20210321-华泰证券-量化投资周报_小市值表现突出_优势因子延续_19页

小市值表现突出，优势因子延续强势

核心内容概述

本报告分析了2021年3月15日至3月19日A股市场的风格因子表现、量化基金业绩以及基金仓位预测情况，总结了各因子在不同股票池中的表现差异和量化基金的相对收益。

主要观点与关键信息

上周市场表现

• A股市场整体上行，其中创业板指涨幅最大，达到3.71%，而上证50指数跌幅相对较小，为-0.34%。
• 20个中信一级行业上涨，计算机、电子、家电行业表现较好，涨幅分别为4.09%、3.25%和3.18%。
• 非银行金融、银行、房地产行业表现较差，跌幅分别为-1.32%、-1.29%和-0.85%。
• 电子行业成交额领先，显示出市场资金对电子行业的偏好。

风格因子表现

• 小市值因子表现突出，在所有股票池中RankIC均超过10%。
• 估值、波动率、换手率等优势因子延续强势，在各个股票池中表现优秀。
• beta因子表现良好，在各个股票池中取得较明显的正收益。
• 反转因子在中证1000与全A股票池表现较好，但在沪深300成分股票池回撤较大。
• 盈利和技术因子在全A股票池表现较好，但在其余股票池回撤。
• 财务因子在中证1000成分股票池呈现一定正收益，但在中证500成分股票池回撤较大。
• 成长因子整体呈现负收益，显示其在当前市场环境下表现不佳。

量化基金表现

• 主动型量化基金收益率中位数为1.57%，指数型为1.05%，对冲型为0.53%。
• 所有股票及偏股型基金收益率中位数为2.00%，显示主动型量化基金近期表现弱于非量化基金。
• 近1个月主动型量化基金收益率中位数为7.25%，非量化基金为7.46%，进一步验证了这一趋势。
• 基金仓位预测显示，结合上期持仓的二次规划法显示仓位上升，Lasso回归和逐步回归则显示仓位下降。

风险提示

• 风格因子的效果与宏观环境和大盘走势密切相关，历史表现不能预测未来。
• 量化基金的业绩受环境、政策、基金管理人变化等因素影响，过去业绩好不代表未来依旧。
• 基金仓位测算方法基于日频基金净值数据和行业数据，可能存在一定的测算误差，不构成择时建议。

图表与数据

图表3：风格因子上周RankIC值

• 小市值因子表现最为突出，RankIC值超过10%。
• 估值、波动率、换手率等因子在多个股票池中表现良好。
• 成长因子整体表现较差，RankIC值为负。

图表10：量化基金近期业绩表现

• 主动型基金一周收益率中位数为1.57%，近一个月收益率中位数为7.25%。
• 指数型基金一周收益率中位数为1.05%，近一个月收益率中位数为7.32%。
• 对冲型基金一周收益率中位数为0.53%，近一个月收益率中位数为1.09%。
• 非量化基金（普通股票型+偏股混合型）一周收益率中位数为2.00%，近一个月收益率中位数为7.46%。

图表11：主动型基金上周收益率榜单

• 长盛医疗行业以5.53%的收益率位居榜首。
• 融通量化多策略灵活配置A以4.85%的收益率紧随其后。
• 华泰柏瑞量化创优以4.77%的收益率排名第三。
• 南方策略优化以4.35%的收益率位列第四。
• 长信电子信息行业量化以4.28%的收益率排名第五。

图表12：主动型基金近一个月收益率榜单

• 银华文体娱乐A以13.98%的收益率排名首位。
• 融通量化多策略灵活配置A以12.59%的收益率排名第二。
• 银华新能源新材料量化A以11.87%的收益率排名第三。
• 银华智能汽车A以11.56%的收益率排名第四。
• 长信低碳环保行业量化以11.16%的收益率排名第五。

图表13：偏股混合型基金仓位预测值均值曲线

• 结合上期持仓的二次规划法显示基金仓位预测值上升。
• Lasso回归和逐步回归显示基金仓位预测值下降。

附录信息

附录一：细分因子计算方法

• 估值类：包括EP、BP、SP、股息率，均取Wind因子的倒数。
• 成长类：包括营业收入增长率、净利润增长率、ROE增长率，基于Wind因子计算同比增长率。
• 盈利类：包括ROE、ROA、毛利率、净利率，直接使用Wind因子。
• 财务质量类：包括总资产周转率、资产负债率、流动比率、资产的经营现金流量回报率，基于Wind因子计算。
• 小市值类：对数总市值，取Wind因子对数。
• 反转类：包括1个月、3个月、衰减换手率加权3个月、6个月反转，基于个股收益率和换手率计算。
• 波动率类：包括1个月、3个月波动率、FF三因子残差波动率，基于个股收益率标准差或残差标准差计算。
• 换手率类：包括1个月、3个月、近1个月/近2年日均换手率，基于Wind因子计算。
• beta类：近100周相对上证综指的beta，基于Wind因子计算。
• 技术类：包括MACD、DEA、DIF、RSI、PSY、BIAS，基于经典技术指标计算。

附录二：风格因子合成与IC值计算方法

• 风格因子合成：将细分因子值乘以因子方向后等权相加。
• IC值计算：使用Spearman秩相关系数计算风格因子与个股下期收益率的相关性。
• RankIC值计算：使用截面期数据计算因子值与个股收益的相关性。
• IC_IR比率：为月度RankIC均值除以标准差，用于衡量因子的稳定性。

附录三：细分因子IC值表现

• 全A股：估值因子表现较好，小市值因子RankIC值较高。
• 沪深300：估值因子表现较好，但部分因子如beta、技术指标表现较差。
• 中证500：估值因子表现较好，小市值因子RankIC值较高，但部分因子如成长因子表现较差。
• 中证1000：估值因子表现较好，小市值因子RankIC值较高。

总结

本报告展示了2021年3月15日至3月19日A股市场中风格因子的表现情况，指出小市值因子表现突出，估值、波动率、换手率等优势因子延续强势，而成长因子整体表现较差。量化基金整体表现弱于非量化基金，且基金仓位预测方法存在一定的局限性。投资者在使用这些因子和基金数据时，应结合宏观环境和大盘走势，并注意风险提示，以避免误判。