20220507-德邦证券-德邦金工选股月报第四期_10页_1mb

金融工程月报总结

核心内容概述

本报告为德邦证券金融工程团队发布的第四期选股月报，主要分析了四个选股策略和一个投资组合的表现，同时提供了本期的持仓信息及风险提示。报告旨在通过机器学习模型对股票进行因子筛选与评估，以期在实际投资中实现超额收益。

主要观点

• 报告采用机器学习方法对股票的风格因子和财务因子进行建模，构建选股因子以实现风格中性化。
• 选股策略分为四类：十因子机器学习残差因子、十五因子机器学习残差因子、十五因子机器学习反转因子和复合因子。
• 投资组合的持仓股票基于中证1000指数成分股筛选，采用等权配置，且不构成投资建议。
• 投资组合自2015年1月5日成立以来，累计收益率达146.7%，样本外跟踪累计超额收益为4.50%。
• 本期调仓双边换手率为60.0%，新调入股票60只，新调出股票55只，调仓后组合共计持有股票200只。
• 投资组合在2022年4月11日至2022年5月6日期间取得-7.85%的收益，同期基准收益为-8.90%，超额收益为1.05%。

关键信息

选股策略分析

• 策略一：十因子机器学习残差因子

  • 依据最近期的CNE5十个风格因子计算选股因子。
  • 样本期平均RankIC为0.031，Rank ICIR为0.532。

• 策略二：十五因子机器学习残差因子

  • 基于十个风格因子和五个财务因子构建选股因子。
  • 样本期平均RankIC为0.052，Rank ICIR为0.875。

• 策略三：十五因子机器学习反转因子

  • 使用上个月的风格因子和财务因子，以及从上个月到本月的股票收益率，计算反转因子。
  • 样本期平均RankIC为0.067，Rank ICIR为1.155。

• 策略四：复合因子

  • 策略二和策略三的因子分别取z-score后求和。
  • 样本期平均RankIC为0.064，Rank ICIR为1.097。

投资组合表现

• 整体表现

  • 2015年1月5日至2022年5月6日累计收益率为146.7%。
  • 2022年2月7日样本外跟踪以来累计超额收益为4.50%。
  • 2022年4月11日至2022年5月6日组合收益为-7.85%，基准收益为-8.90%，超额收益为1.05%。

• 超额收益归因

  • 风格贡献：-0.34%
  • 行业贡献：0.11%
  • 因子特质选股能力贡献：1.28%

• 分年度表现

  • 投资组合在2015年至2022年期间表现不一，其中2022年超额收益为15.6%。
  • 投资组合年化收益率为15.5%，基准年化收益率为1.6%，超额年化收益率为13.9%。
  • 投资组合夏普比率（rf=2%）为0.428，高于基准的-0.015。
  • 投资组合信息比率为2.302，高于基准的0.022。

本期持仓

• 本期选用策略三进行调仓，新调入股票60只，新调出股票55只，调仓后组合共计持有股票200只。
• 持仓成本为调仓日的收盘价格，各股票权重相等。
• 保持上期持仓的股票见表6，共计155只。

风险提示

• 市场风格变化风险
• 模型失效风险
• 数据可用性风险

分析师与研究助理简介

• 肖承志：德邦证券研究所首席金融工程分析师，同济大学应用数学硕士，具有6年证券研究经历，擅长市场择时、资产配置、量化与基本面选股。
• 王成煌：德邦证券研究所金融工程助理研究员，慕尼黑工业大学计算流体力学博士，清华大学车辆工程本科，通过CFA三级，致力于主动量化选股。

投资评级说明

• 投资评级基于报告发布后6个月内的市场表现，与市场基准指数进行比较。
• 投资评级分为买入、增持、中性、减持，分别对应相对市场表现的差异。
• 行业投资评级分为优于大市、中性、弱于大市，分别对应行业整体回报与基准指数的差异。

法律声明

• 本报告仅供德邦证券客户使用，不构成投资建议。
• 报告中信息或意见不保证其准确性或完整性。
• 报告内容不得以任何方式复制、分发或用于其他用途，除非获得书面授权。
• 德邦证券及其关联机构可能持有报告中提到的公司所发行的证券并进行交易，也可能为这些公司提供投资银行服务或其他服务。