多因子报告之二:因子测试和多因子策略1.0-20210423-山西证券-33页_1mb
报告摘要
金融工程多因子报告总结
核心内容概述
本报告是山西证券金融工程系列的第二篇,聚焦于因子测试与多因子策略的构建。报告首先回顾了因子测试框架,随后对多个风格因子进行了测试和筛选,最终确定了七个有效因子。接着,通过多因子截面回归方法确定了因子权重,并构建了初步的多因子组合策略。最后,报告指出组合在2018年表现不佳,原因在于宏观经济变化导致部分因子失效,并提出后续将引入宏观择时因子和因子波动以优化模型。
主要观点
1. 因子测试与筛选
-
因子测试方法:采用因子收益、t值、IC值、IC大于零比率、IR值等指标进行因子筛选。
-
筛选标准:
- 因子收益、IC值、IC大于零比率三个指标正负相同;
- 每类因子中因子收益t值绝对值最大或大于0.9;
- 因子相关性显著,且保留IC值最高的因子;
- 因子具备单调性;
- 因子收益时间序列平稳。
-
筛选结果:最终保留了EP(ttm)、BP(lyr)、预期ROEG、Liquid Turnover、对数市值、5换手率、24mstd七个因子。
2. 因子权重确定
- 方法:采用多因子截面回归方法,对每个试点数据进行回归,以因子收益均值作为权重。
- 权重计算:通过分时截面回归和全样本回归两种方式计算因子权重,最终以均值作为组合权重。
- 权重向量:个股在各个因子上的暴露向量与因子权重向量相乘得到打分,用于构建组合。
3. 多因子组合策略回测结果
- 调仓频率:月度调仓。
- 回测区间:2011.1.1-2020.12.31。
- 交易成本:0.1%。
- 回测表现:
- 组合收益:492.4%
- 年化收益:19.4%
- 超额年化收益:14.6%
关键信息
1. 因子类型与细分因子
多因子模型涵盖以下11大类因子:
- 估值因子
- 规模因子
- 成长因子
- 质量因子
- 杠杆因子
- 动量因子
- 波动因子
- 技术因子
- 流动性因子
- 分析师因子
- 其他因子
每类因子中选择一个效果最佳的因子纳入模型。
2. 因子测试与筛选结果
- 估值因子:EP(ttm)、BP(lyr)、SP_ttm、SP_lyr、CFP_ncf_ttm、dividendyield2、EBITDA_to_EV
- 成长因子:预期ROEG、预期净利润g、预期营收g
- 经营质量因子:Total asset turnover、Cash turnover、Net asset turnover、Liquid turnover、ROE、ROA、毛利率、净利率、营业利率、息税前营业利率、归母营业利率
- 规模因子:企业价值、总市值、自由流通市值、对数市值、对数市值立方、对数流通市值、对数总资产
- 量价因子:5换手率、10换手率、20换手率、60换手率、10日涨跌、1月涨跌、3月涨跌、6月涨跌
- 波动因子:24mstd、60mstd、24mbeta、60mbeta
最终筛选出的因子包括:EP(ttm)、BP(lyr)、预期ROEG、Liquid Turnover、对数市值、5换手率、24mstd。
3. 回测结果与模型优化方向
- 组合表现:回测期间组合收益达到492.4%,年化收益为19.4%,超额年化收益为14.6%。
- 模型优化:由于2018年组合回撤较大,且未能跑赢沪深300指数,后续将引入宏观择时因子与因子波动,以提升模型的稳健性与适应性。
因子有效性分析
1. 估值因子
- 主要因子:EP(ttm)、BP(lyr)、SP_ttm、SP_lyr、CFP_ncf_ttm、dividendyield2、EBITDA_to_EV
- 测试结果:
- EP_ttm:月度因子收益期望0.21%,年化因子收益期望2.5%
- BP_lyr:月度因子收益期望0.68%,年化因子收益期望8.5%
- dividendyield2:月度因子收益期望0.43%,年化因子收益期望5.3%
- IC与IR值:
- BP_lyr的IC均值为0.040479,IC>0比例为55.83%,IR为0.301560
