20180128-招商证券-因子模型系列之三_盈利类单因子有效性考察_65页_8mb
报告摘要
盈利类单因子有效性考察专题报告总结
核心内容概述
本报告旨在对盈利类单因子进行有效性考察,以支持构建多因子模型。通过对单因子进行单调性测试、卡方独立性检验、单期与累积收益估计、t统计量走势、波动量能走势及同向波动持续月份统计,评估因子对超额收益的解释能力。测试范围涵盖多个指数,包括中证500、沪深300和上证50,以及多个盈利相关因子,如毛利率、净利润现金含量、ROE、财务费用率等。
主要观点
- 单调性测试:通过分层组合累积收益图,可以直观检验因子收益的相关性和单调性,作为线性回归方法的辅助工具。
- 独立性检验:采用卡方独立性检验,用于评估因子超额暴露与超额收益之间的相关性。统计量越小,说明相关性越强。
- 有效估计取值范围:根据 $\chi^2$ 统计量的分布,筛选出具有较强相关性的因子取值范围,用于后续的模型构建。
- 单因子收益估计:分别使用WLS和OLS方法对因子收益进行估计,并计算多个统计指标,如t统计量、因子收益均值、波动率、Sharpe值、截距项均值和 $R^2$ 均值,以评估因子的有效性。
- 波动量能走势:用于衡量因子对超额收益的贡献程度,是因子入选多因子模型的重要依据。
- 同向波动持续性:通过统计因子同向波动持续月份,评估因子的动量持续性。
关键信息
数据来源与处理
- 数据来源:Wind数据库(Filesync)
- 数据处理:
- 提取基础数据而非直接指标数值
- 数据窗口从2007年1月15日开始
- 第一个可用估计截面为2007年4月30日
- 以季度频率更新财务数据
- 剔除不符合计算条件的个股数据(如新股上市10日内、ST股等)
测试方法
- 分层组合:按因子超额暴露的分位点(80%、60%、40%、20%)切割,构建5组等权重组合,计算累积超额收益。
- 卡方独立性检验:用于检验因子超额暴露与超额收益之间的独立性,统计量越小,相关性越强。
- WLS与OLS:用于估计因子收益,WLS用于克服截面异方差。
测试指标
- t统计量绝对值均值:衡量因子收益的显著性
- t统计量绝对值大于2的截面占比:衡量因子收益的稳定性
- 因子收益均值:衡量因子的平均收益表现
- 因子收益波动率(年化):衡量因子收益的波动程度
- Sharpe值:衡量风险调整后的收益
- 截距项均值:衡量模型的无风险收益
- $R^2$ 均值:衡量因子对超额收益的解释能力
盈利类因子测试结果
1. 毛利率(Prof_gro_rat)
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-33.41%、-37.97%、-43.00%、-48.17%、-57.12%
- 沪深300:组合1至组合5的累积超额收益分别为-14.67%、-19.73%、-26.76%、-32.96%、-43.70%
- 上证50:组合1至组合5的累积超额收益分别为-21.60%、-26.27%、-32.82%、-38.26%、-47.50%
- $\chi^2$ 统计量:
- 中证500:最大值70%,最小值10%,平均值49%,标准差13%,众数55%
- 沪深300:最大值70%,最小值10%,平均值50%,标准差12%,众数55%
- 上证50:最大值70%,最小值10%,平均值49%,标准差13%,众数55%
- 收益估计:
- WLS:t统计量绝对值均值1.6321,t统计量绝对值大于2占比30.47%,因子收益均值0.30%,波动率6.74%,Sharpe值0.5324,截距项均值0.01%,$R^2$ 均值0.0036
- OLS:t统计量绝对值均值1.6181,t统计量绝对值大于2占比30.47%,因子收益均值0.27%,波动率7.25%,Sharpe值0.4452,截距项均值-0.42%,$R^2$ 均值0.0034
2. 净利润现金含量(Prof_netpro_cash)
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-35.37%、-36.20%、-33.83%、-42.86%、-54.83%
- 沪深300:组合1至组合5的累积超额收益分别为-15.35%、-16.94%、-14.38%、-26.18%、-41.85%
