因子体系（二）：从收益归因到因子择时-20200602-长江证券-23页_1mb

选股模型总结

核心内容

本报告主要探讨了多因子模型在选股中的应用，特别是风格因子与行业因子的构建方式、归因体系以及择时策略。重点分析了纯因子模型与Fama因子模型在因子收益构建和归因上的异同，以及因子择时体系在实际应用中的局限性。

主要观点

1. 因子收益构建体系

• 风格因子：构建方式是根据因子大小，做多较大因子个股，做空较小因子个股。纯因子模型直接通过因子暴露计算因子收益，而Fama因子模型通过分层分组构建多空组合，剥离其他因子的影响。
• 行业因子：构建方式是根据个股所属行业，做多该行业个股，做空市场基准。纯因子模型使用哑变量和线性回归，而Fama因子模型通过分层分组方式构建多空组合。
• 风格与行业信息交叉：两类因子在解释个股收益时信息重合较少，其中金融板块在风格暴露上具有明显倾向。

2. 因子归因体系

• 归因结果由因子收益与暴露共同决定，暴露是因子对个股或组合的单位影响。
• 纯因子与Fama因子体系在因子收益上具有较高相关性，但暴露误差较大，纯因子暴露变动较小，Fama因子暴露波动较大。
• 两类体系对收益来源的解释较为相近，主要因素多为具有较强解释力的因子。

3. 因子择时体系

• 因子 spread：通过加杠杆方式增强因子收益，但无法预测单位因子表现。
• 因子 crowd：基于估值因子的拥挤程度，通过动量或反转效应调整因子配置，但纯因子体系中，除估值因子外，其余因子无法给出信号。
• 两种择时体系均未有效预测单位因子表现，仅能通过组合配置进行增强。

关键信息

因子收益构建

• 风格因子：纯因子模型以因子暴露为基础构建组合，Fama模型以分层分组构建多空组合。
• 行业因子：纯因子模型使用哑变量构建，Fama模型以行业是否属于该行业为标准构建多空组合。
• 因子收益与暴露：纯因子体系和Fama因子体系在因子收益上高度相关，但在暴露上存在差异。

因子归因

• 归因结果：由因子收益和暴露共同决定，两个体系在解释能力较强时，归因结果相近。
• 相关性分析：纯因子与Fama因子在风格因子上的归因结果具有较高相关性，其中规模和价值因子对收益解释能力较强。
• 误差分析：体系解释能力越强，归因误差越小。

因子择时

• 因子 spread：通过加杠杆方式提升因子收益，但存在回撤风险。
• 因子 crowd：基于因子拥挤程度进行择时，但纯因子体系中除估值因子外，其余因子无法给出信号。
• 择时局限：两种体系均未提供对单位因子表现的预测，仅能通过组合配置增强收益。

结构总结

因子收益构建

• 风格因子收益构建：以因子大小为基础，构建多空组合。
• 行业因子收益构建：以行业归属为基础，构建行业相对于市场的组合。
• 纯因子与Fama因子构建方式：纯因子体系从暴露出发构建因子收益，Fama体系从因子大小出发构建多空组合。

因子归因

• 归因结果由因子收益和暴露共同决定。
• 纯因子与Fama因子在归因结果上具有一定的相似性，尤其在主要解释因子上。
• 纯因子体系暴露变动较小，Fama体系暴露波动较大。

因子择时

• 因子 spread：通过杠杆效应增强因子收益，但无法预测因子表现。
• 因子 crowd：基于估值因子的拥挤程度进行择时，但仅在估值因子上等同于因子 spread。
• 两种择时体系均未有效预测单位因子表现，仅能通过组合配置进行增强。

体系归一

• 如果因子之间无线性关系，则纯因子和Fama因子体系的解释结果一致。
• 主要解释因子对收益解释能力强，因此两种体系归因结果较为相近。

风险提示

• 模型存在失效风险；
• 历史数据不能保证未来收益。

投资评级说明

• 行业评级：看好、中性、看淡；
• 公司评级：买入、增持、中性、减持、无投资评级；
• 相关指数：沪深300指数、创业板指、恒生指数等。

联系我们

• 上海：浦东新区世纪大道1198号世纪汇广场一座29层；
• 武汉：武汉市新华路特8号长江证券大厦11楼；
• 北京：西城区金融街33号通泰大厦15层；
• 深圳：深圳市福田区中心四路1号嘉里建设广场3期36楼。

分析师声明

• 本报告基于作者的职业理解，清晰准确地反映了其研究观点；
• 报告内容不包含对证券价格涨跌或市场走势的确定性判断；
• 报告版权为本公司所有，未经书面许可，不得翻版、复制和发布。

图表目录

• 图1：纯因子风格因子收益净值
• 图2：Fama因子风格因子收益净值
• 图3：食品饮料行业因子收益净值
• 图4：银行行业因子收益净值
• 图5：行业各风格平均暴露
• 图6：风格和行业信息重合部分
• 图7：沪深300不同体系流动性因子暴露
• 图8：沪深300不同体系二次方市值因子暴露
• 图9：创业板指不同体系规模因子暴露
• 图10：创业板指不同体系二次方市值因子暴露
• 图11：沪深300不同体系规模因子归因
• 图12：沪深300不同体系盈利因子归因
• 图13：创业板指不同体系价值因子归因
• 图14：创业板指不同体系流动性因子归因
• 图15：沪深300不同体系暴露百分比
• 图16：创业板指不同体系暴露百分比
• 图17：沪深300不同体系收益归因百分比
• 图18：创业板指不同体系收益归因百分比
• 图19：沪深300相对创业板指不同体系收益归因百分比
• 图20：沪深300相对创业板指不同体系规模因子暴露
• 图21：沪深300相对创业板指不同体系价值因子暴露
• 图22：沪深300相对创业板指不同体系规模因子收益归因
• 图23：沪深300相对创业板指不同体系价值因子收益归因
• 图24：不同体系市值因子净值走势

表格目录

• 表1：不同体系风格因子相关性
• 表2：不同体系行业因子相关性
• 表3：纯因子模型风格、行业因子解释能力
• 表4：加入行业因子前后风格因子 Fama-Macbeth 回归结果
• 表5：不同体系沪深300和创业板指风格因子暴露相关性
• 表6：不同体系沪深300和创业板指风格因子归因相关性
• 表7：不同体系市值因子相关性
• 表8：因子 spread 和因子收益相关性
• 表9：收益解释的百分比误差相关性