长江证券多因子选股系列报告二多因子模型B公开

长江证券：多因子选股系列报告（2） 多因子模型Beta估计方法 类别： 机构： 研究员：

[摘要]

报告要点估计Beta，多因子模型运用的必要条件前一篇报告中我们展示了多因子模型的巨大潜力，但是实际要运用这个模型，首先要解决的就是Beta估计的问题。

经常使用的几种Beta估计方法我们探讨了多因子模型中的Beta估计的几种经常使用方法，即窗口式的滚动最小二乘、全部历史数据滚动最小2乘、均值回复的状态空间方法和GARCH方法。

由于周数据收益率序列本身或回归残差没有表现出序列相关性或波动相关性，GARCH模型可能不适用于周数据的Beta估计使用估计的Beta后，多因子选股模型表现如何？比较了窗口式的转动最小2乘、全部历史数据滚动最小二乘、均值回复的状态空间方法估计的Beta在假定的因子准确度下的多因子选股策略收益率。值回复的状态空间方法的估计结果较为理想。

表明使用估计的Beta后，多因子选股模型仍能取得较高的收益，这1收益随着因子预测准确性的提高呈指数情势上升。