20220721-德邦证券-中证1000指数增强系列研究之一_中证1000成分股有效因子测试_29页_5mb

金融工程专题：中证1000成分股有效因子测试总结

核心内容

本文旨在测试数百个因子在中证1000指数成分股中的选股效果，探索提升单因子效果的方法，并尝试用线性方法将多因子合成一个单因子。研究发现，中证1000指数成分股具有较大的估值修复空间，且通过行业、市值中性化处理和因子非线性映射可以有效改善因子表现。同时，本文指出跟踪中证1000指数的基金规模有望大幅增长。

主要观点

• 基金规模增长潜力大：中证1000指数成分股的总成交额与中证500接近，但跟踪该指数的基金规模远低于中证500，因此存在较大的增长空间。
• 有效因子识别：通过测试，发现了一些在统计上对股票收益率有益的因子，包括利润率、一致预期利润、市盈率、股息率、每股收益、营销额、市盈率、小户流出单数比例、现金余额增速等数值越高越好的因子；以及收益率标准差、机构主动卖出额比例、涨跌幅、总市值、换手率、最高价与最低价之比等数值越低越好的因子。
• 中性化处理提升效果：对因子进行行业和市值中性化处理可以提高部分因子的表现，如单季EP、市盈率TTM倒数等。
• 非线性映射改善稳定性：非线性映射虽不能显著提高RankIC均值，但能显著提升RankIC的稳定性，从而提高Rank ICIR。
• 合成因子策略：通过线性方法合成因子时，宜使用较长的历史数据。以残差收益率作为标签时，使用较长数据更有效；以收益率作为标签时，使用较短数据更有效。

关键信息

1. 基本面与市场情况

• 中证1000指数成分股的总体市盈率（PE）和市净率（PB）处于历史低位，存在较大估值修复空间。
• 中证1000指数成分股的净利润同比增速波动较大，体现出高弹性特征。
• 中证1000指数成分股的调整情况显示，2019年调整数量最多，而2014年最少，其余年份多在200个左右。

2. 行业分布

• 中证1000指数的前五大行业为医药、电子、基础化工、电力设备及新能源、计算机。
• 行业轮动显著，自2015年以来，基础化工、医药、国防军工等行业占比显著上升，而汽车、交通运输等占比下降。

3. 因子库与计算方法

• 因子库包括基本面、量价类、分析师类因子，共300余个。
• 基本面因子来源于利润表、现金流量表和资产负债表，分析师因子为一致预期数据，量价因子每日更新。
• 部分因子计算公式如下：
  • 单季EP = 单季度归母净利润 / 总市值
  • 单季SP = 单季度营业收入 / 总市值
  • 买卖循环率 = 日交易额 / 日流通市值
  • 最近N个月换手率 = 最近N个月的日度换手率之和
  • N个月动量因子 = 最近N个月的个股收益率

4. 中性化处理

• 对所有因子进行行业和市值中性化处理，以消除行业和市值的影响。
• 中性化因子通过线性回归残差获得，能显著提高因子表现。

5. 非线性映射

• 非线性映射能改善因子的稳定性，提高Rank ICIR。
• 通过机器学习模型拟合因子与收益率之间的非线性关系，再将横截面因子值代入模型得到映射后的因子。

6. 分组回测结果

• 正值RankIC的因子：如单季EP、小户流出单数比例等，能构造出长期有效、低回撤的中证1000指数增强组合。
• 负值RankIC的因子：如最近一个月换手率、买卖循环率等，能观测到收益率高的股票通常具有较低的收益率标准差、较低的机构主动卖出额比例、较小的最高价与最低价之比等特征。

7. 合成因子

• 因子等权：通过将因子做z-score标准化并根据RankIC决定符号，构造等权组合，但效果不如部分原始因子。
• 线性回归：使用残差收益率作为标签，对因子进行线性回归，构造合成因子，效果更优。

风险提示

• 市场风格变化风险
• 模型失效风险
• 数据可用性风险

结论

• 中证1000指数成分股具有较大的估值修复空间，基金规模有望大幅增长。
• 通过中性化处理和非线性映射，可以显著改善因子表现。
• 合成因子时，宜使用较长的历史数据，并以残差收益率作为标签。
• 等权合成因子的效果有限，需进一步探索更优的合成方法。

图表目录

• 图1：三大指数成分股的总体市盈率
• 图2：三大指数成分股的总体市净率
• 图3：中证1000指数的净利润同比增速
• 图4：中证1000指数成分股调整统计
• 图5：中证1000指数成分股的平均风格
• 图6：中证1000指数成分股的平均风格（续）
• 图7：当前中证1000指数成分股的风格分布
• 图8：中证1000指数成分股的行业占比
• 图9：每期被剔除的股票总数及原因统计
• 图10：符合条件的股票池的等权组合净值曲线
• 图11-30：正负RankIC因子的分组回测结果
• 图31-50：负值RankIC因子的分组回测结果
• 图51-52：买卖循环率因子映射前后回测对比
• 图53：因子等权组合结果

表格目录

• 表1：三大股指最新的平均风格
• 表2：部分因子的计算公式
• 表3：部分RankIC为正的因子统计结果
• 表4：部分RankIC为负的因子统计结果
• 表5：部分RankIC为正的中性化因子统计结果
• 表6：部分RankIC为负的中性化因子统计结果
• 表7：原始因子、中性化因子和映射因子的对比