版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、4 月因子觀點:看好估值、波動率、換手率、反轉(zhuǎn)因子綜合內(nèi)生變量、外生變量、因子周期與日歷效應(yīng)等視角,4 月看好估值、波動率、換手率、反轉(zhuǎn)因子。內(nèi)生變量視角短期看好換手率、反轉(zhuǎn)、估值、波動率因子,不看好財務(wù)質(zhì)量、 Beta、技術(shù)因子。外生變量視角看好估值、反轉(zhuǎn)、換手率、波動率因子,不看好小市值因 子。因子周期視角中期看好估值、小市值、反轉(zhuǎn)、技術(shù)因子,長期看好小市值、反轉(zhuǎn)、技 術(shù)、波動率、換手率因子。日歷效應(yīng) 4 月看好波動率、換手率、財務(wù)質(zhì)量因子。圖表1: 內(nèi)生變量和外生變量對風(fēng)格因子 4 月表現(xiàn)的預(yù)測1.21.11.00.90.80.70.60.50.40.30.20.10.0(0.1)(0.
2、2)(0.3)內(nèi)生變量得分外生變量預(yù)測(右軸)15.4%13.7%0.6813.9%15.3%0.739.6%0.670.650.470.520.407.3%0.330.390.264.6%3.0%0.3%-0.6%估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)21%19%17%15%13%11%9%7%5%3%1%-1%-3%-5%資料來源:Wind,預(yù)測內(nèi)生變量視角基于因子動量、因子離散度、因子擁擠度三類指標,預(yù)測風(fēng)格因子未來表現(xiàn),因子動量反映因子過去一段時間內(nèi)表現(xiàn);因子離散度相當(dāng)于因子估值;因子擁擠度反映因 子是否處于擁擠狀態(tài)。內(nèi)生變量對大類風(fēng)格因子 4 月表現(xiàn)預(yù)測結(jié)果如下:整體
3、看好換手率、反轉(zhuǎn)、估值、波動率因子,不看好財務(wù)質(zhì)量、Beta、技術(shù)因子。其中,估值因子在三個指 標上均具有一定優(yōu)勢,其中因子動量較為突出;反轉(zhuǎn)和換手率因子離散度占優(yōu),被忽視程 度可能較高;波動率和換手率因子的擁擠度均較低,交易相對不擁擠。外生變量視角假設(shè)風(fēng)格因子表現(xiàn)受市場變量、宏觀變量等外生變量驅(qū)動,對每個大類風(fēng)格因子篩選出具備預(yù)測能力的外生變量,使用線性回歸預(yù)測未來一個月的 Rank IC 值。外生變量對大類風(fēng)格因子 4 月 Rank IC 預(yù)測結(jié)果如下:估值、反轉(zhuǎn)、換手率、波動率因子 Rank IC 預(yù)測值超過 10%,可能較為有效,建議短期看多上述因子表現(xiàn);不看好小市值因子未來一個月的表
4、現(xiàn),該因子表現(xiàn)可能受宏觀環(huán)境制約。因子周期視角將華泰金工經(jīng)濟周期研究成果應(yīng)用于風(fēng)格配置,自上而下構(gòu)建經(jīng)濟系統(tǒng)周期運行狀態(tài)與因子表現(xiàn)對應(yīng)關(guān)系的“因子投資時鐘”,根據(jù)當(dāng)前周期狀態(tài)預(yù)測因子未來表現(xiàn)的整體趨勢。庫茲涅茨周期仍處于上行區(qū)間但接近頂部,預(yù)計經(jīng)濟短期維持趨勢向上的環(huán)境,但即將迎來拐點;朱格拉周期向下,流動性趨于寬松。當(dāng)前周期運行狀態(tài)處于因子投資時鐘第二象限的末端,即將進入第三象限,長期建議配置小市值、反轉(zhuǎn)、技術(shù)因子。另外,波動率、換手率因子在不同的宏觀環(huán)境下表現(xiàn)都較好,這兩個因子建議長期配置。綜合來看,預(yù)測未來一年小市值、反轉(zhuǎn)、技術(shù)、波動率、換手率因子有效。結(jié)合因子周期擬合的結(jié)果,估值、小市
5、值、反轉(zhuǎn)、技術(shù)因子處于上行軌道;盈利、財務(wù)質(zhì)量因子已經(jīng)處于下行周期末端;成長因子從底部進入回升階段;波動率、換手率因子上行趨緩,可能接近頂部;Beta 因子由頂部進入下行區(qū)間。圖表2: 各風(fēng)格因子在各自然月份因子勝率(2006 年 1 月2022 年 3 月)風(fēng)格因子1 月2 月3 月4 月5 月6 月7 月8 月9 月10 月11 月12 月Rank IC 為正概率76.5%55.6%72.2%76.5%47.1%64.7%76.5%64.7%70.6%76.5%82.4%82.4%82.4%55.6%66.7%47.1%76.5%88.2%82.4%64.7%41.2%88.2%41.2%
6、82.4%70.6%44.4%55.6%52.9%76.5%88.2%64.7%41.2%35.3%94.1%47.1%76.5%58.8%33.3%61.1%70.6%76.5%76.5%47.1%47.1%29.4%88.2%47.1%70.6%52.9%88.9%77.8%35.3%76.5%47.1%52.9%82.4%64.7%52.9%70.6%52.9%82.4%88.9%83.3%70.6%70.6%82.4%82.4%82.4%100.0%88.2%88.2%94.1%82.4%44.4%72.2%88.2%64.7%70.6%70.6%64.7%100.0%70.6%76.
