因子合成

因子合成方法主要可分成下列幾項

• 等權法

1/n 簡單有效，樣本外表現好

• 因子收益率加權

可用半衰權重加權( H為半衰期, T為移動窗格期數）

• IC、IR 加權

可加強表現好的因子權重，但自己實測不論用幾日窗格效果仍差勁

• 因子正交化

可去因子間相關性，表現好又穩定，但當因子有空值時無法使用(雖然zscore後可補0,但部分因子空值補0並不合適，除非因子為空值時報酬接近均值)

• IC、IR最大化

效果好但當近期表現優秀因子開始反轉會很痛

其方差估計存在樣本方差代替與壓縮估計(一般採用Ledoit&Wolf 2004)，自己實作上仍要平滑權重避免權重變化過於劇烈，且採用樣本估計和壓縮估計差距並不大

• 主成份分析法

其合成後因子會丟失其原先金融意涵

• 模型估計

目前採用線型模型無太多效果，非線性模型很容易在樣本內過擬合,猜測於短週期(分鐘級別）較有奇效

但以上方法不論採用何者，個人認為最有效還要選取「有推論性」的區間再進行因子合成，意思是要確保選取來計算權重的區間，要能夠推論至下期因子表現，否則做因子合成的意義不太大，目前選取相近市場樣態下的區間做採樣。

推導可參照

从最大化复合因子单期 IC 角度看因子权重 - 華泰證券