票。
第三部分：系统性风险对冲实验
5
请务必阅读正文之后的免责条款部分 XINHU REPORT
新湖创新产品 历史检验环境
股票组合的测试环境设置与前一设置完全一致。 只是增加了hs300指数作为对冲的工 具。 对冲比例1：1 。 经纪费用 交易征费（双边） 交易费（双边） 印花税 市场利率 0．01% 0.05% 零
第二部分：实验结果
策略的目标是在获得高于基准指数， 即沪深300指数的超额收益。 而为了获得这样的收 益，我们将主动承受部分额ห้องสมุดไป่ตู้的风险。 而用于衡量主动承担的超额风险带来的超额收益的 合适的指标，是信息比率，即Information Ratio。 所以，在历史测试和参数优化的过程中， 我们主要关注的指标不是Sharpe比率，而是信息比率。越高的信息比率，表明从超额风险中 所获得的超额回报越大。 Information ratio 的计算公式为： Information Ratio＝ TD/TE = （Rp－Rb）/ TEp 其中，TD表示资产跟踪偏离度的样本均值；TE为资产的跟踪误差。 Rp：投资组合的平均回报率 Rb：基准指数的平均回报率 TEp：投资组合对基准指数的跟踪误差。 对周数据历史检验的结果显示，当参数的设置为[1;1;52;50;50;0;0]的时候，年化的 information ratio最大，为3.76。 即观察1期，持有1期，每次选择上期回报最低的50%股 票，再筛选其中最不活跃的50%，即为最终的投资组合。 虽然如此，但是这样的股票组合选择的股票数量过多，交易成本和冲击成本会比较大， 所以我倾向于选择information ratio次最优的参数组合[1;1;52;10;50;0;0]，即观察1期， 持有1期，每次选择上期回报最低的10%股票，再筛选其中最不活跃的50%，即为最终的投资 组合。 经过测试我们发现，上述结果对动量/反转，成交量异象/正像，这两个二元变量最为敏 感。[0,0]组合，即“反转”+“成交量异象”的判断标准，明显的优于其他组合。 下表是以此参数进行选股的组合收益历史表现情况：
参数设定
历史回溯测试的主要考察对象是短期动量（Momentum）或反转（Reversal）策略加上交 易量正像（Trade Volume Normality）或异象（Trade Volume Anomaly）做辅助判断的效果。 总共四种不同的策略组合。 主要考察的参数包括，观察期长度，持有期长度，按照回报选择的股票数量，按照活跃 程度选择的股票数量，动量/反转，成交量正像/异象等6组参数，依次分别记作 [p1,p2,p3,p4,p5,p6]。 其中p1的选择在[1,2,3,4,5,6], p2的选择与p1相同，并要求 p2<=p1，即要求持有期必须不短于观察期。 p3,p4 是选股比例，要求在10% ~ 60%。 p5,p6 是两个二元变量，分别代表动量/反转和成交量正像/异象的选择。 另外，我们还考虑股票的成长性和成本安全性指标，在此，不作公布具体法则。
请务必阅读正文之后的免责条款部分
XINHU REPORT
新湖创新产品
上期组合表现
buydate stockid stockNam e buypric e lastpric e without margin return 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 2011-05-0 3 SZ000157 中联重科 15.38 15.52 0.73 0.84 -0.09 SZ000783 SH60015 3 SH60030 7 SH60026 6 SH60081 1 SH60006 2 双鹤药业 24.04 24.32 1.03 0.84 0.17 东方集团 7.5 7.55 0.55 0.84 -0.25 北京城建 14.03 14.32 1.95 0.84 0.97 酒钢宏兴 12.36 12.57 1.59 0.84 0.65 建发股份 8.79 8.79 -0.18 0.84 -0.88 长江证券 