摘要：在量化投资兴起之前，主要是定性投资的市场，但随着信息技术和计算机技术的飞速发展以及各投资者的需求，越来越多的人走进了量化投资这扇大门。本文为模型提供能较好刻画市场状态的特征并对未来市场的涨跌情况进行预测，其中特征选取的好坏直接决定了预测的准确程度与策略的绩效表现。

从国内外的研究成果中发现，根据因子选择的不同直接影响到选股的行业，针对特定的领域，一些因子影响显著然而一些因子反而显得冗余。本文从三因素模型出发，选择了有关价值、成长、品质、技术四个方面的16个因子，具体分析了沪深300的交通成份，并挑选出显著的五个因子包括市净率、市盈率、营业收入增长、总资产净利率、固定资产比率。本文实例包括单因子检验筛选显著因子、多因子检验计算回测权重、动态加权、量化回测等步骤，利用显著的因子选的合标的32只交通成份股票，同时也发现32只股票分别属于高速公路、航空运输、铁路运输三个种类。接着对三个种类的股票进行组合投资优化，从动态降维差分进化算法出发，最后得到合适的“染色体”，即最优投资组合，再通过风险度判断此组合的可信程度。

本文涉及的范围及种类较为单一，只考虑到沪深300的交通成份，投资组合方式不能承担较大的风险程度，由于时间原因也未考虑到其他证券以及金融衍生产品，因此在一定程度上，距离最优投资组合方案还有一定距离。

关键词：CAPM 多因子选股； LMS估计； 差分进化； 动态降维

目录

摘要

Abstract

1、绪论-5

1.1研究背景及意义-5

1.2研究目的-5

1.3 研究现状-5

1.3.1 国外研究现状-5

1.3.2国内研究现状-6

1.4 主要符号介绍-7

2、理论基础-7

2.1 CAPM和多因素模型-7

2.2 LMS-8

2.3启发式策略-9

2.4投资组合优化问题-10

2.5动态降维差分进化算法—基于DE算法-11

2.6动态降维法处理基数约束-11

3 模型分析-12

3.1数据处理与指标选取-12

3.2单因子检验筛选因子-13

3.3多因子检验计算回测权重-14

3.4量化回测及结果分析-15

3.5组合投资方案-15

4 模型优化-17

4.1阈值接受TA-17

5 结论-18

参考文献