7、5%76.5%88.2%50.0%72.2%94.1%82.4%64.7%82.4%88.2%94.1%82.4%82.4%82.4%64.7%44.4%61.1%82.4%58.8%58.8%52.9%64.7%70.6%52.9%41.2%64.7%64.7%88.9%66.7%64.7%70.6%70.6%76.5%70.6%70.6%76.5%82.4%94.1%估值成長盈利財務(wù)質(zhì)量小市值 反轉(zhuǎn)波動率換手率 Beta技術(shù)因子收益率為正概率估值70.6%50.0%50.0%64.7%41.2%58.8%82.4%41.2%70.6%64.7%64.7%82.4%成長88.2%55.6%7
8、7.8%58.8%82.4%88.2%88.2%47.1%52.9%70.6%35.3%82.4%盈利70.6%50.0%50.0%58.8%70.6%100.0%76.5%41.2%47.1%47.1%52.9%82.4%財務(wù)質(zhì)量58.8%33.3%50.0%76.5%64.7%94.1%47.1%41.2%29.4%58.8%47.1%70.6%小市值47.1%88.9%77.8%29.4%64.7%29.4%52.9%64.7%35.3%47.1%58.8%52.9%反轉(zhuǎn)82.4%72.2%50.0%70.6%58.8%52.9%70.6%64.7%82.4%64.7%82.4%64.7
9、%波動率76.5%38.9%66.7%64.7%58.8%52.9%70.6%70.6%76.5%58.8%76.5%58.8%換手率76.5%38.9%72.2%70.6%70.6%58.8%76.5%82.4%82.4%70.6%88.2%64.7%Beta52.9%50.0%61.1%58.8%47.1%52.9%41.2%64.7%58.8%52.9%41.2%58.8%技術(shù)47.1%77.8%50.0%47.1%58.8%70.6%76.5%52.9%47.1%70.6%70.6%70.6%Wind,進一步觀察各風(fēng)格因子在各自然月份勝率,根據(jù)歷史經(jīng)驗,4 月波動率、換手率、Beta
10、因子 Rank IC 為正概率較高;財務(wù)質(zhì)量、反轉(zhuǎn)、換手率因子收益率為正概率較高。通過加總的方式綜合來看,波動率、換手率、財務(wù)質(zhì)量因子 4 月相對較優(yōu),小市值因子勝率較低?;诘凸乐挡呗缘脑鰪娝悸罚簝r值動量選股結(jié)合本文的判斷,短期來看內(nèi)生、外生等多重邏輯均較為看好估值因子。參考華泰金工在 2021 年 8 月 13 日發(fā)布的報告價值策略表現(xiàn)分析與結(jié)合動量的優(yōu)化中的分析結(jié)論,動 量指標與價值指標呈現(xiàn)較低的負相關(guān)性,對基于估值因子的多因子策略具有良好的適應(yīng)性,而實證顯示引入動量因子有效提升了價值組合的收益能力;另一方面,兩者的對沖效應(yīng)也 降低了組合的整體回撤風(fēng)險。綜合來看,結(jié)合動量因子能夠?qū)r值策
11、略起到較好的增強效 果。報告給出了如下的策略構(gòu)建思路:圖表3: 價值動量改進策略回測方案樣本空間中證 800 指數(shù)成分股調(diào)倉方式月末調(diào)倉選股策略1. 以市凈率倒數(shù)作為估值指標,基于中信一級行業(yè)進行行業(yè)標準化,并選取樣本空間中標準化后EP_TTM 位于前 20%的成分股;2. 計算個股過去 1 個月的區(qū)間收益率,剔除收益率位于前 5%和后 5%的成分股3. 計算個股過去 7 個月到過去 1 個月的區(qū)間收益率作為動量指標,選取動量指標位于前 30 的成分股成分股數(shù)量 30加權(quán)方式等權(quán)重資料來源:原策略中,我們以中證 800 成分股票池作為樣本空間,按照月頻進行調(diào)倉。根據(jù)回測結(jié)果,策略今年以來表現(xiàn)良
12、好,對基準指數(shù)有較明顯的增強。其結(jié)果如下:圖表4: 價值動量策略與基準指數(shù)凈值(2010.12.31-2022.4.8)圖表5: 價值動量策略相對基準指數(shù)走勢(2010.12.31-2022.4.8)85.0800價值動量中證800 800價值動量/中證80074.54.063.553.042.532.021.51.010.52010/12/312011/6/302011/12/312012/6/302012/12/312013/6/302013/12/312014/6/302014/12/312015/6/302015/12/312016/6/302016/12/312017/6/30201
