20220812-天风证券-金融工程_常见选股策略的收益特征及其对多因子策略的增强_13页_1mb

金融工程：常见选股策略的收益特征及其对多因子策略的增强

核心内容

本报告探讨了常见选股策略的收益来源及其对多因子策略的增强效果。通过引入股票风险模型，分析了选股策略在行业、风格和特质收益上的贡献，揭示了其在组合优化中的应用价值。

主要观点

• 特质收益是稳定来源：选股策略的特质收益在长期中表现出较高的稳定性，而行业和风格收益虽然为正，但缺乏持续性。
• 风险收益影响策略相关性：策略之间的相关性主要来源于行业和风格收益，剥离风险收益后，策略之间的相关性显著下降。
• “股票-策略”联合优化：通过将选股策略视为独立的风险资产，结合股票多因子模型，可以更有效地进行“均值-方差”优化，提升组合的超额收益和信息比率。
• 优化方法的实证效果：将选股策略与多因子模型结合后，策略的年化超额收益从16.5%提升至19.3%，信息比率从3.5提高至4.5。

关键信息

1. 选股策略分类

• 财务估值类：包括“估值-盈利”、“估值-成长”、“戴维斯双击”策略。
• 分析师类：包括“分析师调整”、“分析师超预期”、“分析师领先”策略。
• 券商金股类：基于每月券商金股数据构建组合。
• 北向资金类：基于北向资金覆盖的股票构建组合。
• 股权激励类：包括“基于目标增长率”和“基于人员分配结构”策略。

2. 策略风格分布特征

• 行业与风格暴露：大多数策略偏向中小市值和高估值，仅北向资金和券商金股在动量因子上暴露度较高。
• 中证500暴露度：所有策略在中证500成分股上的暴露度均较低，说明它们不适合用于成分股受限的指数增强策略。

3. 策略收益分解

• 特质收益：所有策略的主要收益来源为特质收益，其夏普率普遍较高。
• 行业与风格收益：行业和风格收益虽然为正，但稳定性较差，夏普率普遍低于2.0。
• 相关性分析：策略之间的特质收益相关性较低，但部分策略（如PB类和激励类）存在较高相关性，提示可能需要合并构建。

4. 多因子模型与基准策略

• 基准策略：基于多因子模型构建，以中证500指数为基准。
• 优化条件：
  • 行业偏离度不超过1%。
  • 风格偏离度不超过20%。
  • 个股权重上限为0.75%。
  • 年化换手率为6倍。
• 历史表现：
  • 全样本年化超额收益为16.5%。
  • 信息比为3.5。
  • 2017年至2019年超额收益表现较好，但2020年后波动较大。

5. “股票-策略”联合优化法

• 均值估计：股票端使用多因子模型预测月度收益，策略端使用样本内的特质收益均值。
• 协方差矩阵：通过股票的风险模型和策略在股票上的权重推导“股票-策略”之间的协方差。
• 优化条件：
  • 股票和策略的权重限制条件需结合使用。
  • 策略权重下界设定为1%，以避免优化问题不可行。
• 实证效果：
  • 年化超额收益从16.5%提升至19.3%。
  • 信息比率从3.5提升至4.5。
  • 选股策略在组合中的权重占比长期稳定，基本维持在50%左右。

实证结果

• 权重时序图：图1显示了选股策略在优化组合中的权重变化，图2展示了各策略在最近三年的平均权重。
• 策略权重稳定：尽管存在行业和风格限制，各策略的权重长期保持稳定，未出现大幅波动。
• 策略收益提升：联合优化后，策略的绝对收益和超额收益均有所提升，同时跟踪误差下降，信息比率显著提高。

风险提示

• 模型失效风险：基于历史数据的模型可能在新市场环境下失效。
• 因子失效风险：部分因子可能随市场变化而失效。
• 市场环境变化风险：市场环境变化可能影响策略的有效性。

作者信息

• 分析师：祇飞跃，SAC执业证书编号：S1110520120001，邮箱：difeiyue@tfzq.com。
• 联系人：姚远超，邮箱：yaoyuanchao@tfzq.com。

相关报告

1. 《金融工程：事件研究：基于股权激励方案特征的选股方法》（2021-09-10）
2. 《金融工程：组合交易策略研究：快慢因子整合和多期优化》（2021-05-12）
3. 《金融工程：利用公司公告时的市场反应构建股票收益预测模型》（2021-02-02）