文 / 東北證券金融工程組
報告摘要
在上個月中,整體表現(xiàn)相對較好的因子為波動率、流動性和技術(shù)因子。
在 wind 全 A 股票池中表現(xiàn)較好的因子有波動率(IC:11.71%,多頭超額:-1.96%,多空收益:-0.02%)、技術(shù)(IC:11.65%,多頭超額:-0.99%,多空收益:2.82%)和動量反轉(zhuǎn)(IC:5.86%,多頭超額:-1.91%,多空收益:0.61%)。
在滬深 300 股票池中表現(xiàn)較好的因子有技術(shù)(IC:13.38%,多頭超額:1.20%,多空收益:5.00%)、盈利(IC:1.71%,多頭超額:-0.32%,多空收益:1.52%)和流動性(IC:0.48%,多頭超額:-2.24%,多空收益:-1.42%)。
在中證 500 股票池中表現(xiàn)較好的因子有波動率(IC:19.69%,多頭超額:1.06%,多空收益:3.89%)、流動性(IC:9.44%,多頭超額:0.82%,多空收益:2.79%)和規(guī)模(IC:7.35%,多頭超額:1.42%,多空收益:2.84%)。
在中證1000 股票池中表現(xiàn)較好的因子有波動率(IC:11.55%,多頭超額:0.68%,多空收益:0.83%)、技術(shù)(IC:10.88%,多頭超額:1.23%,多 空 收 益 :3.52%)和流動性 (IC:9.65%,多 頭 超 額:0.24%,多空收益:-0.18%)。
在上個月中,規(guī)模因子在除滬深 300 和 wind 全 A 外的股票池中表現(xiàn)較優(yōu);Beta 因子整體表現(xiàn)較差;波動率因子在除滬深 300 的股票池中有著顯著的表現(xiàn);價值因子上月表現(xiàn)不佳;流動性因子在除滬深 300 外的股票池中表現(xiàn)較優(yōu);動量與反轉(zhuǎn)因子表現(xiàn)一般,在中證 1000 和 wind 全 A股票池中有正向表現(xiàn);技術(shù)因子在除中證 500 的股票池中表現(xiàn)優(yōu)異。
盈利因子上月表現(xiàn)平庸,在 wind 全 A 股票池中多頭超額出現(xiàn)較大回撤;成長因子表現(xiàn)不佳,上月在四個股票池中均有較大的回撤;質(zhì)量因子上個月表現(xiàn)平庸,在 wind 全 A 股票池中出現(xiàn)較大回撤,在其余股票池中表現(xiàn)平平;紅利因子上月除在中證 500 股票池中獲得超額收益外,在其余股票池中均出現(xiàn)一定程度的回撤;一致預(yù)期因子在四個股票池中表現(xiàn)均不佳。
上月在 wind 全 A 中,表現(xiàn)較好的量價細(xì)分因子有相對強弱指標(biāo)、乖離率、1月日內(nèi)振幅標(biāo)準(zhǔn)差、3月日內(nèi)振幅標(biāo)準(zhǔn)差、3月日內(nèi)振幅平均等;表現(xiàn)較好的財務(wù)細(xì)分因子有單季度存貨周轉(zhuǎn)率、過去 12 個月的現(xiàn)金股息率、經(jīng)營性現(xiàn)金流量凈額/營業(yè)收入 TTM、總資產(chǎn)現(xiàn)金回收率、單季度利潤債務(wù)比率等。
風(fēng)險提示:以上分析基于模型結(jié)果和歷史測算,存在模型失效風(fēng)險。
1. 因子表現(xiàn)概述
1.1 因子處理與測試說明
在規(guī)模、Beta、波動率、價值、流動性、動量與反轉(zhuǎn)、技術(shù)、盈利、成長、質(zhì)量、紅利和一致預(yù)期十二個大類風(fēng)格中選擇具有代表性且 10 年回測中表現(xiàn)相對較好的48 個因子作為風(fēng)格細(xì)分因子,細(xì)分因子總表詳見附錄二。在因子數(shù)據(jù)處理方面,首先對所有因子進行去極值處理;接下來對于除對數(shù)市值外的其他因子做行業(yè)市值中性化,行業(yè)選擇為中信一級行業(yè)分類,對數(shù)市值因子只做行業(yè)中性化處理;最后對所有因子在截面進行 z-score 標(biāo)準(zhǔn)化,因子數(shù)據(jù)處理方式詳見附錄一。
