金工专题报告：利用交易型alpha捕获低频模型短期收益-20190318-天风证券-16页_1mb

金融工程：利用交易型 alpha 捕获低频模型短期收益

核心内容

本文探讨了如何在低频指数增强模型中引入交易型 alpha 信息，以实现对短期收益的捕获。通过结合基本面指标与交易型 alpha 指标，构建了一种新的组合优化框架，提升了模型的超额收益能力。

主要观点

• Alpha 的时间宽度：

  • Alpha 因子具有其适宜的预测时间宽度。
  • 交易型 alpha 指标在短期内（如1-3天）对收益率预测能力较强，但衰减迅速。
  • 基本面 alpha 指标适用于长周期预测，衰减较慢。
  • 月频 alpha 模型主要依赖基本面因子，而交易型 alpha 模型则依赖短期价量数据。

• 风险模型构建：

  • 本文参考了 Barra 的 USE4 风险模型，对因子协方差矩阵和股票特质波动率进行了多步调整。
  • 包括 Newey-West 调整、特征因子风险调整、Volatility Regime 调整等步骤，以提高协方差矩阵的准确性。

• 月频指数增强模型：

  • 构建了中证500指数的月频增强模型，基于基本面指标。
  • 2010年以来年化超额收益为17.7%，信息比率为4.09。
  • 模型在约束 Size、Beta、Momentum、Residual Volatility、BTOP 等因子无偏的情况下运行。

• 交易型 alpha 的引入：

  • 使用24个交易型 alpha 指标构建短期交易模型。
  • 每月基于月频模型获得底仓，每隔3个交易日对持仓进行调整，替换 alpha 预测值较低的股票为较高 alpha 的股票。
  • 在保持组合风格暴露无偏的前提下，持续引入最新交易型 alpha 信息。

• 模型效果：

  • 引入交易型 alpha 后，组合超额收益显著提升，2010年以来年化超额收益达到23.4%，信息比率达到5.20。
  • 超额收益最大回撤为3.2%，其余年份回撤大多低于2%。

关键信息

1. Alpha 指标分类

• 基本面 alpha 指标：适用于长周期预测，如 SUE、EPTTM、ROE 等。
• 交易型 alpha 指标：适用于短周期预测，如 close-delay(close,5)、趋势因子、反转因子等。

2. 风险模型调整步骤

• 因子协方差矩阵：

  • Newey-West 调整；
  • 特征因子风险调整；
  • Volatility Regime 调整。

• 股票特质波动率：

  • Newey-West 调整；
  • 结构化调整；
  • 贝叶斯压缩；
  • Volatility Regime 调整。

3. 月频增强模型构建逻辑

• 选股因子：包括估值、成长、盈利、一致预期、规模、流动性、反转、波动等。
• 优化目标：最大化组合预期收益。
• 约束条件：
  • 组合风格无偏；
  • 跟踪误差小于5%；
  • 个股最大权重1.5%；
  • 组合相对基准指数最大权重偏离0.5%。

4. 交易型 alpha 引入机制

• 调仓频率：每隔3个交易日进行一次调仓。
• 调仓比例：每次替换当前持仓中 alpha 预测值较低的10%仓位。
• 调仓方式：保持组合风格暴露无偏，仅调整部分仓位以获取短期 alpha。

5. 模型绩效对比

总结

本文提出了一种将交易型 alpha 信息引入低频模型的新方法，以提高模型的短期收益捕获能力。通过构建结构化的风险模型，提升了协方差矩阵的估计精度，同时利用月频 alpha 模型作为底仓，结合交易型 alpha 的短期预测能力，实现组合的持续优化。结果显示，该方法在保持组合风格无偏的前提下，显著提升了超额收益与信息比率，为低频模型提供了新的增强思路。