因子模型系列之九:技术指标类单因子有效性考察-20180202-招商证券-70页-6mb
报告摘要
技术指标类单因子有效性考察总结
核心内容
本报告是因子模型系列的第九篇,重点考察了技术指标类单因子的有效性。通过对因子的单调性测试、卡方独立性检验、单期与累积收益估计、t统计量走势、波动量能走势、同向波动持续月份统计等指标进行测试,分析了因子与超额收益之间的关系。报告还介绍了因子模型的基本框架,并对测试方法进行了说明。
主要观点
- 技术指标类因子在因子模型中具有一定的解释能力,但其有效性需通过多方面的测试来验证。
- 单因子测试流程包括数据提取与清洗、单调性测试、独立性检验、因子超额暴露的有效估计取值范围、单因子收益估计、波动量能走势以及同向波动持续性统计。
- 卡方独立性检验用于判断因子超额暴露与超额收益之间的相关性,而单调性测试则通过分层组合的累积收益走势来判断因子的单调性。
- 因子的收益估计采用WLS和OLS两种方法,并计算了多个统计指标,如t统计量、因子收益均值、波动率、Sharpe值等。
- 波动量能走势用于衡量因子对超额收益的贡献,是因子是否适合纳入多因子模型的重要依据。
- 同向波动持续性统计用于评估因子的动量持续性,有助于判断其在市场中的表现稳定性。
关键信息
数据提取与清洗
- 数据来源:Wind数据库。
- 数据处理:采用基础数据计算因子暴露,剔除不满足计算条件的个股数据,如新股上市10日内、ST股、证券更名后10日内等。
- 数据窗口:从2007年1月15日开始,最后一个可使用的估计截面为2007年4月30日。
单调性测试
- 按照因子超额暴露的分位点(80%、60%、40%、20%)对个股进行分层,构建等权重组合。
- 通过绘制分层组合的累积超额收益走势图,直观判断因子与超额收益之间的单调性。
独立性检验
- 采用卡方独立性检验,通过构造卡方统计量来判断因子超额暴露与超额收益之间的相关性。
- 卡方统计量越小,表示观察频数与期望频数越接近,相关性越强。
因子超额暴露的有效估计取值范围
- 通过分析卡方统计量的分布,确定因子超额暴露的有效估计取值范围。
- 有效估计区间通常位于卡方统计量最小值附近,排除两端异常值。
单因子收益估计
- 采用WLS和OLS两种方法进行因子收益估计。
- 计算了以下7个指标:t统计量绝对值平均数、t统计量绝对值大于2的截面占比、因子收益均值、波动率、Sharpe值、截距项均值、R²均值。
波动量能走势
- 通过计算因子单期收益的累积平方和,绘制波动量能走势图。
- 波动量能走势可以体现因子对超额收益的贡献,是因子入选多因子模型的重要依据。
同向波动持续性统计
- 统计因子同向波动持续月份的出现次数,并用letter value图展示。
- 有助于比较各单因子的动量持续性。
技术指标类因子测试结果
1.1 个月股价动量(反转)
- 定义:以对数收益计算。
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-87.11%、-49.86%、7.24%、21.95%、3.51%。
- 沪深300:组合1至组合5的累积超额收益分别为-83.14%、-34.53%、39.64%、57.71%、49.37%。
- 上证50:组合1至组合5的累积超额收益分别为-81.33%、-46.52%、5.07%、27.99%、39.29%。
- 统计指标:
- WLS:t统计量绝对值均值为2.5073,t统计量绝对值大于2的占比为47.66%,因子收益均值为-0.84%,年化波动率为11.52%,Sharpe值为-0.8767,截距项均值为0.17%,R²均值为0.0093。
- OLS:t统计量绝对值均值为2.2969,t统计量绝对值大于2的占比为48.44%,因子收益均值为-1.13%,年化波动率为10.66%,Sharpe值为-1.2756,截距项均值为-0.14%,R²均值为0.0075。
2.3 个月股价动量(反转)
- 定义:以对数收益计算。
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-84.45%、-54.84%、-12.32%、6.25%、13.80%。
- 沪深300:组合1至组合5的累积超额收益分别为-79.75%、-41.92%、13.37%、37.99%、49.37%。
- 上证50:组合1至组合5的累积超额收益分别为-81.33%、-46.52%、5.07%、27.99%、39.29%。
- 统计指标:
- WLS:t统计量绝对值均值为2.5912,t统计量绝对值大于2的占比为54.69%,因子收益均值为-0.86%,年化波动率为11.71%,Sharpe值为-0.8792,截距项均值为0.05%,R²均值为0.0095。
- OLS:t统计量绝对值均值为2.3158,t统计量绝对值大于2的占比为47.66%,因子收益均值为-1.04%,年化波动率为11.03%,Sharpe值为-1.1363,截距项均值为-0.24%,R²均值为0.0079。
3.6 个月股价动量(反转)
- 定义:以对数收益计算。
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-82.03%、-49.15%、-9.87%、-10.54%、-5.18%。
- 沪深300:组合1至组合5的累积超额收益分别为-76.67%、-34.35%、17.30%、16.40%、24.03%。
- 上证50:组合1至组合5的累积超额收益分别为-78.60%、-39.50%、9.17%、8.20%、15.47%。
- 统计指标:
- WLS:t统计量绝对值均值为2.4393,t统计量绝对值大于2的占比为47.66%,因子收益均值为-0.63%,年化波动率为11.12%,Sharpe值为-0.6771,截距项均值为0.06%,R²均值为0.0088。
- OLS:t统计量绝对值均值为2.2601,t统计量绝对值大于2的占比为49.22%,因子收益均值为-0.74%,年化波动率为10.53%,Sharpe值为-0.8484,截距项均值为-0.24%,R²均值为0.0076。
4. 指数平滑移动平均线(MACD)
- 定义:EMA1为12日,EMA2为26日,DIF为9日。
- 分层组合表现:
- 中证500:组合1至组合5的累积超额收益分别为-84.23%、-38.95%、29.53%、45.40%、39.29%。
- 沪深300:组合1至组合5的累积超额收益分别为-79.75%、-41.92%、13.37%、37.99%、49.37%。
- 上证50:组合1至组合5的累积超额收益分别为-81.33%、-46.52%、5.07%、27.99%、39.29%。
- 统计指标:
- WLS:t统计量绝对值均值为2.5171,t统计量绝对值大于2的占比为50.00%,因子收益均值为-0.82%,年化波动率为11.64%,Sharpe值为-0.8463,截距项均值为0.36%,R²均值为0.0097。
- OLS:t统计量绝对值均值为2.3155,t统计量绝对值大于2的占比为47.66%,因子收益均值为-1.05%,年化波动率为11.05%,Sharpe值为-1.1366,截距项均值为-0.01%,R²均值为0.0079。
结论
- 技术指标类因子在因子模型中表现出一定的有效性,但其效果在不同市场指数(如中证500、沪深300、上证50)中存在差异。
- 单因子收益估计中,WLS方法比OLS方法更稳定,且在多个指标上表现更优。
- 卡方独立性检验和波动量能走势是判断因子有效性的关键工具。
- 同向波动持续性统计有助于评估因子的动量持续性,从而决定其是否适合纳入多因子模型。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载