20121116-广发证券-多因子Alpha系列报告之（十四）_基于情景分析的多因子Alpha策略_20页_1mb

基于情景分析的多因子 Alpha 策略总结

核心内容

本文提出了一种基于情景分析的多因子 Alpha 策略，旨在解决传统多因子模型中因子等权和线性假设带来的局限性。通过引入“分层因子”和“情景加权矩阵”，该策略能够根据个股的特征进行个性化因子权重分配，从而提升策略的稳定性和收益表现。

主要观点

• 因子分层效应：不同风格因子在不同市场环境下表现出非线性特征，因此不能简单等权处理，而应根据因子在不同分层下的有效性进行加权。
• 情景分析模型：通过将个股划分为12种情景类型，分别采用不同的因子加权模式，实现对个股特征的精准捕捉。
• 因子加权方法：分别采用“排序分档打分法”和“连续函数打分法”来构建个股特征矩阵，其中连续打分法更适用于实际应用，因为它避免了离散打分法中的断层问题。
• 策略表现：情景加权策略在样本外（2011年以来）年化收益率接近11%，相比样本内有显著下降，但最大回撤也明显降低，显示了策略的稳定性。2011年因市场风格偏移导致策略表现不佳，但近年来表现有所改善，截止2012年10月底累计收益为12.8%，年化收益15.4%，最大回撤4.5%。
• 对比分析：情景加权策略在信息比、年化收益率和最大回撤等指标上均优于因子等权和因子 IC 加权策略，显示其在实际应用中的优越性。

关键信息

分层因子与情景划分

• 6个分层因子：ROE（盈利因子）、总资产增长率（成长因子）、一个月成交金额（流动性因子）、一个月股价反转（涨跌幅因子）、流通市值（规模因子）、EP（估值因子）。
• 12种情景类型：每个分层因子分为高、低两种情况，组合成12种情景，用于区分个股特征。
• 因子分层强度：通过计算因子在不同分层下的IC值离差，衡量其分层效应强度。

情景加权模型构建

• 情景得分类似公式：
  $$
  f_i = \bar{F}_i' \times C \times \bar{d}_i
  $$
  其中，$\bar{F}_i$ 为个股的原始因子暴露向量，$C$ 为分层因子情景矩阵，$\bar{d}_i$ 为个股的综合特征向量。
• 加权策略：基于情景矩阵和个股特征，对因子进行动态加权，使得不同特征的股票采用不同的因子权重组合。

策略表现与对比

• 样本内表现：年化收益率为26.7%，信息比为1.59，最大回撤为15.4%。
• 样本外表现：年化收益率接近11%，最大回撤降至11%左右。
• 年份表现：
  • 2007年：情景策略累计收益5.5%，因子等权策略为0.1%。
  • 2008年：情景策略累计收益47.1%，因子等权策略为42.4%。
  • 2009年：情景策略累计收益54.0%，因子等权策略为44.8%。
  • 2010年：情景策略累计收益40.1%，因子等权策略为38.1%。
  • 2011年：情景策略年化收益5.6%，因子等权策略为3.9%。
  • 2012年（截至10月）：累计收益11.8%，年化收益14.3%，最大回撤4.7%。

与传统方法的对比

• 传统方法问题：因子等权法未考虑个股差异，且假设因子有效性具有线性特征。
• 情景分析优势：通过分层因子对因子有效性进行动态调整，使得策略在不同市场环境下具有更强的适应性。

结构清晰总结

一、引言

• 多因子Alpha策略的关键环节是因子配权。
• 传统等权法未能区分个股差异，且假设因子有效性具有线性特征，存在改进空间。
• 引入情景分析方法，通过分层因子对因子权重进行动态调整，实现对个股特征的个性化评价。

二、因子分层效应

• 分析了风格因子的非线性特征，并通过分层因子解决因子有效性问题。
• 6个分层因子分别为：ROE、总资产增长率、一个月成交金额、一个月股价反转、流通市值、EP。
• 分层强度计算公式为：
  $$
  DEV_{ij} = \operatorname{std}([IC_j, IC_{ij}^+, IC_{ij}^-])
  $$
  $$
  DEV_i = \sum_{j=1}^{N} DEV_{ij} / N
  $$

三、股票情景特征描述

• 采用“排序分档打分法”和“连续函数打分法”构建股票特征矩阵。
• 排序分档法将股票分为7档，分别赋予不同打分。
• 连续函数法使用三次多项式对股票进行情景打分，使得得分更均匀。
• 个股特征向量由因子暴露、情景模型权重和个股特征共同决定。

四、情景加权多因子策略

• 构建了因子情景加权矩阵，并将其与个股特征矩阵结合，形成情景加权多因子Alpha策略。
• 策略表现优于因子等权和因子IC加权策略，具有更高的稳定性和收益能力。
• 通过对比不同策略在样本内外的表现，验证了情景模型的有效性。

五、总结

• 情景加权模型是对前期非线性多因子模型的延伸，处理因子非线性特征更加充分。
• 情景模型通过动态因子权重分配，提升了多因子策略的稳定性和收益表现。
• 未来将继续深化该模型的研究，提升Alpha策略的实战效果。

附：研究团队

• 罗军：首席分析师，华南理工大学理学硕士，2010年加入广发证券发展研究中心。
• 俞文冰：首席分析师，CFA，上海财经大学统计学硕士，2012年加入。
• 叶涛：资深分析师，CFA，上海交通大学管理科学与工程硕士，2012年加入。
• 安宁宁：资深分析师，暨南大学数量经济学硕士，2011年加入。
• 胡海涛：分析师，华南理工大学理学硕士，2010年加入。
• 夏潇阳：分析师，上海交通大学金融工程硕士，2012年加入。
• 汪鑫：分析师，中国科学技术大学金融工程硕士，2012年加入。
• 蓝昭钦：分析师，中山大学理学硕士，2010年加入。
• 李明：分析师，伦敦城市大学卡斯商学院计量金融硕士，2010年加入。
• 史庆盛：研究助理，华南理工大学金融工程硕士，2011年加入。
• 张超：研究助理，中山大学理学硕士，2012年加入。

附：相关研究报告

• 多因子Alpha系列报告之（七）：大浪淘金，Alpha因子何处寻？（史庆盛，2011-07-21）
• 多因子Alpha系列报告之（十三）：考虑非线性特征的多因子Alpha策略（史庆盛，2012-09-19）