320+个因子已更新！

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。

前言

我们在去年7月份的文章中提到，美联储高级经济学家Andrew Chen及科隆大学教授Tom Zimmermann一篇工作论文《Open Source Cross-Sectional Asset Pricing》中，详细整理总结了过去关于资产定价的学术文献中提及的300多个因子，并进行复现及测试。

美联储也研究因子模型？

测试的数据、代码及因子的定义也在Github中开源：

https://github.com/OpenSourceAP/CrossSection

主要代码由Stata、R及SAS完成，他们根据原始出处的因子有效性的测试结果，作者将因子分为了以下四大类：

1、Clear Predictor：long-short收益在统计上非常显著，总计161个

2、Likely Predictor：long-short收益在统计上比较显著，总计44个

3、Not-Predictor：long-short收益在统计上不显著，总计14个

4、Indirect Signal：需与其他结合、或要做一些修改后才有预测性，总计100个

通过他们自己的测试，他们发现只有三个因子的测试结果与原论文不一致。对于原论文中的Clear  Predictor和Likely Predictor（共205个），作者对原文测试结果的t-value与复现后的t-value进行了回归，复现的结果和原论文非常接近。

该项目还有一个网站，用于更新项目的最新动态：

https://www.openassetpricing.com/

因子更新

就在昨天，作者对该数据库进行了更新，现在最新的因子测试数据已经更新到2021年12月31日，这是自去年4月份以来的首次更新，最关键的是新增了两个因子，而且这两个都是Clear Predictor，现在总因子数量达到了327个。

其中新增的两个因子分别是：

1、TrendFactor from Han, Zhou and Zhu (2016)

这是一个趋势跟踪因子，通过利用不同时间长度的移动平均价格的信息，同时捕捉所有三种股票价格趋势：短期、中期和长期。它比著名的短期反转因子、动量因子和长期反转因子（分别基于三种价格趋势）的夏普比率高出一倍以上（具体参考论文2.1,2.2节）。

2、Recomm_ShortInterest from Drake, Rees, and Swanson (2011)

做多那些做空兴趣最低（short tint/shrout）和分析师推荐最低的公司（月度一致推荐，使用分析师在过去12个月的最新推荐）。做空那些做空兴趣最高和分析师推荐最高的公司。

论文下载

详细的因子定义及两篇论文已打包供大家下载。

后台回复：300Factor