“拾穗”多因子系列报告（第5期）：数据异常值处理，比较与实践-20190317-财通证券-23页_2mb

数据异常值处理：比较与实践

核心内容概述

本报告为“拾穗”多因子系列报告的第五期，主要围绕数据异常值的识别与处理展开讨论，旨在帮助投资者更好地理解异常值对多因子模型的影响，并提供有效的处理方法。报告还结合市场风格解析和指数风险预测，为投资决策提供参考。

主要观点与关键信息

1. 数据异常值处理的必要性

• 异常值对回归分析和因子相关性分析有较大影响，可能导致回归系数和相关系数失真。
• 财务数据（尤其是增长率类）比价量因子更容易出现异常值。
• 通过实证检验，中位数去极值法和箱形图法被证明为更为稳健的处理方法。
• 分位数回归方法在处理异常值方面表现更优，能够全面描述被解释变量的条件分布。

2. 常用异常值处理方法比较

以下为7种常用异常值处理方法的介绍及其优缺点：

3. 不同数据类型的处理效果

• 财务类因子（如净利润增长率、资产负债率）：中位数去极值法和箱形图法效果最佳。
• 价量类因子（如市值）：各方法效果相近，异常值较少。
• 实证结果：对净利润增长率因子，中位数去极值法和箱形图法使相关系数显著提高。

4. 市场风格解析

• 上周市场风格不明确，高Beta、高波动股票表现较好，而大规模、前期涨幅高的股票出现回撤。
• 表现最好的三只指数包括380价值指数和中证800成长指数等，而表现最差的指数包括创业板指数和超大盘指数等。
• 行业方面，电力设备和房地产行业涨幅较大，而计算机和通信行业跌幅较大。

5. 指数风险预测

• 财通金工样本指数未来一个月的年化波动区间在21% - 31%之间，相较上周略有上升。
• 中小板股票和成长类指数风险较高，而大盘股和价值类指数风险较低。
• 风险预测基于多因子模型，对共同风险和特质风险进行估计，结合成分股权重计算波动情况。

6. 指数成分收益归因

• 表现较好的指数在因子暴露度上呈现不同的风格特征，如高Beta、中小盘、成长等。
• 表现较差的指数则更倾向于大盘、价值等因子。
• 通过因子暴露度分析，可以识别不同指数在市场风格中的位置。

结论

• 异常值处理是构建多因子模型的重要步骤，对模型结果有显著影响。
• 对于财务类数据，中位数去极值法和箱形图法更为稳健。
• 分位数回归方法在处理异常值方面具有优势，适用于非正态分布数据。
• 市场风格和风险预测为投资者提供了重要的参考，但需注意历史数据不能完全代表未来。
• 本系列报告致力于从量化角度分析市场风格，为投资者提供实用的研究工具。

图表与数据说明

• 图1：单季度净利润同比增长率VS单季度营业收入同比增长率
• 图2：异常值处理的主要方法介绍
• 图3：箱形图处理方法示意图
• 图4：单季度净利润同比增长率散点图
• 图5：单季度净利润同比增长率因子异常值处理后对比图
• 图6：资产负债率因子散点图
• 图7：资产负债率因子异常值处理后对比图
• 图8：对数市值因子散点图
• 图9：对数市值因子异常值处理后对比图
• 图10：分位数回归与OLS回归结果对比
• 图11：上周主要指数收益（2019.3.8-2019.3.15）
• 图12：上周中信一级行业指数收益（2019.3.8-2019.3.15）
• 图13：近两周纯风格因子收益比较（2019.3.1-2019.3.15）
• 图14：最近一个月风格因子净值走势（2019.2.13-2019.3.15）
• 图15：最近一个月风格因子累计收益（2019.2.13-2019.3.15）
• 图16：财通金工样本指数未来一月波动预测（年化）（2019.3.15-2019.4.12）
• 图17：收益回归/风险预测样本股票占指数成分股比率
• 图18：上周表现最好三指数因子暴露度
• 图19：上周表现最差三指数因子暴露度

参考文献

1. The Barra Europe Equity Model (EUE3), Beat G.Briner, Rachael C.Smith, Paul Ward. 2009.6
2. Quantile Regression, Roger Koenker, Kevin F.Hallock. Journal of Economic Perspectives. 2001
3. 《综合评价中异常值的识别及无量纲化处理方法》，李伟伟，易平涛，李玲玉，《运筹与管理》，2018.4

附录

• 附录一：财通金工指数池选取
• 附录二：财通金工风格因子定义及计算方法

注：本报告由财通证券研究所发布，分析师陶勤英，联系人张宇。