金工定期报告：TPS与SPS选股因子绩效月报-20230801-东吴证券-26页_1mb

金工定期报告总结：TPS与SPS因子绩效分析（2023年8月1日）

核心内容概述

本报告分析了成交价改进换手率因子TPS与SPS在A股市场中的多空对冲绩效表现，并探讨了其构建逻辑及纯净化模型的效果。

主要观点与关键信息

1. TPS与SPS因子的绩效表现

• TPS因子（Turn20conformedbyPLUS）：

  • 年化收益：38.89%
  • 年化波动：15.88%
  • 信息比率：2.44
  • 月度胜率：77.62%
  • 最大回撤：19.46%
  • 7月表现：多头组合收益率2.87%，空头组合收益率-7.80%，多空对冲收益率10.67%

• SPS因子（STRconformedbyPLUS）：

  • 年化收益：42.93%
  • 年化波动：12.70%
  • 信息比率：3.38
  • 月度胜率：82.38%
  • 最大回撤：11.86%
  • 7月表现：多头组合收益率3.23%，空头组合收益率-6.29%，多空对冲收益率9.52%

• TPS与SPS因子均优于传统换手率因子Turn20和STR，且在剔除风格与行业影响后仍保持较强的选股能力。

2. 因子构建逻辑

• TPS因子由Turn20（传统换手率）与PLUS（影线差）构建，通过日频数据进行双分组打分，最终选定**影线差（PLUS）**作为价格因子。
• SPS因子由STR（量稳换手率）与PLUS（影线差）构建，同样通过日频数据进行双分组打分，进一步优化换手率因子的稳定性。

3. 纯净化模型

• Turn20_dePLUS：通过将Turn20与PLUS进行线性回归，去除PLUS因子影响，形成纯净换手率因子，其多空对冲年化收益为37.22%，信息比率2.16，胜率71.79%，最大回撤17.06%。
• STR_dePLUS：通过将STR与PLUS进行线性回归，去除PLUS因子影响，形成纯净量稳换手率因子，其多空对冲年化收益为46.24%，信息比率3.46，胜率81.03%，最大回撤10.11%。
• PLUS_deTurn20：通过将PLUS与Turn20进行线性回归，去除Turn20因子影响，形成纯净影线差因子，其多空对冲年化收益为12.17%，信息比率0.87，胜率62.56%，最大回撤25.63%。

4. 因子组合效果

• TPS因子由Turn20_dePLUS与PLUS_deTurn20相乘，多空对冲年化收益达42.15%，信息比率2.56，胜率79.49%，最大回撤15.93%。
• SPS因子由STR_dePLUS与PLUS_deTurn20相乘，多空对冲年化收益达47.70%，信息比率3.59，胜率83.59%，最大回撤12.28%。

5. 分组收益与波动性

• TPS与SPS因子在10分组中表现出更优的收益单调性和更低的组内收益标准差，较Turn20因子显著改善。
• TPS因子的组内收益标准差比Turn20低，而SPS因子的组内收益标准差下降幅度更大，表明其在筛选股票时更有效。

6. 因子与风格因子相关性

• TPS因子与Barra风格因子的相关性较低，尤其与ResidualVolatility和Liquidity相关性较高，表明其具备一定的独立选股能力。
• SPS因子与Barra风格因子相关性更低，与ResidualVolatility和Liquidity相关性更高，进一步说明其具备较强的选股能力。

7. 纯净化后因子表现

• 纯净TPS因子：

  • 多空对冲年化收益：21.16%
  • 年化波动率：7.84%
  • 信息比率：2.70
  • 胜率：80.95%
  • 最大回撤：6.51%

• 纯净SPS因子：

  • 多空对冲年化收益：20.74%
  • 年化波动率：8.33%
  • 信息比率：2.47
  • 胜率：81.00%
  • 最大回撤：5.09%

附录：模型构建与测试方法

• 双分组分析：每月月底对股票进行10分组，基于换手率和价格因子（如日内收益率、振幅、影线差）进行分组。
• 非负化处理：对因子进行横截面标准化后，进行非负化处理，避免符号问题影响收益单调性。
• 纯净化方法：通过一元线性回归去除主要因子与辅因子之间的干扰，得到纯净因子。

风险提示

• 所有统计结果基于历史数据，未来市场可能发生变化。
• 单因子收益存在波动，实际应用中需结合资金管理和风险控制。

表格与图表概览

• 图1 & 图2：展示了TPS与SPS因子的净值走势，均表现出较好的收益表现。
• 图3 & 图4：展示了TPS与SPS因子在2023年7月的多头组合净值走势。
• 图5 & 图6：展示了Turn20PLUS与STRPLUS的净值走势，前者表现略逊于后者。
• 图7 & 图8：展示了Turn20_dePLUS与STR_dePLUS的净值走势，均优于原始因子。
• 图9：展示了PLUS_deTurn20的净值走势，其表现不如其他因子。
• 图10 & 图11：展示了TPS与SPS因子的净值走势，SPS表现优于TPS。
• 图12 & 图13：展示了TPS与SPS因子正交Turn20后的净值走势，稳定性有所提升。
• 图14 & 图15：展示了TPS与SPS因子与Turn20的组内收益标准差对比，均优于Turn20。
• 图16 & 图17：展示了纯净TPS与SPS因子的净值走势，回撤明显下降。
• 表1-25：涵盖了TPS与SPS因子在不同分组、时间区间、风格因子下的绩效指标，展示了其优异的收益表现和较低的波动性。

总结

TPS与SPS因子通过日频换手率与影线差（PLUS）的结合，显著提升了传统换手率因子的选股能力和稳定性。在剔除市场风格和行业影响后，两个因子仍保持较强的收益能力，具有较好的抗风险表现。未来应用中需注意模型的历史数据依赖性及风险控制措施。