- 上证50:组合1至组合5的累积超额收益分别为-21.14%、-23.42%、-21.16%、-31.76%、-46.50%
- $\chi^2$ 统计量:
- 中证500:最大值75%,最小值15%,平均值46%,标准差13%,众数55%
- 沪深300:最大值75%,最小值10%,平均值46%,标准差14%,众数50%
- 上证50:最大值75%,最小值10%,平均值46%,标准差13%,众数50%
- 收益估计:
- WLS:t统计量绝对值均值1.2812,t统计量绝对值大于2占比21.88%,因子收益均值0.13%,波动率6.24%,Sharpe值0.2546,截距项均值0.04%,$R^2$ 均值0.0027
- OLS:t统计量绝对值均值1.1546,t统计量绝对值大于2占比17.19%,因子收益均值0.20%,波动率6.13%,Sharpe值0.3987,截距项均值-0.37%,$R^2$ 均值0.0022
3. ROE(Prof_roe_cal)
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-10.64%、-20.76%、-32.88%、-44.83%、-49.84%
- 沪深300:组合1至组合5的累积超额收益分别为26.95%、10.23%、-7.08%、-23.72%、-30.69%
- 上证50:组合1至组合5的累积超额收益分别为29.39%、10.95%、-6.94%、-23.63%、-30.53%
- $\chi^2$ 统计量:
- 中证500:最大值70%,最小值10%,平均值47%,标准差15%,众数55%
- 沪深300:最大值70%,最小值10%,平均值47%,标准差14%,众数55%
- 上证50:最大值70%,最小值10%,平均值47%,标准差14%,众数55%
- 收益估计:
- WLS:t统计量绝对值均值1.5341,t统计量绝对值大于2占比29.91%,因子收益均值0.34%,波动率7.19%,Sharpe值0.5629,截距项均值0.07%,$R^2$ 均值0.0041
- OLS:t统计量绝对值均值1.3943,t统计量绝对值大于2占比24.79%,因子收益均值0.48%,波动率7.38%,Sharpe值0.7782,截距项均值-0.31%,$R^2$ 均值0.0036
4. 财务费用率(Prof_finexptogr)
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-35.37%、-36.20%、-33.83%、-42.86%、-54.83%
- 沪深300:组合1至组合5的累积超额收益分别为-15.35%、-16.94%、-14.38%、-26.18%、-41.85%
- 上证50:组合1至组合5的累积超额收益分别为-21.14%、-23.42%、-21.16%、-31.76%、-46.50%
- $\chi^2$ 统计量:
- 中证500:最大值70%,最小值10%,平均值47%,标准差15%,众数55%
- 沪深300:最大值70%,最小值10%,平均值47%,标准差14%,众数55%
- 上证50:最大值70%,最小值10%,平均值47%,标准差14%,众数55%
- 收益估计:
- WLS:t统计量绝对值均值1.5341,t统计量绝对值大于2占比29.91%,因子收益均值0.34%,波动率7.19%,Sharpe值0.5629,截距项均值0.07%,$R^2$ 均值0.0041
- OLS:t统计量绝对值均值1.3943,t统计量绝对值大于2占比24.79%,因子收益均值0.48%,波动率7.38%,Sharpe值0.7782,截距项均值-0.31%,$R^2$ 均值0.0036
结论
- 盈利类因子在不同指数中表现出一定的有效性,但其表现存在差异。
- $\chi^2$ 统计量用于评估因子与超额收益之间的相关性,其值越小,相关性越强。
- WLS和OLS方法在因子收益估计中各有优势,WLS能更好地处理截面异方差问题。
- 各因子的波动量能走势和同向波动持续性统计是评估其入选多因子模型的重要依据。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载