13、7/12/312018/6/302018/12/312019/6/302019/12/312020/6/302020/12/312021/6/302021/12/312010/12/312011/6/302011/12/312012/6/302012/12/312013/6/302013/12/312014/6/302014/12/312015/6/302015/12/312016/6/302016/12/312017/6/302017/12/312018/6/302018/12/312019/6/302019/12/312020/6/302020/12/312021/6/302021/12/
14、3100.0Wind,Wind,圖表6: 中證 800 價值動量策略與基準指數(shù)區(qū)間業(yè)績統(tǒng)計800 價值動量中證 800區(qū)間收益率472.18%32.43%年化收益率17.27%2.60%年化波動率25.65%22.59%年化夏普比率0.670.12區(qū)間最大回撤40.00%50.91%Calmar 比率0.430.05Wind,圖表7: 中證 800 價值動量策略與基準指數(shù)分年度收益統(tǒng)計800 價值動量中證 800超額收益2011-19.11%-27.38%8.27%20121.98%5.81%-3.83%201320.67%-2.14%22.80%201449.94%48.28%1.66%20
15、1564.53%14.91%49.62%20160.19%-13.27%13.46%201745.08%15.16%29.91%2018-25.48%-27.38%1.90%201933.38%33.71%-0.32%202035.70%25.79%9.91%202127.48%-0.76%28.23%2022YTD-6.77%-14.62%7.85%Wind,可以看到,策略相對基準中證 800 指數(shù)有明顯且較穩(wěn)定的增強,年度勝率較高。盡管組合的波動率有所升高,但在風(fēng)險調(diào)整收益上提升顯著;同時,組合的最大回撤水平明顯低于基準指數(shù)。2022 年以來截至 4 月 8 日,策略相對中證 800 指數(shù)
16、擁有 7.85%的超額收益。進一步的,策略在小市值風(fēng)格的樣本空間中同樣適用。我們基于相同的選股方法,在中證 1000 成分股票池中進行回測,起始日期選定 2014.12.31(晚于指數(shù)發(fā)布日期)。其回測結(jié)果如下:圖表8: 價值動量策略與基準指數(shù)凈值(2010.12.31-2022.4.8)圖表9: 價值動量策略相對基準指數(shù)走勢(2010.12.31-2022.4.8)1000價值動量中證10004.54.03.53.02.52.01.51.00.50.01000價值動量/中證10003.53.02.52.01.51.00.52014/12/312015/6/302015/12/312016/6
17、/302016/12/312017/6/302017/12/312018/6/302018/12/312019/6/302019/12/312020/6/302020/12/312021/6/302021/12/310.02014/12/312015/6/302015/12/312016/6/302016/12/312017/6/302017/12/312018/6/302018/12/312019/6/302019/12/312020/6/302020/12/312021/6/302021/12/31Wind,Wind,圖表10: 中證 1000 價值動量策略與基準指數(shù)分年度收益統(tǒng)計1000
18、 價值動量中證 1000區(qū)間收益率238.16%9.09%年化收益率18.81%1.24%年化波動率31.39%28.81%年化夏普比率0.600.04區(qū)間最大回撤54.71%72.35%Calmar 比率0.340.02Wind,圖表11: 中證 1000 價值動量策略與基準指數(shù)分年度收益統(tǒng)計1000 價值動量中證 1000超額收益201579.18%76.10%3.08%2016-3.53%-20.01%16.47%201716.83%-17.35%34.18%2018-30.27%-36.87%6.60%201923.03%25.67%-2.63%202039.89%19.39%20.5
19、0%202152.39%20.52%31.87%2022YTD-8.44%-17.91%9.48%Wind,同樣的,策略在中證 1000 指數(shù)成分股票池中同樣效果明顯,擁有明顯優(yōu)于基準指數(shù)的收益水平和風(fēng)險調(diào)整收益,其回撤控制效果也同樣存在。2022 年以來截至 4 月 8 日,策略相對中證 1000 指數(shù)擁有 9.48%的超額收益。整體來看,上述估值與動量因子結(jié)合的策略擁有收益與回撤控制的雙重優(yōu)勢,表現(xiàn)出相對較好的穩(wěn)定性,同時對于不同市值風(fēng)格的股票池也具有較好的適應(yīng)性。在價值風(fēng)格整體走強的場合下,該策略可以提供一定的參考價值。因子表現(xiàn)回顧3 月大類風(fēng)格因子表現(xiàn)大類風(fēng)格因子 3 月在全 A 股票
