基于量化视角的个股估值提升概率模型研究

基于量化视角的个股估值提升概率模型研究

研究了一种新的估值提升概率模型，该模型通过对股价波动进行拆分，区分估值变动和基本面变动，进而预测股票估值提升的可能性。研究发现，Kendall相关系数可以有效衡量因子与估值之间的相关性，高相关系数暗示潜在的套利机会。通过构建估值概率函数，可以估计股票未来估值排序的期望和预期幅度，从而计算估值提升的预期幅度。

实证分析表明，新因子在市值排名前1/3的样本中表现出显著的边际贡献。相比传统因子模型，该模型能够更准确地预测个股估值提升的确定性，为投资者提供更有效的决策参考。

主要内容

1. 估值提升概率模型的构建: 详细介绍模型的构建方法，包括股价波动拆分、估值变动和基本面变动识别等。
2. Kendall相关系数的应用: 阐述如何利用Kendall相关系数衡量因子和估值之间的相关性，并挖掘潜在的套利机会。
3. 估值概率函数的构建与应用: 介绍估值概率函数的形式假设、参数估计方法，以及如何利用该函数计算股票未来估值排序的期望和预期幅度。
4. 新因子有效性的实证分析: 通过实证分析，检验新因子在不同市值样本中的有效性，并与传统因子模型进行比较。
5. 模型的应用价值: 探讨模型在投资决策中的应用价值，例如，为股票筛选、组合构建等提供参考依据。

创新点

• 提出了一种新的估值提升概率模型，能够更准确地预测个股估值提升的确定性。
• 利用Kendall相关系数挖掘因子与估值之间的潜在关系。
• 通过估值概率函数，实现了对股票未来估值排序的量化预测。