哪些因子有效性较高

核心结论

1.纯因子组合对模型中某个因子具有单位暴露度,对其他因子暴露度为0。纯因子组合对模型中某个因子具有单位暴露度,对其他因子暴露度为0,对因子显著性检验、投资收益事后分析和多因子组合构建均有重要作用。

2.从风险收益比来看,流动性因子历史表现最佳,反转因子和规模因子次之流动性因子风险收益比为2.24,反转和规模因子风险收益比为1.64 和1.50。

文献评述

本文的主要内容是展示如何使用纯因子组合检验因子有效性。检验因子效用的通常做法是将股票按照因子值分作多头组合和空头组合,然后观察这个多/空组合的历史收益,然而这样做的弊端是该多空组合有可能对其他因子有较多未意识到的暴露,比如检验流动性因子或成长性因子时会较多暴露于规模因子上。纯因子组合是控制了对其他因子的暴露度后的多/空投资组合,考察其历史收益会更有说服力。

文献方法

1.首先将描述股票同类性质的因子合成大类因子,以避免共线性造成的危害。从子类因子合成为大类因子的方式是:先对各个子类因子值进行极值处理(±5% winsorization),再计算z-score,然后将各子类因子的z-score 按表中权重合成为大类因子值,并再一次对合成得到的大类因子值正态标准化,作为最终的因子暴露值。本文合成了以下因子。

2.风格因子对应的纯因子组合对截距项暴露为0,对各行业因子暴露为0,对其他风格因子暴露为0(都为零额投资)。仅对自身风格因子偏离基准组合1个标准差,来计算收益。并通过t值检验各纯因子收益率是否显著不为0。计算历史上发生|t|>2的次数所占比例来考察因子对股价产生影响的稳定性,这种影响若是完全随机的,那么占比应该小于5%。通过t>2 和t<-2 分别占比,来体现因子对股价在同一方向上的影响的持续性。

行业因子对应的纯因子组合对本行业暴露为1(即权重100%),对截距项暴露为0(零额投资,100%自身行业多头,同时100%基准组合空头,即行业因子收益本身就是超额收益),对各个风格因子暴露为0。考察28 个申万一级行业的因子收益,可以了解在控制风格暴露后,各行业的收益情况。

3.采用的模型加入了截距项,行业因子和风格因子。加入截距项的好处是使纯因子组合的权重值和为0 。以下为模型:

限制条件如下:

文献结果

截距项因子收益fc与基准的收益十分接近。

2 选取的各风格纯因子组合均能超越基准组合,流动性、规模纯因子、反转因子组合超额收益明显高于其他因子。波动率方面,规模因子最大,成长因子最小。综合起来,流动性因子的信息比率是最高的。在因子同方向持续性方面,流动性、规模、反转出现 t<-2 的概率和BP、成长出现 t>2 的概率都较高,持续性也十分优秀。

3  总体来说,在控制了风格因子之后,医药、有色、食品饮料和计算机贡献较高超额收益,而钢铁、交运、公用事业和轻工没有超额收益。从波动率可以看出,行业因子收益的轮动更加频繁和难以把握。

4 历史波动率:计算样本区间内各因子的年化波动率(下图),可见,截距项因子的波动率(即市场波动率)最大,成长因子的波动率最小,除规模因子外,纯风格因子组合的波动率普遍小于纯行业因子组合的波动率。市场因子、纯行业因子和规模因子贡献了大约90%的波动率,一个市场中性、行业中性的组合可以规避掉大部分风险。

5  纯因子组合的协方差:当考虑运用均值-方差优化,将多种纯因子组合合成可投资的组合时,不仅要估计各组合各自的方差,还需要考察各纯因子组合间的协方差。方差和协方差的来源主要来自市场和行业因子,风格因子收益之间的协方差相对平坦。另外,纯银行因子组合和纯非银因子组合的收益,与大部分其他纯因子组合的收益的协方差都小于零。

 

6  被排序法高估的因子:个股乖离度、换手率变化、10 日RSI、固定资产周转率、现金比率、每股自由现金流量比eps、个股股东数、流动比率、总市值比Ebitda、股东权益比、应付账款占比等11个因子。

下图为以上各因子的纯因子组合和排序多空组合的IR 对比。虽然排序法高估了个股乖离度因子和换手率变化因子的收益,但通过构建纯因子组合,它们的IR 有所提升,仍不失为是优秀的因子。10 日RSI 和固定资产周转率的IR 虽然降低,但仍然可以接受。而应收账款占比和股东权益比等因子在剔除了常见风格因子的贡献后已经完全失效。

7 被排序法低估的因子:净利润增速(季度同比)、三费占比、送股比例、销售毛利率、PE/G、存货周转率、每股自由现金流量比EPS等7个因子。

下表为以上各因子的纯因子组合和排序多空组合的IR 对比。净利润增速季度同比、三费占比和PE/G 这样的因子本身已经很优秀的因子,做了因子纯化之后IR 提升显著,更能体现因子本身带来的超额收益;送股比例、销售毛利率、存货周转率和每股自由现金流量比EPS 由于本身有一定风格偏差,导致本身超额收益被风格掩盖,因子纯化之后IR 也变得显著。

---------------------------------------------------------------

推荐阅读:

1.一个量化策略师的自白(好文强烈推荐)

2.股票期货经典的量化交易策略都在这里了!(源码)

3.期货/股票数据大全查询(历史/实时/Tick/财务等)

4.史上最全的Python定量金融三方库汇总

5.干货 | 量化选股策略模型大全

6.量化金融经典理论、重要模型、发展简史大全

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值