基于市场特征的因子择时研究-20180323-申万宏源（香港）-23页-2mb

报告摘要

本研究聚焦于基于市场特征的因子择时策略，重点分析了反转因子、动量效应、市场波动率、流动性以及多因子组合的动态权重调整对投资收益的影响。研究结果表明，通过结合市场特征变量进行因子择时，能够显著提升投资组合的超额收益与风险调整后收益。

动量效应与动量崩溃
- 动量效应由Jegadeesh和Titman(1993)提出，指过去一段时间收益率高的股票在未来仍会表现优于收益率低的股票。
- 美国市场存在动量崩溃现象，即动量策略在市场压力较大、高波动率时出现持续负回报。
- 动量崩溃期间，输家组合的贝塔较小，而赢家组合的贝塔较大，但这一现象未反映在历史价格中。
反转效应显著
- A股市场在月度频率下存在显著的反转效应，即过去表现好的股票在未来可能跑输市场。
- 反转因子在2016年5月后开始出现失效迹象，但多空组合整体仍保持正收益。
- 前期市场下跌时，反转因子表现更为显著，空头组合持续稳定跑赢市场。
市场特征对反转因子的影响
- 市场波动率越高，反转效应越显著，多空组合的平均收益与胜率均提升。
- 市场非流动性越强，反转因子表现越强，多空组合的平均收益与胜率也显著提高。
- 月末市场非流动性（MKTILLIQ）可以显著解释下个月动量多空组合收益。
因子择时策略
- 通过动态权重调整多因子组合，能够有效增强收益表现。
- 反转因子择时组合年化超额收益为11.66%，信息比率为3.15，优于等权组合。
- 动态权重组合进一步提升收益，年化超额收益率达12.37%，信息比率3.17，最大回撤更小（-2.64%）。

使用滚动回归方法计算因子权重，结合市场特征变量（如波动率、流动性、市场涨跌幅等）进行因子择时。
回归模型为：
$$
\tilde {R} _ {\mathrm {WML}, t} = \gamma_ {0} + \gamma_ {\mathrm {B}} \cdot \mathrm {I} _ {\mathrm {B}, t - 1} + \gamma_ {\sigma_ {m} ^ {2}} \cdot \hat {\sigma} _ {m, t - 1} ^ {2} + \gamma_ {\text {int}} \cdot \mathrm {I} _ {\mathrm {B}, t - 1} \cdot \hat {\sigma} _ {m, t - 1} ^ {2} + \tilde {\epsilon} _ {t}
$$