关于dolphindb:数据库交易回测系列三多因子Alpha策略最佳因子权重

在本系列二（多因子Alpha策略回测）中，咱们对美股市场的4个量化因子进行了回测。在这里，咱们将应用 DolphinDB database 内置的quadprog函数，对各个因子的权重进行均值方差优化，以决定最佳因子权重。

本系列二提供的脚本执行结束后，数据表factorPnl会存有每个因子每天的收益。以下脚本基于数据表factorPnl。

retMatrix=matrix(select C0, C1, C2, C3 from factorPnl)H = cross(covar, retMatrix, retMatrix)f=-0.25*each(avg, retMatrix)A=-(1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 $4:4)b=-0.1*1 1 1 1 Aeq=matrix([1],[1],[1],[1]) beq=[1]result=quadprog(H, f, A, b, Aeq, beq)result[1]

这段代码解决了以下优化问题：

这里咱们的指标函数为最大化（1/4冀望收益 – 1/2方差），同时保障四个因子的权重之和为1，并且每个因子最小权重为10%。 H是四个因子收益率的方差-协方差矩阵。请留神这里的H，A和Aeq必须是列数相等的矩阵； f，b和beq必须是向量。A是负的单位矩阵，与b一起应用，保障每个因子权重大于10%。对于quadprog函数细节请参考DolphinDB用户开发文档quadprog。

result[1]给出基于给定优化条件的最佳因子权重。后果如下：

[0.3612, 0.1, 0.438804, 0.1]

在本系列二提供的脚本中，

signalNames = `signal_mom`signal_vol`signal_beta`signal_size

因而，最佳权重为36.1%的动量因子，10%的稳定率因子，43.9%的beta因子和10%的市值因子。

以上计算应用了所有历史期间的数据。也可选用最近10年的数据进行计算，只需对以上脚本的第一行代码做如下改变：

retMatrix=matrix(select C0, C1, C2, C3 from factorPnl where date>=2007.01.01)

后果如下：

[0.19277, 0.1, 0.1, 0.60723]

因而，最佳权重为19.3%的动量因子，10%的稳定率因子，10%的beta因子和60.7%的市值因子。

由此可见，进行均值方差优化时选用的历史期间对后果有重要影响。