20170927-安信证券-金融工程主题报告_纳入事件驱动的多因子选股策略_25页_1mb

2017年09月27日：事件驱动的多因子选股策略总结

核心内容

本报告旨在构建一个完整的事件驱动多因子选股体系，涵盖事件筛选、事件因子化、纯事件驱动策略以及事件与传统因子结合策略。通过回测分析，验证了多种策略的有效性，并提出了未来优化方向。

主要观点

• 事件效应的提纯：为了判断某事件是否具有事件效应，不能仅看绝对或超额收益，需提纯出“异常收益”。本报告采用**特征基准模型（CBBM）**进行异常收益提纯，因其在收益预测偏差和左右尾偏误方面表现更优。
• 事件分类：根据事件发生后个股收益的持续性，将事件分为收益类事件和风险类事件，并根据累计异常收益曲线和t值设置事件的有效期。
• 策略构建：构建了两种纯事件驱动策略（长期与短期），以及两种综合策略（多因子筛选后的事件驱动策略与纳入事件驱动的多因子策略），适应不同调仓需求。
• 回测表现：综合策略的平均年化收益率高于纯事件驱动策略，且信息比率更高，显示事件与传统因子结合可提升策略表现。
• 风险提示：模型依赖公开市场数据，若市场环境发生重大变化，策略可能失效。

关键信息

事件库构造

纯事件驱动策略

• 长期策略：不定时调仓，平均年化收益率为 37.9%，信息比率为 0.42，超额收益显著，但风险较大，最大回撤达 68.3%。
• 短期策略：设定最长持有期为20天，平均年化收益率为 36.5%，信息比率为 0.24，风险未减小，但回测表现略优。

纯多因子选股策略

• 回测区间为2007-2017年，平均年化收益率为 52%，信息比率为 0.81，平均超额收益率为 26.1%。

综合策略

1. 多因子筛选后的事件驱动策略：

   • 平均年化收益率为 49.8%，信息比率为 0.86。
   • 通过因子得分过滤，提升策略表现，但因子门槛为 50%，可进一步优化。

2. 纳入事件驱动的多因子策略：

   • 平均年化收益率为 54.7%，信息比率达到 0.96。
   • 通过将多个事件因子合成一个事件因子得分，使其更接近传统因子特征，提升策略表现。

回测评价

事件有效性分析

• 股权激励：累计异常收益为 2.6%，但部分年份（如2005、2008、2014、2016）事件效应为负。
• 业绩预增：累计异常收益为 3.3%，但2007、2014年出现异常回调。
• 业绩快报高于预期：累计异常收益为 4.6%，但2007、2009、2011、2014年效应不稳定。
• 公司型股东减持：累计异常收益为 -3.2%，主要在事件日后出现负收益。
• 快报同比亏损：累计异常收益为 -2.8%，事件效应稳定为负。
• 大幅下调盈利预测：累计异常收益为 -1.9%，事件效应稳定为负。
• 业绩预减：累计异常收益为 -5%，事件效应稳定为负。

策略优化建议

• 动态更新事件库和事件有效期，以适应市场环境变化。
• 加入组合权重优化，降低风险暴露和回撤。
• 优化事件因子化过程，提高事件因子的区分度和有效性。

风险提示

• 数据来源于公开市场，若市场环境发生巨大变化，模型可能失效。
• 策略未考虑组合权重优化，存在较大的风险暴露和回撤。
• 事件因子化过程不精细，未来可进一步优化事件因子定义和权重分配。

图表与数据

• 回测数据覆盖 2005/1/4 - 2017/5/31，时间跨度较长，有助于评估策略稳定性。
• 图表包括累计异常收益、t值、绝对收益、超额收益等，用于验证事件效应和策略表现。
• 表格展示各策略的年份表现，信息比率、最大回撤、年换手率等指标。

结论

本报告系统性地构建了事件驱动多因子选股体系，验证了事件因子在投资中的有效性，并通过结合传统因子进一步提升了策略表现。然而，策略仍存在可优化空间，包括动态更新事件库、优化因子权重、降低风险暴露等。未来需结合市场变化和策略表现进行持续调整和改进。