多因子模型研究系列之十一：多因子模型的行业分类方法-20191230-渤海证券-29页_3mb

报告摘要

本报告旨在探讨多因子模型在不同行业中的适用性问题，通过K-Means聚类分析和因子分层回测两种方法，评估多因子模型在不同行业中的表现。

行业独立性分析：
- 银行行业在绝大多数因子中与其他行业无法归为一类，表现出极强的独立性。
- 非银金融行业也表现出较强的独立性，在3个因子中自成一类，在6个因子中与两个以下其他行业组成一类。
- 餐饮旅游、国防军工、石油石化、综合等行业在某些因子上也显示出独立性，但程度不如银行和非银金融。
- 其余行业独立性不显著。
多因子模型分层效果：
- 多因子模型在大部分行业中表现良好，但在银行、非银金融、有色金属、国防军工等行业中表现不佳。
- 银行行业的分层结果基本为反向，说明模型未能选出表现最好的标的。
- 非银金融、有色金属、国防军工等行业的分层效果也不理想。
- 餐饮旅游、通信、传媒、计算机、农林牧渔等行业则是近几年模型出现失效的行业。
行业中性处理的重要性：
- 无论是否去掉银行和非银金融行业，对因子进行行业中性处理后，模型的分层表现明显优于未做处理的模型。
- 这表明行业中性处理对提升模型在不同行业的适用性具有重要作用。
未来改进方向：
- 需要针对银行行业构建单独的多因子模型。
- 对其他行业如非银金融、国防军工、农林牧渔、TMT等进行模型调整和因子择时。

方法简介：K-Means是一种简单的迭代型聚类算法，使用距离作为相似性指标，将数据集划分为K个类。
评判标准：使用行业因子的历史RankIC序列作为聚类数据，RankIC衡量因子与未来收益的相关性。
聚类结果：
- 银行行业在46个因子中自成一类。
- 非银金融在3个因子中自成一类，在6个因子中与两个以下其他行业组成一类。
- 其他行业独立性不显著。

方法简介：使用多因子模型预测股票下一期收益，按预测收益排序，进行分层回测。
分层效果：
- 银行行业分层结果反向，模型失效。
- 非银金融、有色金属、国防军工等行业分层效果不佳。
- 餐饮旅游、通信、传媒、计算机、农林牧渔等行业分层效果近几年不佳。
行业中性处理：
- 无论是否去掉银行和非银金融行业，中性化处理后模型效果明显提升。

反转因子：包括RSTR_barra、RSTR_m24、RSTR_m12、RSTR_m6、RSTR_m3、RS_1、RS_3、RS_6、RS_12、Alpha、Size等。
流动性因子：包括STOM、STOQ、STOS、STOA、STOM_barra、STOQ_barra、STOA_barra、Ins、ins_c、MSM、MSQ、MSS、DASTD等。
波动率因子：包括CMRA、HSIGMA、Beta、yieldvol_1、yieldvol_3、yieldvol_6、VOL_1、VOL_3、VOL_6、VOL_12等。
成长因子：包括growth_ttm_or、growth_ttm_profit、qfa_yoysales_qq、qfa_yoynetprofit_qq、qfa_yoyocf_qq、qfa_yoyprofit_qq、qfa_roe_qq等。
价值因子：包括ETOP、BTOP、epcut、bp_If、ncfp、ocfp、dividendyield、stop1、stop2、ep_rel、bp_rel、PEG、EPIBS等。