20181023-招商证券-因子模型系列之十一_因子筛选与投资组合构建_17页_1mb

报告摘要

本报告主要探讨了因子模型的构建方法，包括因子筛选、量化精选以及投资组合的构建策略。重点分析了在A股市场中，如何通过因子模型对超额收益进行有效解释，并采用不同方法构建投资组合。

因子筛选：
- 初步筛选出16个有影响力的因子，依据包括因子间相关性、波动量能、累积收益、夏普值及经济学逻辑。
- 筛选过程中，尽量避免高相关性因子同时入选，确保模型解释力不重叠。
因子量化精选：
- 在16个因子基础上，通过最大化模型整体解释能力，最终选定4个因子：A股流通市值对数、BP、3个月股价动量（反转）以及HIGH/LOW（2个月）。
- 通过两因子、三因子和四因子模型的R²指标比较，发现随着因子数量增加，边际解释能力迅速下降，因此选定4个因子即可。
逐层增量解释：
- 通过逐层回归方法，剥离各因子对超额收益的贡献，使得因子解释能力更加清晰。
- 该方法能有效识别因子之间的增量解释信息，为后续因子调整提供依据。
投资组合构建方法：
- 提出了三种构建投资组合的方法：纯因子法、Barra的纯因子组合法和二次规划法。
- 纯因子法通过加权最小二乘回归确定个股权重，确保各因子暴露度符合预期。
- 二次规划法在因子暴露的基础上，优化换手率等交易成本，更具灵活性。

因子筛选依据：
- 避免高相关性因子同时入选。
- 重视波动量能、累积收益、夏普值及经济学逻辑。
选定因子：
- A股流通市值对数（规模类）
- BP（估值类）
- 3个月股价动量（反转）（技术指标类）
- HIGH/LOW（2个月）（波动类）
投资组合构建方法：
- 纯因子组合法：
  - 通过加权最小二乘法求解个股权重。
  - 确保在目标因子上暴露度为1，其他因子暴露度接近于0。
  - 示例中，A股流通市值对数因子暴露为-0.3，其他因子暴露为0。
  - 受限于市场条件，实际操作中暴露度不能完全达到理论值。
- 二次规划法：
  - 更具灵活性，允许因子暴露在一定范围内变动。
  - 通过设置目标暴露区间和优化换手率，减少交易成本。
  - 示例中，A股流通市值对数因子暴露在[-0.5, -0.3]之间，其他因子有方向性约束。
模型有效性：
- 4因子模型在整体解释能力上优于更多因子模型。
- 逐层增量解释方法能有效划分各因子对超额收益的贡献，提高模型的解释力和实用性。
应用实例：
- 以中证500成分股为例，展示了纯因子组合和二次规划组合的权重分布。
- 纯因子组合权重集中在少数股票上，二次规划组合则更为广泛。