Barra模型因子的构建及应用系列二之Beta因子

一、摘要

在前期的Barra模型系列文章中，我们初步讲解并构建了Size因子。在Size因子基础上构建的单因子策略也获得了不错的绝对收益。而本期内容，我们在该系列下进一步构建Beta因子，其中基于Beta因子构建的策略在2022年实现了5.70%年化收益，大幅跑赢大盘指数。

二、模型理论

模型的Beta因子及其计算方法如下：

通过上述定义可知，此处的Beta因子代表着我们平常提到的股票收益相对于市场收益的弹性。如果一只股票的Beta值小于1，则该股票的波动小于市场波动，说明该股票收益弹性小；如果Beta值大于1，则该股票的波动大于市场波动，说明该股票收益弹性大。

在因子的构建过程中，市值加权指数超额收益以全A股票按流通市值进行加权计算，WLS即加权最小二乘算法(Weighted Least Squares,WLS)，无风险收益假定为2%。

三、因子分析

构建完Beta因子后便可以进一步通过alphalens进行因子分析，由于Beta因子的计算耗时较长，我们仅分析最近一年（2022年）的情况。

从收益分析来看，beta因子的alpha收益随着调仓周期的增大而降低，但其beta收益随着调仓周期的增大而增大，而beta收益远大于alpha收益；初步来看，因子的单调性较差，因子值的最大组和最小组的收益均为负收益。

从信息系数来看，IC均值（IC Mean）为负，且绝对值随着调仓周期单调递增，但IC均值的绝对值较小（<0.05），选股能力较差；IC标准差变化较小，经计算可知21天的调仓周期下IR为-0.15(远<0.5)，该周期下因子稳定获取超额收益的能力也差。

 从因子分组的平均期望收益来看，Beta因子的单调性也很差。另外Beta因子值最小的一组的平均收益是最低的，在10bps以上，而这与IC均值为负相矛盾，负的IC均值可能更多的体现在中间组（第三组至第八组），这说明Beta值过大和过小都不好。

四、回测分析

回测时间：2022-01-01至2023-01-08（月底换股）回测品种：全A股（剔除ST股、停牌股和一年以内的次新股）初始资金：100万手续费：0.0007（双边万二佣金+单边千一印花税，共千1.4，即双边万7）滑点：0.00123（双边千1.23）最大持仓数量：30只策略逻辑：剔除Beta因子值最小的前20%股票，再平均买入前N只股票

从回测结果来看，策略年化收益率为5.70%，最大回撤19.75%，能够跑赢大盘指数。

但是在策略逻辑的构造上，我们是基于因子分组收益出发，剔除了Beta值最大和最小的前20%股票，这样是否有现实意义支撑？剔除高Beta和低Beta后的Beta值分组间具有单调递减的性质，这其中的alpha收益来源于哪里？这将有待进一步研究分析，以期深入挖掘因子背后的alpha来源。

策略源码已分享至掘金量化社区，大家可以访问下方链接自行获取。

传送门：https://bbs.myquant.cn/thread/3