20、池的 Rank IC 值和因子收益率如下圖所示。估值、小市值和波動率因子表現(xiàn)良好,Rank IC 均超過 10%;Beta 因子的 Rank IC 和因子收益率均呈現(xiàn)正向。成長、盈利、財務(wù)質(zhì)量、反轉(zhuǎn)、換手率、技術(shù)等其余因子均出現(xiàn)回撤。圖表12: 3 月大類風(fēng)格因子表現(xiàn)30%6%25%5%20%4%15%10%5%0%-5%3%2%1%0%-1%-10%-2%-15%因子Rank IC因子收益率(右軸)22.94%18.84%2.33%1.92%10.13%0.91%5.24%0.32%-1.81%-0.27%-0.92%-0.81%-2.24%-1.89%-0.29%-5.29%-5.73%-
21、1.25%-1.31%-10.21%估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)-3%資料來源:Wind,近 1 年大類風(fēng)格因子表現(xiàn)我們對大類風(fēng)格因子近 12 個月的 Rank IC 值做累加,得到各月累計 Rank IC 值,如下圖所示。總的來看,小市值、反轉(zhuǎn)、波動率、換手率因子近 1 年整體表現(xiàn)良好,其中小市值因子近幾個月表現(xiàn)尤為強勢;估值因子從 2021 年 12 月開始表現(xiàn)較為出色。技術(shù)因子2021 年下半年表現(xiàn)相對較好,但 2022 年以來表現(xiàn)不佳。成長、Beta、盈利、財務(wù)質(zhì)量等因子近一年來表現(xiàn)不佳。圖表13: 近 1 年大類風(fēng)格因子累計 Rank IC 值120%估值成
22、長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)100%80%60%40%20%0%-20%2021-03-312021-04-302021-05-312021-06-302021-07-302021-08-312021-09-302021-10-292021-11-302021-12-312022-01-282022-02-282022-03-31-40%資料來源:Wind,近 1 年細分因子表現(xiàn)計算 34 個細分因子 3 月 Rank IC 值,以及近 12 個月的月頻 Rank IC 值。將近 12 個月Rank IC 的均值除以標準差,得到近 1 年 IC_IR。近期細分因子表現(xiàn)如下圖
23、所示。圖表14: 近 1 年細分因子表現(xiàn)30%上月Rank IC近1年IC_IR(右軸)1.520%1.010%0.50%0.0-10%(0.5)EP BP SP DPSales_G_q Profit_G_q ROE_G_qROE ROAgrossprofitmargin netprofitmargin assetturnover debttoassetscurrent ocftoassets ln_capital return_1m return_3m exp_wgt_return_3m exp_wgt_return_6mstd_1m std_3m IVR_FF3factor_1m IVR_
24、FF3factor_3mturn_1m turn_3m bias_turn_1mBeta macd dea difrsi psy bias-20%(1.0)資料來源:Wind,因子表現(xiàn)計算方法因子 T 月表現(xiàn)的計算方法可以簡要描述為:1. 以 T-1 月最后一個交易日為截面期,以全 A 股為股票池,計算附錄一中 10 大類共 34個細分因子值。對每一大類風(fēng)格因子內(nèi)部各細分因子做去極值、標準化預(yù)處理及因子方向調(diào)整,再等權(quán)合成,得到截面期大類風(fēng)格因子值。2. 計算 T 月股票池內(nèi)個股區(qū)間收益。3. 對大類風(fēng)格因子或細分因子做去極值、標準化和行業(yè)市值中性化預(yù)處理,計算 T-1 月 預(yù)處理后因子與 T
25、 月個股區(qū)間收益的 Spearman 秩相關(guān)系數(shù),即 T 月因子 Rank IC 值。4. 對大類風(fēng)格因子值、個股總市值做去極值和標準化預(yù)處理,以 T-1 月預(yù)處理后大類風(fēng)格因子值、預(yù)處理后個股總市值、中信一級行業(yè)啞變量為自變量,以 T 月個股區(qū)間收益為因變量,以流通市值平方根為權(quán)重,做加權(quán)線性回歸,大類風(fēng)格因子值對應(yīng)的回歸系數(shù)即為 T 月大類風(fēng)格因子收益率。詳細計算方法請參見附錄二。內(nèi)生變量視角內(nèi)生變量視角基于因子動量、因子離散度、因子擁擠度三類指標,預(yù)測風(fēng)格因子未來表現(xiàn)。因子動量反映因子過去一段時間內(nèi)表現(xiàn);因子離散度相當(dāng)于因子估值,高因子離散度反映 因子被過度忽視,低因子離散度反映因子被過
