20181228-中国银河-多因子系列_基于多因子框架的收益预测模型_14页_1mb

多因子系列：基于多因子框架的收益预测模型总结

核心内容

本报告聚焦于多因子模型的第二步——收益预测模型的构建与测试，旨在评估不同预测方法的有效性，以提高投资组合的收益预测能力。报告基于回归模型所得的日频因子收益率，构建了三种收益预测模型：收益移动均值模型、收益加权移动均值模型和残差模型，并对它们的分层能力、预测效果和适用性进行了分析。

主要观点

• 多因子模型框架：模型通过将因子在第 $t$ 期的暴露度与 $t + 1$ 期的股票收益进行线性回归，以获得因子收益率。模型假设股票收益可由行业收益、因子收益和残差收益三部分组成。

• 数据处理：

  • 缺失值处理：采用剔除或向前回溯值方法。
  • 数据对齐：使用上一自然日的数据，确保时效性。
  • 去极致处理：将极端值设为中位数，以减少异常值对模型的影响。
  • 标准化：对因子进行标准化处理，以消除量纲差异。

• 回归模型初步效果分析：

  • 通过调整R-square和IC值等指标验证模型的历史解释能力和预测能力。
  • 调整R-square均值为0.31，表明模型对历史数据具有一定的解释力。
  • IC值大多在1%-3%之间，说明模型具有方向预测性。

关键信息

收益预测模型分析

1. 收益移动均值模型：

   • 以日频因子收益的滚动均值作为预测值。
   • 分层能力强，适合短期数据。
   • 最佳预测窗口为3个交易日，年度超额收益最高可达50.9%。
   • 但对滚动窗口敏感性较高。

2. 收益加权移动均值模型：

   • 引入衰减系数，越新的数据权重越高。
   • 分层能力更强，对滚动窗口的敏感性降低。
   • 年度平均收益约为20%，超额收益较为平稳。
   • 适用于长期策略，具有较好的稳定性。

3. 残差模型：

   • 基于因子回归的残差收益进行预测。
   • 分层效果不明显，但可用于去除风险个股。
   • 残差收益的波动率、峰度、偏度等特征可能对策略优化有帮助。

策略模型效果

• 当股票池缩小至100只，且使用收益加权移动均值模型时，策略表现较为稳健。
• 年度超额收益平均在10%-24%之间，波动率相对较低，夏普比率和信息比率表现较好。

结论

• 三种收益预测模型在不同方面具有各自优势：
  • 收益移动均值模型适合短期预测，分层能力强。
  • 收益加权移动均值模型更稳定，分层能力更强，适合长期策略。
  • 残差模型更适合风险识别，有助于去除风险个股。
• 综合来看，收益加权移动均值模型在分层能力和预测稳定性上表现最优，平均年收益约为20%。
• 本报告结论基于历史数据，无法完全预测未来市场变化，需谨慎参考。

风险提示

• 本报告基于历史价格和统计规律，不保证对未来市场的预测准确性。
• 市场受即时性政策、突发事件等影响，可能偏离预测结果。
• 报告不构成投资建议，仅用于参考。

评级标准

• 行业评级：分为推荐、谨慎推荐、中性、回避，分别对应行业指数超越市场平均回报20%以上、10%-20%、相当、低于10%。
• 公司评级：分为推荐、谨慎推荐、中性、回避，分别对应公司股价超越分析师覆盖股票平均回报20%以上、10%-20%、相当、低于10%。

联系信息

• 分析师：黎鹏

  • 执业证书编号：S0130514070001
  • 联系方式：0755-83471683 / lipeng_yj@chinastock.com.cn

• 中国银河证券股份有限公司研究院

  • 深圳：深圳市福田区金田路3088号中洲大厦20层
  • 北京：北京市西城区金融街35号国际企业大厦C座
  • 上海：上海浦东新区富城路99号震旦大厦31楼
  • 公司网址：www.chinastock.com.cn