20180519-东北证券-2018东北证券金融工程中期策略报告_35页_2mb

2018 东北证券金融工程中期策略报告总结

核心内容

2018年上半年，A股市场风格从大市值、盈利风格迅速切换至小市值、成长风格。在存量资金博弈的背景下，传统价值洼地逐渐消失，成长风格成为市场主流。东北证券金融工程组通过主题投资、基本面分析因子和机器学习算法，探索量化投资的新方向，构建了多个因子组合，如DPRO、DAUPRO和PIFV，并展示了其在市场中的有效性。

主要观点

1. 主题投资：主题投资是获取beta收益的重要手段。通过提炼核心资产特征并应用量化方法筛选标的，能够有效捕捉市场风格变化，获取超额收益。
2. 基本面分析因子：
   • 绝对估值视角：基于红利贴现模型，构建了DPRO（净利润）和DAUPRO（增量净利率）因子，均表现出优于传统ROA指标的效果。
   • 相对估值视角：通过股票复制组合方法构建了PIFV因子，其表现也优于传统因子。
3. 机器学习算法：使用决策树、支持向量机、随机森林、AdaBoost、GBDT和XGBoost等模型，对价量指标进行分析，构建投资组合，结果显示随机森林与Boosting算法表现较好。

关键信息

2.1. 主题投资

• 核心资产组合在2017年表现优异，进入2018年仍优于沪深300指数。
• 通过量化方法筛选出最切合主题的标的，可以有效获取主题beta带来的收益。

2.3. 基本面分析因子

2.3.1. 红利贴现模型

• DPRO因子：基于净利润计算，其IC均值为7.13%，表现显著优于ROA因子。
• DAUPRO因子：基于增量净利率计算，其IC均值为2.97%，同样优于ROA。
• 回测结果：
  • DPRO多头组合年化收益率为35.78%，多空组合年化收益率为30.05%，表现优异。
  • DAUPRO多头组合年化收益率为27.40%，多空组合年化收益率为14.15%，表现良好。
  • PIFV因子IC均值为7.28%，多空组合年化收益率为26.24%，Sharpe值为2.441，表现出较好的有效性。

2.3.2. 股票复制组合

• PIFV因子通过可比公司合成，计算偏离度，表现优于传统因子。
• 回测结果表明，PIFV因子在2017年表现较好，但近期波动较大。

2.4. ROE因子选股再探索

• 单季度ROE：表现最佳，IC均值为0.044，T统计量为6.381。
• 市值特征：剔除线性市值影响后，ROE因子在市值上没有暴露，且在不同行业表现有所差异。
• 行业特征：在剔除市值影响后，多个行业如医药、基础化工、机械等表现出显著的ROE因子效果。
• ROE与EP因子：两者分子和分母均为规模因子，但EP反映的是估值信息，ROE反映的是盈利信息，均具有较好的选股能力。

回测分析

DPRO因子

• IC均值：7.13%，显著优于ROA。
• 回测结果：
  • G10组年化收益率35.78%，波动率36.82%，最大回撤66.35%，Sharpe值0.972。
  • 多空组合年化收益率30.05%，波动率13.14%，Sharpe值2.288。

DAUPRO因子

• IC均值：2.97%，优于ROA。
• 回测结果：
  • G10组年化收益率27.40%，波动率37.39%，最大回撤68.19%，Sharpe值0.733。
  • 多空组合年化收益率14.15%，波动率13.78%，Sharpe值1.027。

PIFV因子

• IC均值：7.28%，显著优于传统因子。
• 回测结果：
  • G10组年化收益率35.43%，波动率38.99%，最大回撤65.95%，Sharpe值0.909。
  • 多空组合年化收益率26.24%，波动率10.75%，最大回撤9.14%，Sharpe值2.441。

回归分析与因子有效性

• 市值回归：通过市值回归分析，可以有效剔除市值对因子表现的影响。
• 行业中性：在行业中性处理后，因子的区分度和有效性显著提高。
• 因子衰减性：单季度ROE因子表现优于季报和TTM，信息价值随时间衰减。

总结与展望

• 传统量化方法在当前市场环境下依然有效，但需结合行业和市值进行优化。
• 机器学习算法在因子构建中展现出潜力，未来可进一步拓展。
• 东北证券金融工程组将继续深入研究量化基本面、主题投资、分行业量化以及机器学习投资，为市场提供更有效的研究成果。