Black-Litterman模型研究系列：多因子组合中预期数据使用方式 华西证券-20210906
由small_q创建，最终由small_q 被浏览 77 用户
摘要
分析师预期数据与其他因子的结合方法
在多因子选股中使用分析师预期数据时，最常用的方法是将预期数据与其他因子合成，或共同用于预测股票收益，这相当于因子间的并联处理。但股票的分析师预期数据存在很多缺失值，这会影响到正常使用。BL 模型则很适合于处理这类有较多缺失值的因子。
我们在本篇报告中研究了分析师预期数据的串联使用方法：即先构造不含分析师预期数据的传统多因子组合，然后在组合外部通过 BL 模型及分析师预期数据重新计算股票权重，两部分结合后形成新的股票组合。
多数情况下串联组合有更好表现
本文的目的是进行方法上的对比，因此并没有对多因子组合做过多优化，仅按照常规方式处理；对于预期数据也仅使用了两类：分析师目标收益率和目标营收增幅。
结果显示，在相当多的情况下，串联组合的表现优于并联组合，也优于普通多因子组合。
尽管这一结论与普通多因子组合的具体构造有关，也与分析师预期数据的具体类型有关，但至少能给我们提供一些启示，也就是在某些情况下将分析师预期数据放到多因子组合外部，可能会得到更好的表现。
正文
/wiki/static/upload/eb/ebf3bbc5-ffa0-4531-a8dc-1f81a802a3e0.pdf
\