ESG因子与动量因子结合策略开发

📚 共计 30 章节

ESG投资与动量策略的融合背景、课程目标与学习路径。

金融数据获取

使用yfinance和pandas-datareader获取股票行情数据。

ESG数据概览

常见ESG评级机构（MSCI、Sustainalytics）及数据获取方式。

动量因子基础

动量策略的定义、逻辑与经典文献回顾（Jegadeesh & Titman）。

动量因子计算

使用Python计算过去N个月的累计收益率（动量信号）。

Python收益率

动量策略回测框架

构建向量化回测引擎（基于pandas）。

ESG评分处理

数据清洗、标准化与缺失值处理。

清洗标准化

将多个ESG子维度（E、S、G）合成为综合ESG得分。

双重排序法

按ESG得分和动量因子进行独立/条件双重排序。

排序独立/条件

基于双重排序结果构建多空组合（Long-Short Portfolio）。

绩效评估指标

年化收益率、波动率、夏普比率、最大回撤。

因子相关性分析

计算ESG因子与动量因子的截面相关性。

相关性截面

分组收益分析

按ESG得分分组观察动量策略收益差异。

行业中性化

确保ESG-动量组合在行业配置上无偏。

市值中性化

使用市值加权或分层抽样消除市值影响。

换手率分析

评估策略的交易成本与换手率水平。

换手率成本

滚动窗口分析

使用滚动窗口检验策略的时变性。

滚动时变性

Fama-MacBeth回归

检验ESG因子对动量收益的横截面解释力。

回归横截面

风险因子暴露

使用Fama-French三因子/五因子模型进行归因。

Fama-French归因

极端市场情景测试

在牛市、熊市、高波动期测试策略表现。

压力测试情景

ESG动量得分

构建综合得分（ESG得分 × 动量信号）。

综合得分乘积

机器学习增强

使用随机森林或XGBoost优化因子权重。

随机森林XGBoost

均值-方差优化与风险平价在ESG-动量组合中的应用。

均值-方差风险平价

回测过拟合防范

使用交叉验证与夏普比率修正（DSR）。

从回测到模拟交易的过渡（滑点与手续费设置）。

绩效归因报告

生成包含ESG贡献度的详细绩效报告。

监管与披露

SFDR、TCFD等法规对ESG策略的影响。

策略风险监控

建立ESG动量策略的日常风控指标。

ESG动量因子在加密货币与固定收益市场的应用。

加密货币固收

课程总结与项目实战

完成一个完整的ESG动量策略研究报告。