26、度投資;因子擁擠度反映因子是否處于擁擠 狀態(tài)。一般看好高因子動量、高因子離散度、低因子擁擠度因子短期表現(xiàn),三項指標在截 面和時序上均有預(yù)測效果。內(nèi)生變量綜合預(yù)測結(jié)果基于因子動量、因子離散度、因子擁擠度三類指標,分別從截面和時序角度,對大類風(fēng)格 因子 4 月的表現(xiàn)進行打分預(yù)測,綜合預(yù)測結(jié)果如下表所示??傮w來看,看好換手率、反轉(zhuǎn)、估值、波動率因子,不看好財務(wù)質(zhì)量、Beta、技術(shù)因子。其中,估值因子在三個指標上均 具有一定優(yōu)勢,其中因子動量較為突出;反轉(zhuǎn)和換手率因子離散度占優(yōu),被忽視程度可能 較高;波動率和換手率因子的擁擠度均較低,交易相對不擁擠。圖表15: 內(nèi)生變量預(yù)測大類風(fēng)格因子 4 月表現(xiàn)綜合
27、預(yù)測得分0.80.730.680.670.650.520.470.400.390.330.260.70.60.50.40.30.20.10.0估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)資料來源:Wind,預(yù)測綜合預(yù)測得分是以下 6 項細分指標的均值:1. 歸一化截面因子動量;2. 因子動量歷史分位數(shù);3. 歸一化截面因子離散度;4. 因子離散度歷史分位數(shù);5. 1歸一化截面因子擁擠度;6. 1因子擁擠度歷史分位數(shù)。其中,歸一化采用 min-max 歸一化,根據(jù)截面上各類因子相應(yīng)指標最小值和最大值,將其縮放至0, 1范圍內(nèi);歷史分位數(shù)取每個因子最新月末截面期相應(yīng)指標,在其歷史上(自
28、2007 年 1 月末截面期開始)所處分位數(shù),本身在0, 1范圍內(nèi);因子擁擠度為反向指標,故用 1 減去相應(yīng)指標。因子動量定義因子動量為因子在過去 12 個月末截面期的 21 日 Rank IC 均值。從截面角度看,小市值、波動率、反轉(zhuǎn)、估值因子動量較強,成長、盈利、財務(wù)質(zhì)量因子動量較弱。從時序角度看,估值因子動量處于歷史高位,超過 2007 年以來的 80%分位數(shù)水平;財務(wù)質(zhì)量和技術(shù)因子動量處于歷史低位,在 2007 年以來的 20%分位數(shù)水平附近。圖表16: 大類風(fēng)格因子動量歷史序列估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)0.200.150.100.050.00(0.05)(
29、0.10)2007-01-312008-01-312009-01-312010-01-312011-01-312012-01-312013-01-312014-01-312015-01-312016-01-312017-01-312018-01-312019-01-312020-01-312021-01-312022-01-31(0.15)資料來源:Wind,圖表17: 大類風(fēng)格因子 3 月底截面動量和 2007 年以來歷史分位數(shù)截面動量時序動量分位數(shù)(右軸)88.5%8%74.3%68.9%80%6%61.2%5.060%4.0%4%3.8%30.1%40%22.4%24.6%2.9%2.4
30、%19.1%2%16.9%20%3.8%0.5%0%0%2%-0.8%-20-2.8%4%-40%10%100%-%-估值成長%盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)資料來源:Wind,因子離散度因子離散度計算方式為:1. 在月末截面期,取每個中信一級行業(yè)因子值排名前 20%個股的因子值中位數(shù),以及因子值排名后 20%個股的因子值中位數(shù),兩者求差值;2. 30 個行業(yè)的差值求平均值,得到當(dāng)前截面期該因子離散度原始值;3. 對當(dāng)前截面期因子離散度原始值做標準化,計算其在過去 72 個月末截面期的 Z 分數(shù)。從截面角度看,反轉(zhuǎn)和換手率率因子離散度相對較高,Beta 因子離散度相對較低。從時