因子合成方面,對于每一個因子大類,將如上處理后的細(xì)分因子乘以因子方向后進行等權(quán)合成,表示該大類風(fēng)格因子的因子值。因子方向表示截面因子值與未來收益率的正負(fù)向相關(guān)關(guān)系,分別記為 1 與-1,因子方向由長期回測的結(jié)果與因子本身的邏輯確定。
對十二個大類因子以及 48 個細(xì)分因子,在滬深 300、中證 500、中證 1000 以及Wind 全 A 成分股共 4 個股票池中分別進行測試。測試過程包含 IC 分析、分層回測、回歸分析,詳細(xì)介紹見附錄一。為了統(tǒng)一符號,在測試時細(xì)分因子值要乘以因子方向。測試的參數(shù)選擇上,使用最近三年的因子數(shù)據(jù)來計算月度 IC 值,事實上這里輸出的是 Spearman 秩相關(guān)系數(shù)即 Rank IC 值,下文中的 IC 都指代 Rank IC值;另外分層回測時層數(shù)為 5,月頻調(diào)倉。
跟蹤檢測結(jié)果包括最近一月 IC 值、近一年 IC 均值、回測期間 IC 均值、最近一月多頭超額、近一年多頭超額、回測期間多頭超額、最近一月多空收益、近一年多空收益、回測期間多空收益和回測期間 t 值絕對值均值。其中多頭超額為乘以因子方向后因子值最大的分層組合收益減對應(yīng)的股票池基準(zhǔn)收益;多空收益為多乘以因子方向后因子值最大的分層組合,空乘以因子方向后因子值最小的分層組合時的收益。需要注意的一點是,由于將因子值進行因子方向調(diào)整,只有數(shù)值為正的IC 值表示因子有符合邏輯和預(yù)期的表現(xiàn)。
1.2 大類風(fēng)格因子表現(xiàn)
從最近一月的IC值來看,在wind全A股票池中表現(xiàn)較好的因子有波動率(11.71%)、技術(shù)(11.65%)和動量反轉(zhuǎn)(5.86%);在滬深 300股票池中表現(xiàn)較好的因子有技術(shù)(13.38%)、盈利(1.71%)和流動性(0.48%);在中證 500 股票池中表現(xiàn)較好的因子有波動率(19.69%)、流動性(9.44%)和規(guī)模(7.35%);在中證 1000 股票池中表現(xiàn)較好的因子有波動率(11.55%)、技術(shù)(10.88%)和流動性(9.65%)??傮w來看,在上個月中,整體表現(xiàn)較為突出的因子為波動率、技術(shù)和流動性。另外,這三個因子在中證 1000 股票池和 wind 全 A 中 IC 表現(xiàn)較為突出。
從因子多頭超額收益看,上月 wind 全 A 股票池中因子表現(xiàn)均不佳;上月滬深 300股票池中表現(xiàn)較優(yōu)的因子有技術(shù)因子和質(zhì)量因子,因子多頭超額收益分別為 1.20%、和 0.57%;上月中證 500 股票池中,表現(xiàn)較優(yōu)的因子有紅利因子、規(guī)模因子和盈利因子,多頭超額收益分別為 1.46%、1.42%和 1.15%;上月中證 1000 股票池中表現(xiàn)較優(yōu)的因子有技術(shù)因子、波動率因子和質(zhì)量因子,多頭超額收益分別為 1.23%、0.68%和 0.46%。
從因子多空組合收益來看,上月在 wind 全 A 股票池中,表現(xiàn)較優(yōu)的因子有技術(shù)因子和動量反轉(zhuǎn)因子,因子多空組合收益分別為 2.82%和 0.61%;在滬深 300 股票池中,表現(xiàn)較優(yōu)的因子有技術(shù)因子、動量因子和盈利因子,因子多空組合收益分別為5.00%、1.72%和 1.52%;在中證 500 股票池中,表現(xiàn)較優(yōu)的因子有波動率因子、規(guī)模因子和流動性因子,因子多空組合收益分別為 3.89%、2.84%和 2.79%;在中證1000 股票池中,表現(xiàn)較優(yōu)的因子有技術(shù)因子、動量反轉(zhuǎn)因子和波動率因子,因子多空組合超額收益分別為 3.52%、0.95%和 0.83%。外,其余因子t檢驗均顯著。其他股票池中,各因子回歸分析顯著性均有所降低。
