首页 > 资料专栏 > 经营 > 运营治理 > 其他资料 > 因子优化_动量因子再研究

因子优化_动量因子再研究

tigerji***
V 实名认证
内容提供者
热门搜索
资料大小:1488KB(压缩后)
文档格式:WinRAR
资料语言:中文版/英文版/日文版
解压密码:m448
更新时间:2019/2/9(发布于上海)

类型:积分资料
积分:10分 (VIP无积分限制)
推荐:升级会员

   点此下载 ==>> 点击下载文档


文本描述
请务必阅读正文后的声明及说明
[Table_MainInfo] [Table_Title]
证券研究报告 / 金融工程研究报告
因子优化:动量因子再研究
报告摘要:
[Table_Summary] 在本报告中,我们首先对传统动量因子进行分析,然后结合相关理
论,提出改进方法,以增强其有效性

具体来说,我们首先对传统动量因子表现进行了回测,发现动量因
子在多数时间内表现出反转效应;16年底以来,反转效应开始失灵,
且在其他时间段也出现不同程度的回撤:2006.9-2007.5、
2013.2-2013.8、2014.8-2015.4、2016.11-2017.5。为提高动量因子表
现,我们从如下两个角度进行了分析:一,基于理论,对反转效应
成因进行分析;二,基于数据,对组合持仓特征进行分析

从理论视角,结合已有文献对反转效应的成因进行了分析:动量(反
转效应)的成因是投资者认知出现偏差,对信息的解读不够及时充
分。据此,我们选取户均持股数量、机构持股比例和流动性三个指
标对散户集中度进行度量,进行分组研究。结果表明:一,从IC均
值来看,股东户均持股数越低、机构持股占比越低、流动性越高,
IC绝对值越大,且对应的T值也越显著;二,从年化收益率来看,
高流动性组合为18.03%,低股东户均持股组合为15.22%,均优于原
始收益率(13.77%)。从波动率来看,与原始组合(18.05%)相比,
进行分组之后得到的6个组合,波动率均有所降低;从最大回撤来
看,与原始组合(25.60%)相比,低股东户均持股组合最低,为17.66%,
其次是高流动性组合,为19.29%。从Sharpe值来看,高流动性组合
为1.222,与原始组合的0.763相比,有显著提升

基于数据,我们从收益拆分角度对导致动量因子出现回撤的原因进
行了分析,可以发现这些时期多头组合与风格因子偏好出现一定程
度背离。基于这一结果,我们提出了两种优化方法:一,对风格收
益贡献进行预测,中性化贡献较低的风格。结果表明,从年化收益
和波动率指标来看,相比于原始结果,所提4种方法均有所提升,
对应的Sharpe、Calmar和Sortino指标也有所提高。从最大回撤来看,
其中三种方法降低了2016.11-2017.5区间出现的最大回撤。二,对组
合收益和风险进行预测,进而最大化预测Sharpe值,得到股票权重

优化组合多空年化收益为24.94%,最大Sharpe值为1.284,与原始
方法相比有较大幅度提升;从Calmar和Sortino指标来看,也有较
大幅度提升。优化组合在各个时期的最大回撤与原始组合基本一致,
不过在08年出现了较大回撤;而在2016.11-2017.5区间,最大回撤
则有所减小

[Table_Invest]
[Table_PicQuote] 高流动性组合动量多空净值
[Table_Trend] [Table_IndustryMarket] 基于优化的动量多空净值走势
[Table_Report] 相关报告
《基于因子筛选的特质波动率研究》
2017-10-25
[Table_Author]
证券分析师:高建
执业证书编号:S0550511020011
研究助理:王琦
执业证书编号:S0550116060053
021 2036 3216 xu_zy @nesc
发布时间:2017-12-05
淘宝店铺
“Vivian研报”
首次收集整理
获取最新报告及后续更新服务请在淘宝搜索店铺“Vivian研报”
或直接用手机淘宝扫描下方二维码
请务必阅读正文后的声明及说明 2 / 15
[Table_PageTop] 金融工程研究报告
目 录
1. 传统动量因子分析 ........ 3
1.1. 因子回测.......3
1.2. 分析及改进方向.......5
2. 变量分组 ........... 5
2.1. 理论分析.......5
2.2. 回测结果.......6
2.2.1. 股东户均持股. 7
2.2.2. 机构持股比例. 7
2.2.3. 流动性 ........... 8
3. 基于风格的优化9
3.1. 分析...9
3.2. 风格对冲.....10
3.3. 最大化预测Sharpe.12
4. 总结 ..... 13
请务必阅读正文后的声明及说明 3 / 15
[Table_PageTop] 金融工程研究报告
量化投资领域,多因子分析是其中非常重要的一个视角。不论是学术界,还是实务
界,均投入了大量精力,以期寻找表现更为可靠的因子。作为投资标的,可以赋予
股票众多的属性:经营业务、管理层能力、公司财务指标、交易数据,而我们所追
求的便是能够预测股票未来收益的属性值。这似乎是一个数据挖掘的过程,即通过
大量的回溯来试错。Yan和Zheng(2017)利用240个会计指标,通过排列组合,
构建了超过18000个收益信号,并对其进行了回溯。这种方法有其可取之处,但无
法获得可预期的结果。我们还是应当基于经济理论,通过逻辑分析来进行信号构建