- dividendyield2的IC均值为0.024281,IC>0比例为59.17%,IR为0.252009
2. 成长因子
- 主要因子:预期ROEG、预期净利润g、预期营收g
- 测试结果:
- 预期ROEG:月度因子收益期望0.1020%,年化因子收益期望1.2307%
- 预期净利润g:月度因子收益期望0.0469%,年化因子收益期望0.5642%
- 预期营收g:月度因子收益期望-0.0184%,年化因子收益期望-0.2200%
- IC与IR值:
- 预期ROEG的IC均值为0.007942,IC>0比例为62.5%,IR为0.150956
3. 经营质量因子
- 主要因子:Total asset turnover、Cash turnover、Net asset turnover、Liquid turnover、ROE、ROA、毛利率、净利率、营业利率、息税前营业利率、归母营业利率
- 测试结果:
- Liquid turnover:月度因子收益期望0.1433%,年化因子收益期望1.7336%
- ROE:月度因子收益期望-0.0377%,年化因子收益期望-0.4518%
- IC与IR值:
- Liquid turnover的IC均值为0.006134,IC>0比例为55.83%,IR为0.086761
4. 规模因子
- 主要因子:企业价值、总市值、自由流通市值、对数市值、对数市值立方、对数流通市值、对数总资产
- 测试结果:
- 对数市值:月度因子收益期望-0.3792%,年化因子收益期望-4.4563%
- 对数流通市值:月度因子收益期望-0.1189%,年化因子收益期望-1.4181%
- IC与IR值:
- 对数市值的IC均值为-0.027806,IC>0比例为42.5%,IR为-0.183161
5. 量价因子
- 主要因子:5换手率、10换手率、20换手率、60换手率、10日涨跌、1月涨跌、3月涨跌、6月涨跌
- 测试结果:
- 5换手率:月度因子收益期望-1.2334%,年化因子收益期望-13.8374%
- 1月涨跌:月度因子收益期望0.2613%,年化因子收益期望3.1809%
- IC与IR值:
- 5换手率的IC均值为-0.100832,IC>0比例为21.67%,IR为-0.862833
6. 波动因子
- 主要因子:24mstd、60mstd、24mbeta、60mbeta
- 测试结果:
- 24mstd:月度因子收益期望-0.003962256%,年化因子收益期望-0.046524%
- 60mbeta:月度因子收益期望-0.000434887%,年化因子收益期望-0.000522%
- IC与IR值:
- 24mstd的IC均值为-0.029880,IC>0比例为37.5%,IR为-0.289812
回测与模型构建
- 调仓方式:每次调仓取每个行业前5%得分的股票构建股票池。
- 权重计算:将得分权重和股票市值权重取平均作为组中个股权重。
- 组合表现:回测期间组合收益达到492.4%,年化收益为19.4%,超额年化收益为14.6%。
模型优化方向
- 模型不足:2018年组合回撤较大,未跑赢沪深300指数,主要由于宏观经济变化导致部分因子失效。
- 优化计划:后续将引入宏观择时因子和因子波动,以提升模型的适应性和稳定性。
回测与因子分析工具
- 因子有效性检测:采用IC值、IR值、因子收益t值、因子收益时间序列平稳性等指标。
- 因子分层回测:在每个行业内部对股票按因子大小排序,等分成N层进行回测,观察收益是否由高因子暴露组到低因子暴露组排列。
结论
本报告通过系统性因子测试与筛选,构建了初步的多因子组合策略,取得了良好的回测表现。然而,组合在特定年份表现不佳,需进一步引入宏观择时因子和因子波动进行优化。未来研究将聚焦于提升模型的稳健性和适应性,以应对宏观经济变化对因子效果的影响。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载