金融工程主题报告：纳入事件驱动的多因子选股策略-20170927-安信证券-25页-2mb

报告摘要

文档内容总结

核心内容

本报告旨在构建一个事件驱动多因子选股体系，涵盖事件筛选、事件因子化、纯事件驱动策略以及将事件驱动与传统多因子模型结合的综合策略。该体系通过识别具有持续性收益或风险的事件，提取其异常收益，并将其作为因子纳入选股模型，从而提升策略的收益表现。

主要观点

事件效应的识别：
- 事件效应不能仅通过观察事件发生后的绝对收益或超额收益判断，需提纯出“异常收益”。
- 提纯方法包括风险因子分解和特征基准模型（CBBM），其中CBBM因分解效率高、准确性好而被选用。
事件分类与有效期：
- 将事件分为收益类事件和风险类事件，并根据累计异常收益曲线和t值设置事件有效期。
- 事件库包括3个收益类事件（股权激励、业绩预增、业绩快报高于预期）和4个风险类事件（公司型股东减持、快报同比亏损、大幅下调盈利预测、业绩预减）。
纯事件驱动策略：
- 构建了长期事件驱动策略和短期事件驱动策略，均采用不定时调仓策略。
- 长期策略平均年化收益率为 37.9%，信息比率为 0.42。
- 短期策略平均年化收益率为 36.5%，信息比率为 0.24。
- 短期策略中考虑风险事件表现略优，但策略风险并未减小。
纯多因子选股策略：
- 采用技术、盈利、动量、价值、规模、质量等因子构建多因子模型。
- 回测期间（2007-2017）平均年化收益率为 52%，平均年化超额收益率为 26.1%，信息比率为 0.81。
综合策略：
- 提供了两种综合策略：多因子筛选后的事件驱动策略和纳入事件驱动的多因子策略。
- 多因子筛选后的事件驱动策略平均年化收益率为 49.8%，信息比率为 0.86。
- 纳入事件驱动的多因子策略平均年化收益率为 54.7%，信息比率为 0.96，事件贡献收益率为 2.7%。

关键信息

事件因子化：将事件状态视为0/1虚拟变量，根据事件有效期定义事件因子。
策略调仓频率：纯事件驱动策略为不定时调仓，综合策略为按月调仓。
风险与收益：纯事件驱动策略风险较大，信息比率不高；综合策略通过引入因子筛选和优化，提升了信息比率。
回测区间：所有策略均在 2007-2017 年间回测，均显著跑赢中证全指。
可改进之处：
- 应当动态更新事件库和有效期，以适应市场环境变化。
- 未考虑组合权重优化，导致风险暴露较大，回撤较高。
- 事件因子化过程不精细，未来可进一步细化事件指标（如业绩预增百分比）以提升策略效果。