行业轮动系列专题:行业扩散指数因子作用机理解析及改进方法-20230906-银河证券-17页_1mb
报告摘要
行业扩散指数因子作用机理解析及改进方法总结
核心内容
本文围绕行业扩散指数因子与动量因子进行对比分析,探讨其在行业轮动选股中的表现及有效性,并提出改进方法——低波扩散因子,以提升因子稳定性与盈利能力。
主要观点
- 扩散指数因子是一种基于成分股上行状态合成的动量指标,相较于传统动量因子,其在分层效果和稳定性方面表现更优。
- 扩散指数因子存在动量坍塌问题,尤其在市场波动加大时,其有效性有所下降。
- 低波扩散因子通过引入波动率因素对扩散指数进行改进,提升了因子稳定性与抗风险能力。
- 低波扩散因子在沪深300行业轮动选股中表现出良好的超额收益,且在市场波动较大时仍能保持稳健表现。
- 波动率回望期的选择对因子表现有重要影响,较长的回望期通常表现更优。
关键信息
扩散指数因子
- 定义:基于马丁·普林格扩散指数,通过判断成分股是否处于上行状态,加权合成行业整体趋势。
- 计算方法:
- 使用移动平均线法或ROC法判断个股趋势。
- 加权方式包括等权和流通市值加权。
- 因子公式:
$$
D _ {t} = \sum_ {i = 1} ^ {N} w _ {i t} I _ {i (t - M A, t)}
$$ - 回测结果:
- 年化收益率:14.6%
- 年化超额收益率:6.5%
- 最大回撤:-53.5%
- 超额最大回撤:-17.3%
- Sharpe比率:0.57
- RankIC均值:0.06,rank_t值:2.18
低波扩散因子
- 定义:在扩散指数因子基础上,引入波动率因素进行改进,通过除以行业波动率来调整因子值。
- 因子公式:
$$
D V _ {t} = \frac {M O V _ {m} (\sum_ {i = 1} ^ {N} w _ {i t} I _ {i (t - M A , t)})}{V o l t _ {(t - M , t)}}
$$ - 回测结果:
- 年化收益率:13.8%
- 年化超额收益率:5.6%
- 最大回撤:-48.9%
- 超额最大回撤:-11.7%
- Sharpe比率:0.60
- RankIC均值:0.08,rank_t值:3.05
沪深300内行业轮动选股
- 策略表现:
- 年化收益率:10.6%
- 年化超额收益率:6.3%
- 最大回撤:-44.8%
- 超额最大回撤:-17.7%
- Sharpe比率:0.47
- Calmar比率:0.24
- 分年度表现:
- 2012年:超额收益8.9%
- 2013年:超额收益5.5%
- 2014年:超额收益7.5%
- 2015年:超额收益8.4%
- 2016年:超额收益10.8%
- 2017年:超额收益4.3%
- 2018年:超额收益-5.1%
- 2019年:超额收益4.6%
- 2020年:超额收益25.3%
- 2021年:超额收益5.7%
- 2022年:超额收益8.7%
- 2023年:超额收益2.4%
参数敏感性分析
- 波动率回望期对因子表现有显著影响,较长的回望期(如220日)在多数情况下表现更优。
- 表6显示,当回望期为220日时,因子表现最佳,超额收益和稳定性达到最优。
总结
- 扩散指数因子在多数时期表现优于动量因子,但存在动量坍塌问题。
- 低波扩散因子通过纳入波动率因素,显著提升了因子稳定性与稳健性。
- 在沪深300行业轮动选股中,低波扩散因子能够实现较为稳健的超额收益。
- 长周期波动率回望期对因子有效性有正向影响,有助于策略在不同市场环境下保持较好的表现。
风险提示
- 历史数据不能外推,本文仅基于历史数据进行分析,不构成投资建议。
- 投资者应根据自身风险承受能力进行投资决策,避免因依赖单一因子而产生较大风险。
参考文献
- Pring, Martin J. "Technical analysis explained: The successful investor's guide to spotting investment trends and turning points." (2002).
- Kim, A. Y., Tse, Y., & Wald, J. K. (2016). Time series momentum and volatility scaling. Journal of Financial Markets, 30, 103-124.
- Malitskaia, Yulia. "Momentum with Volatility Timing." Available at SSRN 3417360 (2019).
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载