31、序角度看,反轉(zhuǎn)、換手率離散度同樣處于歷史高位,超過 2007 年以來的 90%分位數(shù)水平,處于相對被忽視狀態(tài);財務(wù)質(zhì)量、技術(shù)因子離散度處于歷史低位,低于 2007 年以來 20%以下分位數(shù)水平,可能處于過度投資狀態(tài)。圖表18: 大類風(fēng)格因子離散度歷史序列估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)543210(1)(2)(3)2007-01-312008-01-312009-01-312010-01-312011-01-312012-01-312013-01-312014-01-312015-01-312016-01-312017-01-312018-01-312019-01-312
32、020-01-312021-01-312022-01-31(4)資料來源:Wind,圖表19: 大類風(fēng)格因子 3 月底截面離散度和 2007 年以來歷史分位數(shù)3.2截面離散度時序離散度分位數(shù)(右軸)96.7%92.9%2.72.772.1%57.9%1.754.1%1.51.647.5%1.235.0%0.80.624.6%0.818.6%14.2%(0.3)100%2.82.42.01.61.20.80.40.0(0.4)(0.8)80%60%40%20%0%-20%(1.2)估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)-40%資料來源:Wind,因子擁擠度因子擁擠度計算方式為:1
33、. 在每個月末截面期,分別計算個股 a)過去 63 個交易日的日度漲跌幅標準差作為波動率指標,b)過去 63 個交易日的日均換手率作為換手率指標,c)過去 63 個交易日個股收益與萬得全 A 收益線性回歸的回歸系數(shù)作為 Beta 指標;2. 取各個中信一級行業(yè)因子值排名前 20%個股的波動率/換手率/Beta 均值,以及因子值排名后 20%個股的波動率/換手率/Beta 均值,兩者求比值;3. 對波動率、換手率、Beta 的三個比值求均值,得到當(dāng)前截面期該因子擁擠度。從截面角度看,小市值和 Beta 因子擁擠度相對較高,波動率和換手率因子擁擠度相對較低。從時序角度看,Beta 和技術(shù)因子擁擠度
34、處于 2007 年以來最高水平,可能處于交易擁擠狀態(tài);盈利、財務(wù)質(zhì)量和技術(shù)因子擁擠度低于 2007 年以來的 20%以下的歷史分位數(shù)水平,交易相對不擁擠。估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)圖表20: 大類風(fēng)格因子擁擠度歷史序列2.01.81.61.41.21.00.80.60.40.22007-01-312008-01-312009-01-312010-01-312011-01-312012-01-312013-01-312014-01-312015-01-312016-01-312017-01-312018-01-312019-01-312020-01-312021-01
35、-312022-01-310.0資料來源:Wind,圖表21: 大類風(fēng)格因子 3 月底截面擁擠度和 2007 年以來歷史分位數(shù)截面擁擠度時序擁擠度分位數(shù)(右軸)1.41.21.00.80.60.40.2100%100.0%1.21.21.01.01.00.90.80.846.4%45.9%38.3% 0.50.533.3%24.0%23.5%14.8%18.0%19.1%80%60%40%20%0.0估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率0%Beta技術(shù)資料來源:Wind,外生變量視角外生變量視角假設(shè)風(fēng)格因子表現(xiàn)受市場變量、宏觀變量等外生變量驅(qū)動,對每個大類風(fēng)格因子篩選出具備預(yù)測能力的外生
36、變量,使用線性回歸預(yù)測未來一個月的 Rank IC 值。以下分別展示最新一期預(yù)測方法及預(yù)測結(jié)果。外生變量選取選取 6 項市場指標和 13 項宏觀指標作為外生變量。選擇滬深 300 和中證 500 月漲跌幅、月波動率及月均換手率,用于表征市場行情的變化。從國民經(jīng)濟核算、工業(yè)、價格指數(shù)、銀行與貨幣、利率與匯率 5 個方面,選擇較常用的 13 項宏觀指標。時間序列回歸模型的一個重要前提是自變量為平穩(wěn)時間序列,而大部分宏觀指標和市場指標在時間序列上的分布非平穩(wěn),不符合預(yù)測模型對自變量的假設(shè),因此我們針對不同的外生變量,進行一定差分處理或計算變化率,使得外生變量在單位根檢驗下均為平穩(wěn)時間序列。另外,部分