從回歸分析結(jié)果看,在 wind 全 A 股票池中,除成長、質(zhì)量、一致預(yù)期三個因子外,其余因子 t 檢驗均顯著。其他股票池中,各因子回歸分析顯著性均有所降低。
2. 量價細(xì)分因子跟蹤
為了方便比較與敘述,將細(xì)分因子劃分為量價因子部分和財務(wù)因子部分。本章介紹量價細(xì)分因子的表現(xiàn)。
2.1 規(guī)模
從 IC 序列圖以及分層回測圖中可以看出,規(guī)模因子整體上在 wind 全 A 中均有不錯的表現(xiàn)。在規(guī)模因子類中只含有對數(shù)市值 lncap 一個細(xì)分因子,從測試結(jié)果總表中可以看出,最近一個月 lncap 因子在除滬深 300 股票池中都有著相對不錯的表現(xiàn)。
2.2 Beta
從 IC 序列圖以及分層回測圖中可以看出,Beta 整體上在四個股票池中表現(xiàn)均不佳。在 Beta 類大類因子中只含 beta 一個細(xì)分因子,上月表現(xiàn)依然不佳。
2.3 波動率
從波動率因子的 IC 序列圖以及分層回測凈值可以看出,波動率因子在整個回測區(qū)間內(nèi)表現(xiàn)不錯。在最近一月中,波動率因子在除滬深 300 股票池外均有不錯的表現(xiàn)。從細(xì)分因子來看,上個月在中證 500 中表現(xiàn)較好的細(xì)分因子有 3 月日內(nèi)振幅差f_highlow_intraday_3m(多頭超額收益 1.55%),1 月日收益率波動 vol_1m(多頭超額收益 1.30%);在中證 1000 中表現(xiàn)較好的細(xì)分因子有 3 月日內(nèi)振幅標(biāo)準(zhǔn)差f_highlow_intraday_std_3m(多頭超額收益 0.76%),3 月日收益率波動 vol_3m(多頭超額收益 0.75%)。
2.4 價值
總體來看,價值因子在整個回測區(qū)間中在 wind 全 A 上有效性顯著。最近一個月,在除滬深 300 外均表現(xiàn)正向。價值因子包含的細(xì)分因子有 ep、bp、sp,上月三個因子在 wind 全 A 和滬深 300 股票池中多頭超額收益均表現(xiàn)出較大回撤。
2.5 流動性
流動性因子的 IC 序列圖以及分層回測圖表明,流動性因子在整個回測期間中,在wind 全 A 以及中證 1000 成分股股票池中占優(yōu),顯著優(yōu)于其余兩個股票池。最近一月中,流動性因子在除滬深 300 外均表現(xiàn)良好。從細(xì)分因子來看,上個月在中證500 中表現(xiàn)較好的細(xì)分因子有 3 月?lián)Q手率標(biāo)準(zhǔn)差 f_turnover_std_3m(多頭超額0.73%);上個月在中證 1000 中表現(xiàn)較好的細(xì)分因子有 1 月非流動性沖擊f_illiquidity_shock_1m(多頭超額 0.67%)。
2.6 動量、反轉(zhuǎn)
從動量及反轉(zhuǎn)因子的 IC 序列圖以及分層回測凈值可以看出,在整個回測區(qū)間,在wind 全 A 和滬深 300 股票池中均表現(xiàn)正向收益。在最近一月中,動量及反轉(zhuǎn)因子在除滬深 300 和中證 500 外有正向表現(xiàn)。從細(xì)分因子來看,上個月在滬深 300 中表現(xiàn)較好的細(xì)分因子有 1 個月平均反轉(zhuǎn)因子 f_reversal_avg_1m(多頭超額 1.19%);上個月在中證1000中表現(xiàn)較好的細(xì)分因子有1個月平均反轉(zhuǎn)因子f_reversal_avg_1m(多頭超額 2.21%)
2.7 技術(shù)
整個回測區(qū)間來看,技術(shù)因子在除中證 500 的股票池外表現(xiàn)較優(yōu)。在最近一月中,技術(shù)在除中證 500 的股票池外有正向表現(xiàn)。從細(xì)分因子來看,上個月在滬深 300 中表現(xiàn)較好的細(xì)分因子有 RSI(IC 20.77%,多頭超額 1.54%),BIAS(IC 10.07%,多頭超額 1.19%)。
