多因子系列报告之十四：创新基本面因子，财务数据间线性关系初窥-20180806-光大证券-26页-2mb

创新基本面因子：财务数据间线性关系初窥总结

核心内容

本报告聚焦于创新基本面因子的构建与测试，特别是基于营业收入与营业成本之间线性关系的RROC因子。随着传统市值因子和量价因子有效性下降，基本面因子受到越来越多关注，但其预测能力仍存在不足。为此，报告提出了一个基于财务数据间线性关系的创新因子研究框架，并以RROC因子为例进行了详细分析。

主要观点

• 基本面因子的优缺点：基本面因子具有直观的逻辑意义和较低的换手率，但传统因子预测能力较弱，存在财务造假和数据泄露风险。
• RROC因子的构建逻辑：通过观察营业收入与营业成本的线性关系变化，构造出反映公司运营效率改善的RROC因子，该因子基于OLS回归模型的残差项。
• RROC因子的预测能力：在不同行业和时间段内，RROC因子表现出较强的预测能力，尤其是在建材、食品饮料等行业，其IC均值和IR值表现突出。
• 因子稳定性提升：通过中性化处理（剔除与成长类因子、市值因子等的共线性影响），RROC因子的稳定性显著提高，IC均值为2.25%，IR值为0.82，且组合表现更优。
• 多空组合表现：RROC因子构建的多空组合在2017和2018年表现尤为出色，年化收益和夏普比率显著高于其他年份。

关键信息

1. RROC因子构造方式

• 计算步骤：
  1. 获取最近N个季度的营业收入和营业成本数据。
  2. 对数据进行标准化处理。
  3. 使用OLS回归模型，计算营业收入对营业成本的残差作为因子值。
• 参数选择：选择N=8（即最近2年数据），该参数下因子预测能力最为稳定。

2. RROC因子表现

• 预测能力：
  • IC均值为2.44%，IR值为0.66。
  • 在不同行业中表现差异较大，如建材、食品饮料行业表现尤为突出。
• 多空组合表现：
  • 全市场多空组合年化收益12.21%，夏普比率2.12，最大回撤8.90%。
  • 在2017、2018年，年化收益超过20%，夏普比率高达4.36和2.96。

3. 中性化处理

• 中性化逻辑：通过横截面回归取残差的方式，剔除与ROE、NP_YOY等因子的共线性影响。
• 中性化后表现：
  • IC均值为2.25%，IR值为0.82。
  • 多空组合年化收益7.53%，夏普比率2.46，最大回撤3.22%。
  • 股票池减少约10%，但因子稳定性显著提升。

4. 选股能力测试

• 选股组合表现：
  • 全市场选股组合年化收益21.6%，夏普比率0.82，最大回撤50.6%。
  • 相对中证500指数表现优秀，尤其在2017、2018年。
• 沪深300与中证500内表现：
  • 沪深300内选股组合年化收益12.1%，相对沪深300指数年化收益5.8%。
  • 中证500内选股组合年化收益17.7%，相对中证500指数年化收益7.9%。

5. 风险提示

• 测试结果基于历史数据和模型，存在模型失效风险。
• 财务造假和数据泄露风险可能影响因子有效性，但随着市场规范，风险将逐渐降低。

结构清晰

1. 基本面因子优劣分析

• 优点：
  • 更直接的信息源。
  • 更直观的逻辑意义。
  • 更低的换手率。
  • 更慢的信息衰减速度。
• 缺点：
  • 传统因子预测能力偏弱。
  • 存在财务造假和数据泄露风险。

2. 财务数据间线性关系框架

• 研究思路：
  • 基于财务数据间的线性关系，使用OLS模型提取信息。
  • 标准化处理以消除量级影响。
  • 覆盖度检查确保因子有效性。

3. RROC因子预测能力测试

• 测试结果：
  • N=8时，IC均值2.44%，IR值0.66。
  • 不同行业表现差异明显，部分行业预测能力较弱。
  • 回归窗口参数对预测能力影响较小，但需合理选择以确保稳定性。

4. RROC因子相关性研究与提纯

• 相关性分析：
  • RROC因子与ROE、NP_YOY、BP等因子高度相关。
  • 与利润增速因子相关性较强，但IC标准差更小，IR值更高。
• 中性化处理：
  • 提升因子稳定性，IC均值为2.25%，IR值为0.82。
  • 多空组合表现更优，夏普比率显著提高。

5. RROC因子在不同市场中的表现

• 全市场：
  • 选股组合年化收益21.6%，相对中证500年化收益11.2%。
  • 2017、2018年表现突出，信息比率超过2。
• 沪深300：
  • 选股组合年化收益12.1%，相对沪深300指数年化收益5.8%。
  • 2014年表现不佳，跑输指数基准。
• 中证500：
  • 选股组合年化收益17.7%，相对中证500指数年化收益7.9%。
  • 2014年小幅跑输，近两年表现优异。

附录

图表目录

• 图1：营业收入与营业成本线性关系逻辑示例图
• 图2：各行业因子计算缺失值占比及有值率
• 图3：不同参数下IC均值与IR的变化趋势
• 图4：RROC因子IC序列
• 图5：RROC因子在各行业上的预测能力
• 图6：RROC因子分5组单调性
• 图7：RROC因子分10组单调性
• 图8：RROC因子组合相对中证500基准表现
• 图9：RROC因子选股组合月度平均换手率
• 图10：不同交易成本下RROC因子组合净值表现
• 图11：RROC因子沪深300内分组及多空表现
• 图12：RROC因子沪深300内选股组合表现
• 图13：RROC因子中证500内分组及多空表现
• 图14：RROC因子中证500内选股组合表现
• 图15：因子与其他大类因子历史IC值相关性检验
• 图16：中性化后RROC因子IC序列
• 图17：中性化后RROC因子分5组单调性
• 图18：中性化后中证500内RROC因子组合表现

表格目录

• 表1：RROC因子在不同季度数目N下的预测能力
• 表2：RROC因子在各中信一级行业下的预测能力
• 表3：因子分组回测框架
• 表4：RROC因子等分5组下分组统计数据
• 表5：RROC因子等分10组下分组统计数据
• 表6：多空组合分年度统计数据
• 表7：因子选股策略回测框架
• 表8：RROC选股组合分年度表现
• 表9：不同交易成本下RROC因子组合统计数据
• 表10：RROC因子沪深300内选股组合分年度表现
• 表11：RROC因子中证500内选股组合分年度表现
• 表12：RROC因子与利润增速因子预测能力比较
• 表13：中性化前后RROC因子的预测能力
• 表14：中性化后RROC因子等分5组下分组统计数据
• 表15：中性化后RROC因子多空组合分年度统计数据
• 表16：RROC选股组合分年度表现