37、宏觀變量數(shù)據(jù)發(fā)布具有滯后性,我們在建模時將這部分宏觀數(shù)據(jù)按其實際發(fā)布時間滯后使用。例如,T-1 月的 M1 同比數(shù)據(jù)通常在 T 月中旬公布,因此我們在 T 月末建模時用到的是 T-1 月的 M1 同比數(shù)據(jù)。下表展示具體 19 項外生變量及其所屬類別和變量處理方法。為了更清楚地展示部分宏觀變量的滯后期,我們以 T 月末為截面期,最右列為外生變量能取到的最新數(shù)據(jù)時間。圖表22: 外生變量列表變量類別變量細分類別變量名稱變量處理方法最新數(shù)據(jù)時間市場變量滬深 300 月漲跌幅不處理第 T 月市場變量中證 500 月漲跌幅不處理第 T 月市場變量滬深 300 月波動率變化率第 T 月市場變量中證 500
38、 月波動率變化率第 T 月市場變量滬深 300 月均換手率一階差分第 T 月市場變量中證 500 月均換手率一階差分第 T 月宏觀變量國民經(jīng)濟核算PMI二階差分第 T 月宏觀變量國民經(jīng)濟核算宏觀經(jīng)濟景氣指數(shù)先行指數(shù)變化率第 T-3 月宏觀變量工業(yè)工業(yè)增加值當(dāng)月同比二階差分第 T-1 月宏觀變量價格指數(shù)CPI 當(dāng)月同比二階差分第 T-1 月宏觀變量價格指數(shù)PPI 全部工業(yè)品當(dāng)月同比一階差分第 T-1 月宏觀變量價格指數(shù)企業(yè)商品價格指數(shù) CGPI 當(dāng)月同比二階差分第 T-1 月宏觀變量銀行與貨幣M1 同比一階差分第 T-1 月宏觀變量銀行與貨幣M2 同比一階差分第 T-1 月宏觀變量銀行與貨幣大型
39、存款機構(gòu)存款準備金率二階差分第 T 月宏觀變量利率與匯率中債國債到期收益率 3 個月變化率第 T 月宏觀變量利率與匯率國債收益率差 10 年期-3 月期變化率第 T 月宏觀變量利率與匯率美元兌人民幣匯率變化率第 T 月宏觀變量利率與匯率SHIBOR1W變化率第 T 月Wind,外生變量預(yù)測方法參考 Hua,Kantsyrev 和 Qian 于 2012 年發(fā)表論文 Factor-Timing Model,使用外生變量預(yù)測大類風(fēng)格因子 Rank IC 值。首先使用條件期望模型和 AIC 準則,在 T-1 月最后一個交易日,對每個大類風(fēng)格因子篩選出可能影響因子 Rank IC 值的條件變量;其次將
40、大類風(fēng)格因子與篩選出的條件變量做線性回歸,預(yù)測 T 月的因子 Rank IC 值。條件期望模型假設(shè)單個風(fēng)格因子 Rank IC 時序向量 Y 與外生變量時序向量 X 的聯(lián)合分布服從多元正態(tài)分布,即:𝑋𝜇𝑥𝑋𝑋 𝑋𝑌(𝑌) 𝑁 (𝜇𝑌) , (𝑌𝑋𝑌𝑌) ,𝑋𝑋𝑋則在給定 Xx 的情況下,Y 的條件分布仍為正態(tài)分
41、布,條件數(shù)學(xué)期望和條件方差分別為:𝜇𝑌|𝑋=𝑥= 𝐸(𝑌|𝑋 = 𝑥) = 𝜇+ 𝑌1(𝑥 𝜇 )𝑌|𝑋= 𝑌 𝑌1 𝑋𝑋𝑋𝑌其中 E(Y|X=x)稱為 Y 關(guān)于 X 的回歸,它是 x 的線性函數(shù)。AIC 和 AICc 準則使用 AIC 赤池信息量準則衡量統(tǒng)計模型擬合優(yōu)良性。相比
42、其它模型評價指標,AIC 的優(yōu)勢 在于兼顧模型簡潔性和準確性。在進行多個模型比較和選擇時,通常選擇 AIC 最小的模型?;跅l件期望模型的 AIC 計算公式如下:𝐴𝐼𝐶 = 𝑇 𝑙𝑜𝑔(|𝑌|𝑋|) + 2𝑁 𝐾其中 T 為樣本窗口長度,N 為風(fēng)格因子數(shù)量(這里固定為 1),K 為外生變量數(shù)量。當(dāng)樣本數(shù)量較小時,基于 AIC 的方法可能會產(chǎn)生模型過擬合問題。為避免此問題,研究者提出 AICc 指標,在 AIC 上添加小樣
43、本誤差修正量?;跅l件期望模型的 AICc 計算公式如下:𝐴𝐼𝐶𝑐 = 𝑇 𝑙𝑜𝑔(|𝑌|𝑋|) + 2 𝐾 +2𝐾 (𝐾 + 1)𝑇 𝐾 1外生變量篩選流程樣本區(qū)間內(nèi)篩選外生變量流程如下圖所示,具體步驟為:1. 最優(yōu)外生變量集合 S0 初始為空集,AICc 初始值 AICc0T·log(|XX|);2. 遍歷不在 Si 中的每個外生變量 k,計算
44、將 k 加入到集合 Si 后模型 AICc 值,取最小值A(chǔ)ICcmin;3. 若 AICcmin 小于 AICci,則轉(zhuǎn)向第 4 步;否則篩選結(jié)束,集合 Si 為最優(yōu)外生變量集合;將 AICcmin 對應(yīng)的外生變量 k 加入 Si,即 Si+1Sik,AICci+1 為基于外生變量集合 Si+1計算得到的 AICc,并轉(zhuǎn)至第 2 步。圖表23: 外生變量篩選流程圖資料來源:回歸預(yù)測模型構(gòu)建對于每個大類風(fēng)格因子,取樣本區(qū)間為過去 72 個月,分三步預(yù)測未來一個月 Rank IC 值:1. 使用 AICc 在樣本區(qū)間內(nèi)篩選出對因子 Rank IC 值具有解釋能力的外生變量;2. 將篩選出來的全部外
