利用日内价格与成交量因子预测隔夜收益
文章 arXiv papers · 作者: Zura Kakushadze
总结
本文提出四个因子，用于解释或预测隔夜收益，这些因子根据日内价格和成交量数据构建，分别是规模、波动率、动量和流动性的短周期对应指标。作者认为，价值和成长等长期基本面指标在隔夜周期缺乏预测能力，因此将其排除。
采用法玛—麦克贝思方法的历史回归显示，所提因子的序列t统计量较大，本文将其视为这些因子与隔夜收益相关的证据。作者还将这些因子纳入明确的日内均值回归阿尔法策略，作为进一步检验。摘录未以数学形式定义这些因子，未说明样本或资产，也未报告详细回归和策略结果，因此无法仅凭此描述判断研究发现的稳健程度和可迁移性。
核心观点
- 所提模型使用根据日内价格和成交量数据构建的四个因子。
- 这些因子分别对应规模、波动率、动量和流动性。
- 作者排除了价值和成长因子，因为他们认为这些长期因子无法预测隔夜收益。
- 历史法玛—麦克贝思回归显示，这四个因子的序列t统计量较大。
- 这些因子也在日内均值回归阿尔法策略中接受评估，但摘录未提供详细结果。
标签
全文
# 4-Factor Model for Overnight Returns # 4-Factor Model for Overnight Returns We propose a 4-factor model for overnight returns and give explicit definitions of our 4 factors. Long horizon fundamental factors such as value and growth lack predictive power for overnight (or similar short horizon) returns and are not included. All 4 factors are constructed based on intraday price and volume data and are analogous to size (price), volatility, momentum and liquidity (volume). Historical regressions a la Fama and MacBeth (1973) suggest that our 4 factors have sizable serial t-statistic and appear to be relevant predictors for overnight returns. We check this by using our 4-factor model in an explicit intraday mean-reversion alpha.
在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0
此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。