20180204-华泰证券-华泰金工因子跟踪周报_上个月估值_波动率因子表现较好_13页_1mb

金工研究/量化投资周报总结（2018年02月04日）

核心内容概述

本报告分析了2018年1月及2017年以来的风格因子表现、量化基金的市场表现以及A股市场的近期走势，旨在为投资者提供量化投资策略的参考。

主要观点

风格因子表现

• 本周表现：估值、波动率、beta、换手率、盈利、财务质量因子在各类股票池中均表现较好，IC值为正；成长和反转因子在全A股票池中出现一定回撤；市值因子在各类股票池中均出现大幅回撤。
• 2017年以来表现：波动率、换手率、估值因子表现突出，处于第一梯队；成长、盈利、财务质量、反转、beta、技术因子表现相近，处于第二梯队；市值因子表现最差。

市场表现

• 本周A股市场出现回调，大小盘股票分化明显，大盘股表现优于小盘股。
• 在29个一级行业中，煤炭、钢铁、餐饮旅游行业涨幅居前；其余行业均下跌，周期上游和大金融行业表现相对较好。

量化基金表现

• 量化基金与非量化基金表现基本持平，主动型、指数型、对冲型基金的收益率中位数分别为-2.65%、-3.31%、0.58%。
• 近一个月，主动型量化基金中位数为0.18%，非量化基金中位数为0.27%，两者基本一致。

关键信息

风格因子计算方法

• 风格因子的计算包括以下步骤：
  1. 因子原始值计算：根据Wind因子计算各细分因子的值。
  2. 行业中性化处理：使用OLS回归，用对数总市值和行业哑变量作为自变量，得到残差作为新因子值。
  3. 去极值和标准化：使用中位数法去除极端值，再对因子值进行标准化处理。
  4. 风格因子合成：将同一风格大类下的细分因子等权相加，得到风格因子值。
  5. Rank 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。

量化基金分类与筛选

• 基金池包含主动型、指数型、对冲型量化基金。
• 基金筛选标准包括：仅考虑成立时间最长的基金代码；去除非主要投资A股的基金；去除成立三个月内的基金；去除非量化基金。

量化基金表现数据

• 主动型基金：本周收益率中位数为-2.65%，近一个月中位数为0.18%。
• 指数型基金：本周收益率中位数为-3.31%，近一个月中位数为1.42%。
• 对冲型基金：本周收益率中位数为0.58%，近一个月中位数为0.67%。
• 普通股票型+偏股混合型基金：本周收益率中位数为-2.52%，近一个月中位数为0.27%。

量化基金规模

• 主动型基金最大规模为50.5亿元。
• 指数型基金最大规模为65.9亿元。
• 对冲型基金最大规模为4.5亿元。

附录说明

附录一：细分因子计算方法

• 估值类：包括EP、BP、SP、股息率，均为Wind因子的倒数或直接使用。
• 成长类：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：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。
• 市值类：对数总市值。
• 反转类：包括1个月、3个月、衰减换手率加权的3个月、6个月反转，基于个股收益率和换手率。
• 波动率类：包括1个月、3个月波动率，以及FF三因子残差波动率。
• 换手率类：包括1个月、3个月日均换手率，以及近1个月/近2年的日均换手率。
• beta类：近100周相对上证综指的beta。
• 技术类：包括MACD、DEA、DIF、RSI、PSY、BIAS，基于经典技术指标。

附录二：风格因子合成与IC值计算方法

• 风格因子合成过程包括：
  1. 计算各细分因子的原始值。
  2. 进行行业中性化处理。
  3. 去极值和标准化处理。
  4. 合成风格因子并计算Rank IC值。

附录三：细分因子IC值表现

• 全A股池：估值、波动率、换手率、盈利、财务质量因子表现较好，其中估值因子表现最优。
• 沪深300池：估值、波动率、换手率因子表现较好，其中估值因子表现最佳。
• 中证500池：估值、波动率、换手率因子表现较好，其中估值因子表现突出。
• 中证1000池：估值、波动率、换手率因子表现较好，但市值因子表现较差。

风险提示

• 报告中的风格因子表现和量化基金业绩均为历史数据，不能预测未来市场走势。

总结

本报告全面分析了近期市场走势、风格因子表现和量化基金的业绩，为投资者提供了重要的参考信息。估值、波动率和换手率因子表现较好，而市值因子表现较差。量化基金整体表现与非量化基金持平，但不同风格基金的表现存在差异。投资者应关注因子的中性化处理和标准化方法，以更好地理解其在不同市场环境下的表现。