20220117-华安证券-_学海拾珠_系列之七十六_主成分分析法下的股票横截面定价因子模型_18页_1mb

报告摘要

主成分分析法下的股票横截面定价因子模型总结

核心内容

本文介绍了通过主成分分析法（PCA）从股票收益中提取公共定价因子的新方法，提出了一种名为“水平、斜度和曲线”因子模型（LSC）。该模型通过两个步骤构建：首先，利用Fama MacBeth回归对股票进行预期收益排序并构造投资组合；其次，通过PCA提取这些投资组合的公共因子，从而更深入地理解股票特征因子在横截面定价中的联动效应。

主要观点

LSC因子模型的构建方法：
1. 第一阶段：使用多个股票收益预测因子（如公司规模、账面市值比、动量等）进行横截面回归，以预测每只股票未来一个月的收益，并据此对股票进行排序，构造25个投资组合。
2. 第二阶段：对这些排序后的投资组合进行主成分分析，提取前三大主成分，分别命名为“水平”、“斜度”和“曲线”因子。
因子命名与含义：
- 水平因子：类似于市场投资组合，与市场指数的相关系数为0.95，代表股票价格的整体联动。
- 斜度因子：捕捉预期收益从低到高的股票之间的反向变动，类似于传统因子如HML、SMB等。
- 曲线因子：捕捉极端股票价格的同向变动，表明预期收益处于中间的股票表现更优，而极低或极高预期收益的股票表现较差。
模型优势：
LSC模型在横截面收益解释方面优于主流因子模型（如CAPM、Fama和French三因子、五因子、q因子模型等）。其未捕捉到的平均alpha绝对值更低，且能解释更多的平均收益变化。此外，该模型在样本外测试中表现稳健，夏普比率优于主流模型。

关键信息

因子数量的确定：通过多个检验统计量（BIC1、BIC2、BIC3）发现，前三个主成分足以解释大部分收益变化，其中第一个因子解释了73.8%的方差，第二个解释了9.16%，第三个解释了3.05%。
因子与主流因子的相关性：
- LSC模型的水平因子与SMB、MKT等因子高度相关。
- 斜度因子与动量因子（MOM）高度相关，相关性达0.77。
- 曲线因子与其他因子（如HML、SMB、MOM等）相关性较低，表现出独特的收益模式。
资产定价检验结果：
- LSC模型在时间序列回归中平均R²达到86%，显著高于Fama和French三因子模型（12%）和五因子模型（21%）。
- 平均绝对alpha显著降低，表明模型更有效地捕捉了预期收益的变动。
- 在样本外测试中，LSC模型的夏普比率（Sh - Split和Sh - Rolling）优于主流模型。

与主流模型的比较

与Fama和French三因子模型的比较：
- LSC模型在119个测试组合中表现更优，平均绝对alpha为15个基点，而Fama和French三因子模型为21个基点。
- 在动量投资组合中，LSC模型能更好地解释收益差异，而Fama和French三因子模型则无法有效解释动量效应。
与主流因子模型的比较：
- LSC模型在样本内和样本外测试中均优于Fama和French的三因子、五因子、六因子模型。
- 在滚动窗口测试中，LSC模型的夏普比率（0.27）优于Fama和French模型（0.22）。
- Hou等人的四因子模型在部分测试中表现与LSC模型相当，但在滚动窗口测试中表现较弱。