传统因子已被研究的很多,对其进行挖掘似乎不会获得很大的收获。然而,因子与
收益之间并不是简单的数据联系。从理论层面对因子背后的逻辑进行挖掘,对其适
用性进行分析,是能够有所得的,这也是我们接下来会逐步展开的工作

在本报告中,我们对动量因子进行了分析:首先对传统因子表现进行分析,接着基
于理论进行分层研究,最后从组合收益拆分角度进行优化以增强因子表现

1. 传统动量因子分析
与市值因子一样,动量也是最常见的选股因子之一。已有研究表明,国外市场呈现
短期反转、中期动量的特征,而我国股市在多个时间频率上都存在着显著的反转效
应。然而,这一反转效应的表现也是不稳定的。下面我们首先对传统动量因子进行
回测,然后对引致现有结果的可能成因进行分析,最后提出可能的改进方向

1.1. 因子回测
在这一部分我们对动量因子进行回测检验。具体来说,所涉及的股票池为全部A股,
回测区间为2006年7月至2017年10月。回测流程如下:
(1) T时刻,计算前推N个交易日的个股日均收益率,将其作为当期股票因子值,
对因子值进行升序排列;
(2) T+1时刻,剔除停牌股票,剔除上市不满60的新股。将剩余股票等分为K个
组合,等权配臵,以收盘价买入股票,组合持有M个交易日;
(3) 重复上述操作,直到遍历整个时间区间

上述回测流程中,可变参数为因子计算区间长度N,持有区间长度M和组合划分个
数K,此处取值分别为:N=20、40、60;M=20,K=10。后文中,G1表示因子值最
小的组合,G10表示因子值最大的组合

首先对上述三个因子的秩相关系数IC进行分析,结果见图1和表1。三个因子的IC
均值分别为-0.063、-0.062、-0.062,基本没有差别;显著性检验T值分别为-5.400、
-4.739、-4.789,在1%的显著性水平下均是显著的。仅从这一指标,可以认为这三
个因子均是有效的。横向来看,三个因子的IC值在各个时间点相差不大;纵向来
看,每一因子的IC值波动较大。2016年以来,IC值在多数时间内是大于整体均值
的。由此可以看出,这三个因子是有效的,但伴随的风险也是较大的

请务必阅读正文后的声明及说明 4 / 15
[Table_PageTop] 金融工程研究报告
图 1:动量因子IC值走势表 1:IC值描述性统计
N=20 N=40 N=60
Min -0.425 -0.432 -0.432
Max 0.232 0.266 0.302
Mean -0.063 -0.062 -0.062
STD 0.136 0.151 0.150
T-Value -5.400 -4.739 -4.789
数据来源:东北证券,Wind数据来源:东北证券,Wind
下面结合分组净值走势对三个因子有效性进行分析,结果见图2、图4和图6。首
先,除个别组外,各组区分是较为明显的。对于N=20,表现最好的是G2和G3,
且走势基本一致;对于N=40,G1、G2和 G3走势较为一致;对于N=60,G1和
G2走势较为一致。具体来看,可以得出如下结论:一,持有过去表现较差股票,
在多数时间能够带来收益;二,在一些时间段,持有过去表现较差股票,会带来净
值损失,即反转效应失灵。图3、图5和图7中给出的是将G1作为多头,G10作为
空头的组合净值走势和最大回撤走势。具体来看,可以发现:一,多空净值整体呈
走高的趋势;二,2007年、2010年、2013年、2015年和2017年,净值出现不同
程度回落,20日动量因子出现较大回撤的时间段相对较长,60日动量因子出现回
撤的区间段主要是2013年、2015年和2017年

图 2:分组净值走势(N=20)图 3:多空净值走势(N=20)
数据来源:东北证券,Wind数据来源:东北证券,Wind
图 4:分组净值走势(N=40)图 5:多空净值走势(N=40)
数据来源:东北证券,Wind数据来源:东北证券,Wind
。。。以上简介无排版格式,详细内容请下载查看