20171107-东北证券-金融工程2018年度策略报告_FOF体系_多因子体系_45页_3mb

报告摘要

证券研究报告总结：FOF体系与多因子体系

核心内容

本报告为东北证券金融工程团队于2017年11月发布的2018年度策略报告，主要围绕FOF（基金中基金）体系和多因子投资体系展开，结合实证分析和理论探讨，旨在为FOF投资系统和多因子选股策略提供全面的分析框架和有效的工具。

主要观点

FOF体系构建
- FOF体系包括大类资产配置和基金分析两个部分，为不同风险偏好和收益目标的FOF投资系统提供多种分析思路。
- 大类资产配置采用静态优化模型、动态预期模型和多资产多因子配置策略，其中动态预期模型结合极值理论和Copula模型，有效捕捉资产间的尾部相关性，提升风险控制能力。
- 多资产多因子配置策略通过将每类资产从“价值、动量、利差和波动”四个角度进行评价，采用等权打分法确定资产权重，提升资产配置的稳健性。
多因子体系构建
- 多因子体系包括单因子测试、因子筛选、特质波动率研究和择时因子探索。
- 单因子测试和特征分析显示，国内质量因子具有防御特征，市值、动量、低波因子分别具有顺周期、全周期和防御特性。
- 因子筛选采用Harvey&Liu的检验方法，通过截距项变化和标准误调整，筛选出具有显著超额信息的因子，提升因子使用效率。
特质波动率研究
- 特质波动率用于构建STDO和STDN因子，组合年化收益率分别为25.80%和27.50%，Sharpe比分别为0.711和0.760，显示出较强的有效性。
- 特质波动率的分析方法包括因子的排序、分组和回测检验，以期发现更具稳定性和预测能力的因子。
择时因子探索
- 择时因子在时间序列维度上进行分析，EP_Q_3Y和EP_Q_5Y在全A和中证500等市场中表现出较强的选股能力。
- 择时因子与EP_TTM相关性较高，与反转因子相关性较低，显示出其在不同市场环境中的适应性。
风格轮动与行业轮动
- 风格轮动以Fama-French三因子模型为基础，探讨因子收益水平与下一个周期风格之间的逻辑关系。
- 机构交易行为视角下的行业轮动分析显示，机构投资者主动净买入指标具有较强的有效性，构建的行业轮动组合能实现显著的超额收益。

关键信息

资产配置模型：
- 静态优化模型包括均值方差、风险平价、尾风险平价等，动态模型则采用极值理论和Copula方法，提高对极端风险的防控能力。
- 多资产多因子配置策略通过四个因子（价值、动量、利差、波动率）进行打分，选择得分高的资产进行配置，提升组合的稳定性和收益风险比。
因子筛选方法：
- 采用SI（scaled intercept）统计量，衡量因子对模型解释能力的提升效果，筛选出具有显著超额收益的因子。
- 回溯结果显示，筛选出的因子依次为：市值、杠杆、盈利、营业收入、EP&换手、ROE，其中剔除市值后的因子超额收益稳定性更高。
因子有效性分析：
- 质量因子在震荡和熊市中表现良好，具有防御特征。
- 价值因子具有顺周期特征，在牛市中表现优异，但震荡市和熊市中表现相对弱。
- 市值因子具有顺周期特征，动量因子具有持续性特征，波动率因子具有防御特征，流动性因子则显示一定的预测能力。
因子表现数据：
- STDO和STDN因子的年化收益率分别为25.80%和27.50%，Sharpe比分别为0.711和0.760。
- EP_Q_3Y和EP_Q_5Y在不同市场环境中均表现出较强的选股能力。
行业轮动策略：
- 基于机构交易行为，通过分析超大单资金数据，构建行业轮动组合，实现超额收益。