20180418-招商证券-因子模型系列之十_各大类单因子有效性汇总比较分析_45页_4mb

单因子有效性汇总比较分析总结

核心内容

本报告汇总分析了2018年4月前发布的7篇单因子有效性考察报告，对8大类78个因子的多个指标进行了比较分析，包括：

• 分层组合收益（单期与累积）
• 独立性检验（$\chi^2$统计量）
• 波动量能
• $t$统计量
• Sharpe值
• $R^2$与截距项关系
• 因子同向波动持续性
• 因子暴露原值与收益相关性
• 因子暴露原值自相关系数

主要观点

1. 单调性测试

• 波动类因子在分层组合单期收益单调截面占比表现最好，最高达到37%。
• 成长类因子单调截面占比最低，表明其在解释超额收益方面存在较大的不稳定性。
• 波动类因子在累积收益单调截面占比表现也较好，接近100%，而财务杠杆类因子表现较差，接近0%。

2. 独立性检验与有效取值范围

• 大部分因子有效取值宽度的众数集中在50%和55%，少数因子的众数在55%以上，最高达75%。
• 财务杠杆类因子的$\chi^2$统计量分布较广，而波动类因子的$\chi^2$统计量在中间段表现较好。
• 有效取值范围的确定基于$\chi^2$统计量的最小分位点，用于筛选因子的最优解释区间。

3. 单期收益与累积收益

• 波动类因子中，1个月和2个月的成交金额/股价波动率因子的最高累积收益较高。
• 财务杠杆类因子的累积收益表现一般，且波动量能较小，因此在择时研究中收益有限。
• 最高趋势收益主要由波动类因子中的部分因子和规模类因子表现较好。

4. 波动量能分析

• 波动量能越大，说明因子在择时研究中的收益潜力越大。
• 规模类和技术指标类因子波动量能较大，对投资者更有吸引力。
• 成长类、财务杠杆类、流通性类、盈利类因子的波动量能相对较小，对择时的收益贡献有限。

5. $t$统计量分析

• 规模类因子的$t$统计量绝对值均值均大于2，表明其对超额收益的解释能力显著。
• 技术指标类、估值类和波动类因子中也有部分因子的$t$统计量绝对值均值大于2。
• $t$统计量绝对值大于2的截面占比也反映出右边四类因子（规模类、技术指标类、估值类、波动类）在解释超额收益方面更显著。

6. Sharpe值分析

• 成长类、流动性类、盈利类、估值类和波动类因子中部分因子的Sharpe值较高。
• 财务杠杆类因子的Sharpe值较低，主要由于其累积收益较小且波动剧烈。

7. $R^2$与截距项关系

• $R^2$值越高，说明因子对超额收益的解释能力越强。
• 截距项越小，说明模型的解释能力越强。
• 以中证500为基准时，单因子模型的解释能力优于沪深300和上证50。

8. 因子同向波动持续性

• 因子同向波动持续月份越多，说明其方向判断的稳定性越高。
• 该指标是决定因子是否应被纳入模型的重要参考。

9. 因子相关性分析

• 因子暴露原值的斯皮尔曼相关系数表明，大类因子之间内部相关性较高。
• 成长类对盈利类、规模类对估值类、规模类对波动类之间的相关性较高。
• 技术指标类因子与其他因子之间的相关性普遍较低。

10. 因子暴露原值自相关系数

• 与财务数据挂钩的因子（如成长类、财务杠杆类、流动性类、盈利类、估值类）自相关系数较高。
• 与股票价格挂钩的因子（如技术指标类、波动类）自相关系数较低。

关键信息

• 波动类因子在多个指标中表现突出，尤其是单调性测试和波动量能。
• 规模类因子在$t$统计量和波动量能方面表现较好，是重要的择时因子。
• 技术指标类因子在波动量能和$t$统计量方面表现良好，对投资者有较高价值。
• 财务杠杆类因子在多个指标中表现较差，需谨慎使用。
• 成长类因子在单调性测试和波动量能方面表现最弱。
• 自相关系数较高的因子更适合用于模型构建，有助于降低交易成本。

结论

本报告总结了8大类78个因子在多个指标上的表现，指出波动类和规模类因子在收益和波动量能方面具有明显优势。建议投资者在构建多因子模型时，优先考虑这些因子，并关注其同向波动持续性以提高模型的稳定性。此外，应结合因子间的相关性分析，避免多重共线性，提高模型的解释能力。