背景介绍：
果仁网推出股指对冲功能，应果仁邀请，本人准备写一些关于如何构建对冲阿尔法策略组合的系列帖子。
本人在一家小型对冲私募工作，研究对冲阿尔法策略，此系列由于本人才疏学浅，粗陋之处，尚请见谅。
各位朋友如果有问题需要咨询，可以联系QQ2270788668或微信FooltrdeNow。
如果有资金愿意合作，请直接联系果仁客服QQ3432772199。
1、在多因子回归中，预测的目标是什么？收益率？对行业的超额收益率？对市场的超额收益率？还是其他的？
l 对市场的超额收益率。
l 应根据每个模型设定所对冲的beta来确认alpha，这个应当是设立模型时就已经明确的，而不是在模型建立后再回头去找一个的。
2、用于收益预测的多因子模型，在拟合时应侧重考虑哪些方面？
l 等各位大牛指点。
l 关于模型设立的一些原则性问题上文已经有所提及，不再赘述，如逻辑性、模型的一些技术性处理等等。还应考虑的是对原始数据的一些处理，如离群值等是否会高估模型的收益率的问题。
3、 因子收益率如何预测？有哪些方法？是否有必要进行因子择时? 国外的文献对这方面的研究成果如何？
l 等各位大牛指点。
l 可以通过模型外推法进行预测。因子择时在我看来其本质是一个条件概率，如果检验下来，该条件概率是显著且具有经济学意义的，就可以进行因子择时。国外研究不清楚。
4、构建选股模型时，通常会对许多因子进行降维、合并，这样做的主要意义是什么？
l 等各位大牛指点。
l 主要是因为共线性问题，还有模型的简洁。
我的答案：策略是为了实战，上战场带上机关枪、手枪、短刀就足以适应绝大部分战场情况，你上战场不可能带上武器库、带全工具箱。所以策略中有主要因子（主成分分析）就行了，同类项合并（去除共线性），才能用于实战。
5. 对将要合并的几个因子，如何分配它们的权重？请对静态、动态赋值各一例，它们各自的优劣是什么？
l 静态的分配权重方式逻辑简单、计算方便，缺点在于很难捕捉风格的迅速切换；动态配权的好处在于可以更多地利用市场信息，一般来说好的动态配权方式会提高策略的IR和Sharpe ratio，缺点在于可能会降低绝对收益率。
l 如果被合并的因子之间不存在共线性，仅仅是为了模型简洁的要求，可以用因子前的被估计参数来做权重。如果存在共线性，我想可以通过蒙特卡洛来扩大样本量，获得比较文件的被估计参数，并用其做权重。
我的答案：这个只懂一点，不精通，个人不喜欢在权重上优化过多，另外配置因子轮动策略、次周期策略达到动态权重的效果。
6. 已知过去若干期的（合并后）因子暴露度，根据以上测试结果，如何预测下期收益率？
l 不同因子暴露度*因子收益率求和，就可以得到下期收益率预测的打分。
l 不妨假设若干期因子的暴露为（x1、x2、x3、......xn），分别检验每一个xi=E（x）是否通过，如果通过，我们可以认为该因子暴露度是稳健的，那么我们可以用E（x）作为下一期收益率的无偏估计。否则的话，建议重新检验模型设立是否合理，因子是否显著等问题。
我的答案：多项式求和，小CASE。
7、用IC（横截面相关性）衡量预测有效性有什么缺陷？
l 用Pearson
Correlation Coefficient计算IC，更容易受极端值的影响，可采用Rank IC(Spearman Correlation Coefficient)，同时单期的IC值是用横截面数据计算得到的，需要综合考虑IC时间序列上的表现是否稳定。
l 根据下一道题干，我猜测IC是指通过上一截面数据的因子暴露程度，来预测下一时间截面的因子暴露是多少。如果我的猜测是正确的，那IC预测实际上是认为收益率不但是和因子相关（截面），而且还存在自相关（time
series）。那么，基于面板数据本身的缺陷，我猜测IC主要的缺陷还是在稳健性上。
我的答案：非专业的民科答案，缺陷在于横截面有些因子存在规律性，是可以预测未来的，有些因子只是随机噪声，并不能预测未来或预测极不稳健。
8、未来1日收益率预测的IC通常在什么水平？未来1月的呢？不同时间尺度之间是否有固定的转换关系？
l 没有固定的转换关系。未来1日IC的水平通常在0.04~0.07之间，未来1月（20个交易日）通常会在0.04~0.1之间。
l 不清楚通常在什么水平。但对于一个time series，通常在多阶预测后，其置信区间会变的大的无法接受。所以应当只适宜做短期预测，长期无法准确预测。
我的答案：这个不知道，没有统计计算过。
9、预测时间尺度如何选择？未来1天、1周、1月、3月还是更长？【看你拥有的信息/因子在哪个时间尺度上最有效】
l 需要考虑因子的时间衰减情况，如果因子衰减随时间衰减较快，需要考虑较短的预测周期
l 应根据预测值的置信区间是否在我们的可接受范围内来决定预测的时间尺度，当然在数据获得上必须要满足。
我的答案：时间尺度当然根据因子本身的周期规律，宏观经济面因子当然就是长周期，基本面因子是中期，技术面因子就是短期。
10、如何将多因子模型的预测与其它预测（例如定性研究对少数股票的预测）整合？
l 可以在多因子模型选股的基础上进行权重的微调，量化也并不排斥人工的干预，毕竟无论哪种主动投资的方式的核心都是预测能力；当然也可以在组合优化的构成中加入其它预测的信息，比如BL模型等等。
l 我认为可以参考多个模型预测的置信区间来协助判断，当置信区间重合良好时，我们可以认为预测是有效的。
我的答案：这个我擅长，定性预测，尤其是对企业的定性预测，得益于MBA的知识积累，定性适合于系统的中枢方向，定量适合于系统的边界区间，两者结合轮动就可以累积阿尔法收益。
