多因子系列报告之十六：创新基本面因子，捕捉产能利用率中的讯号-20181101-光大证券-20页-2mb

报告摘要

创新基本面因子：捕捉产能利用率中的讯号

核心内容

本报告探讨了创新基本面因子在捕捉企业产能利用率方面的有效性，提出了一种基于滚动回归模型的因子构建方法，即OCFA（Operation Cost on Fixed Assets）因子。该因子通过分析营业总成本对固定资产的残差来反映产能利用率的提升情况，并在不同市场环境下的测试中表现出良好的预测能力和稳定性。

主要观点

产能利用率反映企业营运效率：产能利用率是衡量企业使用其固定资产效率的重要指标。利用率越高，单位产品的平均实际成本越低，企业的营运效率越高。
传统产能利用率因子效果有限：通过直接求比或回归斜率的方式构造的产能利用率因子，其IC均值约为1%，ICIR在0.25左右，整体预测效果较弱。
OCFA因子表现突出：OCFA因子通过滚动回归取残差的方式构造，月度IC均值为1.73%，IR值为0.52，显示出较强的预测能力。基于OCFA因子构建的多空组合在2009年至2018年6月期间年化收益为7.1%，夏普比率2.18，最大回撤4.7%。
中性化处理提升稳定性：OCFA因子在剔除与ROE、净利润增速等因子的相关性后，其预测能力更加稳定，IC均值下降至1.49%，但IR值微升至0.53，显示出中性化处理对因子信息提纯的作用。
行业差异显著：OCFA因子在不同行业中表现不一，如家电、轻工制造、建材等行业的预测能力较强，而TMT板块如计算机、传媒、通信等则较弱。餐饮旅游与建筑行业的IC均值为负。
多空组合表现稳定：中性化后的OCFA因子构建的多空组合在不同年份表现稳定，年化收益为5.6%，夏普比率1.93，最大回撤仅2.6%。

关键信息

因子构造方法：OCFA因子通过滚动回归模型构造，具体为：
$$
\text{Total Operation Cost} = \beta_{\alpha} + \beta_{X} * \text{Fixed Assets} + \varepsilon
$$
其中，$\varepsilon$ 表示产能利用率的提升。
因子有效性测试：OCFA因子在全市场、沪深300和中证500中的表现各有差异。在全市场中表现最佳，而在沪深300中预测能力较弱。
因子选股能力：OCFA因子在全市场中表现优秀，年化收益为18.7%，夏普比率0.72，最大回撤55.8%。而在沪深300中，年化收益为8.3%，夏普比率0.43，最大回撤47.5%。
因子稳定性：中性化处理后，OCFA因子的预测能力更加稳定，且在各年份中表现出较高的胜率和较低的最大回撤。
交易成本影响：交易成本对组合收益有一定影响，但敏感度不高。在双边0.6%的交易成本下，年化收益略低于无交易成本的情况，但波动率和最大回撤显著降低。

风险提示

模型失效风险：测试结果基于模型和历史数据，可能存在模型失效的风险。
数据可靠性：报告所用数据和分析基于假设，可能存在偏差，且估值方法有其局限性。

行业及公司评级体系

评级标准：买入（收益率领先市场基准指数15%以上）、增持（收益率领先市场基准指数5%至15%）、中性（收益率与市场基准指数相差-5%至5%）、减持（收益率落后市场基准指数5%至15%）、卖出（收益率落后市场基准指数15%以上）。
基准指数：A股主板基准为沪深300指数；中小盘基准为中小板指；创业板基准为创业板指；新三板基准为新三板指数；港股基准为恒生指数。