45、生變量納入回歸模型,在樣本區(qū)間內(nèi)構(gòu)造因子 Rank IC 值序列關(guān)于外生變量的多元線性回歸模型;將最新一期的外生變量代入回歸模型,得到未來一個月的因子 Rank IC 預(yù)測值。外生變量預(yù)測結(jié)果外生變量對大類風(fēng)格因子 4 月 Rank IC 預(yù)測結(jié)果如下圖所示。估值、反轉(zhuǎn)、換手率、波動率因子 Rank IC 預(yù)測值超過 10%,可能較為有效,建議短期看多上述因子表現(xiàn);不看好小市值因子未來一個月的表現(xiàn),該因子表現(xiàn)可能受宏觀環(huán)境制約。圖表24: 外生變量對大類風(fēng)格因子 4 月 Rank IC 預(yù)測值18%15.4%15.3%13.7%13.9%9.6%7.3%4.6%3.0%0.3%-0.6%16%
46、14%12%10%8%6%4%2%0%-2%估值成長盈利財務(wù)質(zhì)量小市值反轉(zhuǎn)波動率換手率Beta技術(shù)資料來源:Wind,預(yù)測因子預(yù)測結(jié)果解讀下面展示各個大類風(fēng)格因子 Rank IC 預(yù)測值,以及進入回歸模型的外生變量對預(yù)測結(jié)果的貢獻情況,貢獻度定義為自變量與回歸系數(shù)的乘積。圖表25: 估值因子 Rank IC 預(yù)測值及外生變量貢獻情況圖表26: 成長因子 Rank IC 預(yù)測值及外生變量貢獻情況13.7%估值6.2%0.0%0.0%7.5%16%14%12%10%8%6%4%2%0%-2%預(yù)回IC測歸模值型截距項滬國美300深債元收兌益人月月 率民波期 差幣10動匯率年率-3期3.5%3.0%2
47、.5%2.0%1.5%1.0%0.5%0.0%成長3.0%3.0%預(yù)測IC值回歸模型截距項資料來源:Wind,預(yù)測資料來源:Wind,預(yù)測圖表27: 盈利因子 Rank IC 預(yù)測值及外生變量貢獻情況圖表28: 財務(wù)質(zhì)量因子 Rank IC 預(yù)測值及外生變量貢獻情況盈利9.6%2.9%-0.3%12%10%8%6%4%2%0%-2%預(yù)回滬300IC測歸深模值型截月距均項換手率8%7.3%財務(wù)質(zhì)量1.2%-0.3%7%6%5%4%3%2%1%0%-1%預(yù)回滬300IC測歸深模值型截月距均項換手率資料來源:Wind,預(yù)測資料來源:Wind,預(yù)測圖表29: 小市值因子 Rank IC 預(yù)測值及外生變量貢獻情況圖表30: 反轉(zhuǎn)因子 Rank IC 預(yù)測值及外生變量貢獻情況0.4%0.6%-0.6%0.0%-10.3%10%5%0%-5%-10%-15%IC預(yù)測值8.8%回中500歸證模型截月距波項動率小市值CGPIPMI存款指準備標當(dāng)月同金比率18%16%14%12%10%8%6%4%2%0%IC預(yù)測值反轉(zhuǎn)15.4%7.5%7.2%0.8%M1回中500歸證同模比型率 月截均距換項手資料來源:Wind,預(yù)測資料來源:Wind,預(yù)測圖表31: 波動率因子 Rank IC 預(yù)測值及外生變量貢獻情況圖表32: 換手率因子 Rank IC 預(yù)測值及外生變量貢獻情況15%10%5%0%
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024年個人舊車轉(zhuǎn)讓協(xié)議范本
- 2024高效化妝品委托加工協(xié)議范例
- 事業(yè)單位考試計算機基礎(chǔ)知識大綱和試題
- 2024年度醫(yī)療用品購銷協(xié)議模板
- 2024年度住宅樓施工項目協(xié)議目錄
- 2024年股票投資合作協(xié)議模板
- 2024年重慶市區(qū)住宅租賃協(xié)議
- 2024年軟件服務(wù)行業(yè)協(xié)議樣本
- 2024專項彩妝產(chǎn)品代理銷售協(xié)議
- 文書模板-《臨時勞務(wù)安全免責(zé)協(xié)議書》
- 20222023學(xué)年浙江省寧波市鄞州實驗中學(xué)八年級(上)期中語文試卷(解析)
- 人教版數(shù)學(xué)二年級下冊德育滲透教案《統(tǒng)計》例2教學(xué)設(shè)計
- 超越指標:存量時代降本增效的利器
- 《中小學(xué)書法教育指導(dǎo)綱要》解讀
- 住院醫(yī)師規(guī)范化培訓(xùn)臨床技能核課件
- 青島版五四制五年級上冊數(shù)學(xué)應(yīng)用題216道
- 工程造價鑒定十大要點與案例分析
- 2024年金融行業(yè)發(fā)展趨勢
- 印刷設(shè)計行業(yè)檔案管理制度完善
- 地?zé)豳Y源勘查與開發(fā)利用規(guī)劃編制規(guī)程
- 三年級上海市滬版英語第一學(xué)期上學(xué)期期中考試試卷
評論
0/150
提交評論