因子周期研究系列之一：因子收益率的周期性研究初探-20180605-华泰证券-25页-2mb

金工研究：因子周期性与华泰三因子模型匹配性分析

核心内容概述

本报告是华泰证券金工研究系列的一部分，旨在探索因子在去趋势后的累积收益率是否具有周期性，并分析其与华泰周期三因子模型的匹配程度。通过周期性分析，研究者试图识别因子未来表现的规律性，从而为因子择时提供依据。

主要观点

1. 因子累积收益率具有周期性
   多数因子的累积收益率在去趋势后表现出周期性波动，这表明因子的表现可能受到宏观经济周期的影响。

2. 华泰周期三因子模型
   华泰周期研究发现，全球主要资产价格和宏观变量存在42个月、100个月、200个月的周期信号，与基钦周期、朱格拉周期、库兹涅茨周期相对应。基于此，提出了华泰周期三因子模型，用于解释资产价格和宏观数据走势。

3. 周期性与因子择时的结合
   因子择时可以纳入华泰周期模型框架，利用周期信号对因子未来表现进行预测，从而优化因子配置策略。

4. 因子周期长度主要为长周期
   去趋势后的因子累积收益率在频谱上表现出以200个月和100个月为主导的周期性，表明因子表现主要由长周期驱动。

5. 三因子回归效果显著
   三因子回归的拟合优度普遍较高，表明大部分因子的表现可以被华泰三周期模型解释。

关键信息

因子去趋势后的表现

• 去趋势处理：通过将累积因子收益率对时间项进行回归，去除线性趋势，保留周期波动。
• 周期性识别：使用傅里叶变换和MUSIC算法对去趋势后的累积因子收益率进行频谱分析，发现其主要能量集中在100个月和200个月附近。
• 周期波动规律：残差图显示了明显的周期波动，表明因子未来表现具有一定的可预测性。

华泰三因子模型

• 模型结构：使用42个月、100个月、200个月周期作为三因子，构建回归模型以解释因子表现。
• 模型效果：三因子回归的拟合优度在70个因子中有60个超过0.5，说明模型对因子表现具有较好的解释能力。
• 周期与因子表现关系：因子对系统性周期的回归系数显著，表明宏观周期对因子表现有明显影响。

因子分类与特性

• 收益因子与风险因子：拟合优度高的因子倾向于为收益因子，具有较好的可预测性；拟合优度低的因子可能为风险因子，其表现更受随机因素影响。
• 周期性分类：根据因子对周期的反应方向，可将其分为正向周期性因子和负向周期性因子。

因子周期性分析

去趋势后的波动来源

• 波动性非随机：多数因子去趋势后的波动具有一定的规律性，说明其背后存在系统性周期的影响。
• 波动与经济周期相关：因子波动与经济周期存在一定的吻合，表明经济系统的周期性在因子表现中有所体现。

频谱与周期长度

• 频谱特征：因子去趋势后的累积收益率频谱能量集中在长周期上，表明其主要受长周期驱动。
• MUSIC算法验证：通过MUSIC算法提取共同周期，发现因子周期集中在80-90个月和200个月附近。

回归分析与结果

三因子回归

• 三因子回归R²：70个因子中有60个的三因子回归R²在0.5以上，说明模型解释能力较强。
• 单因子回归R²：42个月周期的单因子回归R²普遍较低，说明其对因子表现影响较小；而100个月和200个月周期的单因子回归R²较高，说明是主要驱动力。

代表性因子分析

• Rating_change：R²为0.9927，去趋势后波动无明显规律，属于高线性表现的收益因子。
• Exp_wgt_return_3m：R²为0.9908，但去趋势后波动具有明显的周期性。
• ROE_q：R²为0.7188，去趋势后波动表现出与市值因子相反的趋势，说明因子之间存在相互关联。

结论与意义

• 因子择时的可行性：因子表现具有周期性，因此可以通过周期模型进行择时，提升投资收益。
• 全样本研究价值：全样本分析有助于发现因子表现的长期规律，提高策略开发效率。
• 风险提示：文中结论基于历史数据，可能在未来失效，需谨慎使用。

图表目录

• 图表1: 华泰周期研究基本流程
• 图表2: 全球主要经济金融数据共同周期能量分布
• 图表3: 美元汇率共同频谱
• 图表4: 周期系列研究回顾
• 图表5: 系统性周期的状态
• 图表6: BP因子收益率
• 图表7: 市值因子收益率
• 图表8: BP因子累积收益率
• 图表9: 市值因子累积收益率
• 图表10: Rating_change因子累积收益率
• 图表11: Financial_leverage因子累积收益率
• 图表12: 因子累积收益率对时间项回归后统计量
• 图表13: Exp_wgt_return_3m因子累积收益率
• 图表14: Exp_wgt_return_3m去趋势后的累积因子收益率（残差图）
• 图表15: Return_12m因子累积收益率
• 图表16: Return_12m去趋势后的累积因子收益率（残差图）
• 图表17: EP因子去趋势后的累积收益率
• 图表18: ROE_q因子去趋势后的累积收益率
• 图表19: BP因子去趋势后的累积收益率
• 图表20: Ln_capital因子去趋势后的累积收益率
• 图表21: DP因子去趋势后的累积收益率
• 图表22: Assetturnover_q因子去趋势后的累积收益率
• 图表23: Rating_change去趋势后的累积因子收益率（残差图）
• 图表24: Beta因子去趋势后的累积因子收益率（残差图）
• 图表25: In_capital因子累积收益率去趋势后频谱
• 图表26: BP因子累积收益率去趋势后频谱
• 图表27: DP因子累积收益率去趋势后频谱
• 图表28: EP因子累积收益率去趋势后频谱
• 图表29: Return_1m因子累积收益率去趋势后频谱
• 图表30: Std_1m因子累积收益率去趋势后频谱
• 图表31: Profit_G_q因子累积收益率去趋势后频谱
• 图表32: ROE_q因子累积收益率去趋势后频谱
• 图表33: MUSIC共同谱峰-98年开始-23个因子
• 图表34: MUSIC共同谱峰-02年开始-70个因子
• 图表35: 自身信号的三因子回归指标
• 图表36: Debtequity ratio因子去趋势收益与回归拟合
• 图表37: Debtequity ratio因子去趋势收益自身三周期
• 图表38: DP因子去趋势收益与回归拟合
• 图表39: DP因子去趋势收益自身三周期
• 图表40: Ln_capital因子去趋势收益与回归拟合
• 图表41: Ln_capital因子去趋势收益自身三周期
• 图表42: 针对系统性回归的回归指标
• 图表43: 根据受周期影响的正负对因子分类
• 图表44: 98年4月开始有数据的因子
• 图表45: 选股模型中涉及的全部因子及其描述

附录信息

• 正态性检验：Shapiro-Wilk检验用于判断去趋势后的因子累积收益率是否具有正态性。
• 因子计算方法：详见附录，部分因子如rating_change、IVR_FF3factor_3m等为高拟合优度因子。
• 研究数据范围：涵盖1998年4月至2002年后的数据，通过两次MUSIC算法提取周期，验证长周期的显著性。

风险提示

文中结论基于历史数据，可能在未来失效，因此在实际应用中需注意模型的适应性与有效性。