3. 財務(wù)細(xì)分因子跟蹤
3.1 盈利
盈利因子在整個回測區(qū)間上,在 wind 全 A 和中證 1000 成分股中具有相對穩(wěn)定的表現(xiàn)。在最近一月中,盈利因子在中證 500 中有正向的表現(xiàn)。從細(xì)分因子來看,上個月在 wind 全 A 中盈利細(xì)分因子均表現(xiàn)較差:單季度凈利率 net_margin_qua(多頭超額 -1.94%),單季度成本費用利潤率 profits_to_cost_qua(多頭超額 -1.70%)。
3.2 成長
成長因子在整個回測區(qū)間,在中證 1000 成分股股票池中有著相對較優(yōu)的表現(xiàn)。在最近一月中,成長因子在四個股票池中表現(xiàn)均不佳。細(xì)分因子上個月在 wind 全 A和滬深 300 均表現(xiàn)出較大回撤。
3.3 質(zhì)量
質(zhì)量因子在整個回測區(qū)間,在 wind 全 A 和中證 1000 股票池中有著較為穩(wěn)定的表現(xiàn)。在最近一月中,質(zhì)量因子在中證 500 股票池中有正向的表現(xiàn)。從細(xì)分因子來看,上個月 在 中 證 500 中 表 現(xiàn) 較 好 的 細(xì) 分 因 子 有 單 季 度 存 貨 周 轉(zhuǎn) 率inventory_turnover_qua(多頭超額 2.46%),單季度利潤債務(wù)比率 profit_to_debt_qua(多頭超額 1.67%)。
3.4 紅利
紅利因子在整個回測區(qū)間上表現(xiàn)較為平庸。在最近一月中,紅利因子在 wind 全 A和中證 1000 獲得正的超額收益。
3.5 一致預(yù)期
一致預(yù)期因子在整個回測區(qū)間中在 wind 全 A 和中證 1000 股票池中表現(xiàn)較優(yōu)。在最近一月中,一致預(yù)期因子在四個股票池中表現(xiàn)均為負(fù)向。從細(xì)分因子來看,上個月在中證 500 中表現(xiàn)較好的細(xì)分因子是一致預(yù)期 PEG con_peg(多頭超額 0.80%)。
附錄一:因子測試法
在使用因子數(shù)據(jù)進行測試時,首先需要對因子數(shù)據(jù)進行預(yù)處理。因子數(shù)據(jù)預(yù)處理一般包括缺失值處理、去極值、標(biāo)準(zhǔn)化、市值中性化、行業(yè)中性化與因子正交化等。
缺失值處理:缺失值填補的方法包括插值法、前值填充法、中位數(shù)填充法等,為保證處理方法可回測,我們一般采取前值填充的方式填補缺失值。
去極值:因子值需要滿足一個合理的分布區(qū)間,在數(shù)據(jù)搜集和計算的過程中,可能會產(chǎn)生異常值,影響后續(xù)研究,因此需要在截面上對因子的極端值進行處理,這一方面可以排除錯誤數(shù)據(jù),另一方面使因子的分布更合理。去極值可以有效避免存在異常數(shù)據(jù)的個股被選入策略組合對策略收益造成負(fù)面影響。常見的去極值方法包括縮尾法、中位數(shù)法和三倍標(biāo)準(zhǔn)差法。例如,縮尾法將因子值在截面上從小到大排序,然后將指定分位數(shù)區(qū)間之外的極端值替換為分位點的值。
標(biāo)準(zhǔn)化:不同因子的量綱有差別,所以需要對數(shù)據(jù)進行標(biāo)準(zhǔn)化,以便于對不同量綱的因子進行比較和分析。一般使用z-score方法,對因子數(shù)據(jù)進行標(biāo)準(zhǔn)化。
中性化:同行業(yè)、不同市值、不同風(fēng)格的股票因子分布可能會存在顯著差異,所以在單因子測試之前,應(yīng)對因子進行處理,剔除掉因子中包含的其他因素。在實際操作中,一般會考慮行業(yè)、市值的中性化。
行業(yè)中性化的方法有兩種,一是使用行業(yè)啞變量對因子進行OLS回歸,使用得到的殘差代替因子值;第二種方法是分行業(yè)對因子進行標(biāo)準(zhǔn)化。