10.97 11.05 0.56 0.84 -0.24 SZ002001 SH60099 7 SH60005 8 SH60030 9 SH60136 9 陕鼓动力 13.77 13.92 0.95 0.84 0.1 烟台万华 24.38 24.97 2.26 0.84 1.24 五矿发展 32.73 32.78 0.02 0.84 -0.71 开滦股份 18.27 18.26 -0.23 0.84 -0.92 新 和 成 30.12 30.09 -0.26 0.84 -0.95 SZ000876 SH60050 8 上海能源 26 26.18 0.56 0.84 -0.24 新 希 望 17.7 18.28 3.12 0.84 1.99 SZ000046 泛海建设 9.32 9.36 0.31 0.84 -0.46 benchretur n with beta alpha
alpha 选股策略组合及历史表现
新湖期货金融创新部 蔡建波 电话：021-68401858 E-mail: caijianbo@
要点
分析市场在不同阶段交易特征，定义行为异象 根据行为金融方法，利用行业财务数据和个股行为特征 构建选股模型，提取超越 alpha 利用权重分配方法，分配组合内个股权重 利用股指期货对冲组合系统性风险 对组合收益进行业绩归因
选股规则注意
长期停牌的股票，不被纳入策略考虑的范围； 如果在观察期的选出的股票组合中有股票在持有期的第一个交易日停盘或者开盘价触 及涨跌停，那么认为市场已经反映了在我们选股阶段发掘的“额外信息”，即此时的市场结构
请务必阅读正文之后的免责条款部分 XINHU REPORT
3
新湖创新产品
与我们在选股判断阶段的估计已经产生了变化，不复存在产生alpha的空间。 所以，这样的 股票将不被纳入投资组合，资金将在剩余的股票组合间进行分配。 即涨停则不开仓，跌停 则在复盘后按开盘价抛出。
策略运作方案
此策略的对冲办法主要是在选出股票投资组合之后，利用hs300指数对冲，对选出的股 票投资组合的系统性风险进行对冲。 每一观察期结束收盘后，通过前一小节所述的组合构架办法，得到目标股票组合。 谨 慎起见，利用从当期起之前滚动计算共52周的数据，计算个股乃至组合对目标指数的Beta 值。 此处，因为我们使用的最简单的市值对冲方法，1：1。 在持有期的首日，我们进行股票组合调整的同时，对需要沽空的ETF份数进行调整。
开始日期 结束日期 个股数量(持有) 累计(卖出组数) 组合数量(持有) 平均持有天数(卖出组合) 平均每组收益率(卖出组合) 2007-01-01 2011-04-14 15 218 1 4.75 0.97
4
请务必阅读正文之后的免责条款部分 XINHU REPORT
新湖创新产品
平均持有天数(持有组合) 平均每组收益率(持有组合) 平均持有天数(所有组合) 平均每组收益率(所有组合) 收益率 sigma 对冲后总和(收益) 平均每日(投入金额) 平均每日(持仓组数) 平均收益率(按固定投入金额) 收益波动率(按固定投入金额) 平均收益率(按实际投入金额) 收益波动率(按实际投入金额) 年化 Sharp ratio(按固定投入金额) 年化 information ratio(按固定投入金 额) 3.76 1 -0.44 4.74 0.97 2 24382511.51 9999698.17 1 212.02 1.85 212.03 1.85 3.36
2
请务必阅读正文之后的免责条款部分 XINHU REPORT
新湖创新产品 第一部分：实验构建
历史检验环境
历史检验的目标股票池是沪深300指数成分股2，历史测试选择的测试数据频率为周，时 间周期选择为2008年第一周至 2011/4/14，最后一周，共计220周。 测试中股票的回报采用收益率来衡量， 活跃程度用周换手率来衡量， 对应的大盘指数选 择是沪深300指数，无风险利率选择的是中国人民银行公布的一年期存款利率。 股票的交易费用按双边1.5‰计算。
1
请务必阅读正文之后的免责条款部分 XINHU REPORT