市值中性化采用市值(或?qū)?shù)市值)對因子值進行OLS回歸,使用得到的殘差代替因子值。由于回歸后的殘差與所有自變量均正交,一般會同時進行行業(yè)和市值的中性化處理,將行業(yè)因子和市值因子一起納入線性模型進行回歸,回歸后得到的殘差即為去除了行業(yè)因素和市值因素影響后的因子值。公式如下:
在因子數(shù)據(jù)預(yù)處理完成之后,就開始對因子進行測試。因子測試環(huán)節(jié)主要包括IC分析、分層回測與回歸分析
分層回測:在每一期截面上對因子暴露進行排序打分,根據(jù)因子得分將股票池分為N 層,然后觀測每一層資產(chǎn)組合累計收益的表現(xiàn)情況,這是進行因子有效性評價最直觀的方法。分層回測法不僅可以觀測因子與股票收益之間的線性關(guān)系,也可以輔助判斷因子與股票收益之間是否存在非線性關(guān)系。分層回測在實際操作中簡單方便,結(jié)果直觀,并且能夠挖掘出因子的單調(diào)性,是接受度較高的一種單因子測試手段。
分層回測法的構(gòu)建步驟:
(1)確定股票池、回溯區(qū)間、調(diào)倉周期。
(2)調(diào)倉:根據(jù)調(diào)倉周期,計算調(diào)倉日因子值,并于下一個交易日以收盤價調(diào)倉。
(3)分層:對因子值進行預(yù)處理,在調(diào)倉日按照因子值大小排序?qū)⒐善背仄骄譃?N層,在每層內(nèi)對個股按照等權(quán)重或者市值加權(quán)的方式進行配比形成N 個投資組合。
(4)回測:每個調(diào)倉日的下一個交易日按照分層結(jié)果調(diào)倉,賣出不在相應(yīng)組合的股票,買入重新分入該組合的股票,直至回測結(jié)束。
(5)評價指標(biāo):每一層的年化收益率、Sharpe ratio、年化波動率、信息比率、最大回撤、勝率等。
可以通過每一層的組合表現(xiàn)評估指標(biāo)和凈值的單調(diào)性等指標(biāo)評價因子的有效性。一般來說,有較好選股能力的因子具有較為明顯且穩(wěn)定的分層效果。
回歸分析:將 t期的因子暴露與期的股票收益率進行線性回歸,回歸得到的系數(shù)即為該因子的因子收益。由于股票收益率會受到行業(yè)因素和市值因素的影響,因此在進行單因子回歸分析時,需要控制行業(yè)和市值因素?;貧w模型如下:
在每個截面上對該模型進行回歸,可以得到因子收益率的時間序列和 t 值序列。t值指的是單因子回歸系數(shù)的檢驗統(tǒng)計量,反映了回歸系數(shù)的顯著水平。回歸分析與IC分析是相輔相成的。一般來說,單因子回歸系數(shù)的方向與大小反映了當(dāng)期因子值與下期股票收益率的相關(guān)程度。有選股意義的因子,其回歸系數(shù)序列在一段時間內(nèi)較為穩(wěn)定,方向不發(fā)生大的變化,且值絕對值序列一般都較大,反映了期間具有顯著的因子收益。
附錄二:細(xì)分因子總表
研究團隊簡介
王琦:帝國理工學(xué)院數(shù)學(xué)與金融榮譽碩士,南開大學(xué)統(tǒng)計學(xué)學(xué)士。2021 年加入東北證券任金融工程首席分析師,研究方向為金融工程。曾任職于興業(yè)財富資產(chǎn)管理有限公司,任 FOF 投資經(jīng)理。
李嚴(yán):中山大學(xué)統(tǒng)計學(xué)本科、復(fù)旦大學(xué)應(yīng)用統(tǒng)計碩士,主要研究基金產(chǎn)品、行業(yè)輪動方向,2020 年加入東北證券,現(xiàn)任東北證券研究所金融工程組分析師。
賈英: 倫敦大學(xué)學(xué)院金融數(shù)學(xué)榮譽碩士,廈門大學(xué)數(shù)學(xué)與應(yīng)用數(shù)學(xué)本科。2022 年加入東北證券,研究方向為金融工程、因子選股。現(xiàn)任東北證券研究所金融工程組研究助理。
張棟梁:復(fù)旦大學(xué)金融碩士,南京大學(xué)金融學(xué)本科。2022年加入東北證券,研究方向為因子選股,現(xiàn)任東北證券研究所金融工程組研究助理。
向下滑動查看所有內(nèi)容
聯(lián)系客服