菜单

多因子行当布局:动量、波动率与同行当景气度

2019年6月20日 - 金沙澳门

   
在价值观多因子模型中,常用的因子赋权方法是通过对富有因子的因数IC或因子收益率相对大小实行赋权。本报告将因子分类为有效因子与风格因子,以为是因为两个性质的歧异,决定了他们轮动的逻辑并不一样样:有效因子的轮动是由因子间的争持强弱来决定,因子间的相对强弱由市镇风格等变量支配;而风格因子不用判定因子间的相持强弱,他们的轮动直接由市镇风格决定。在若是已知每一期有效因子收益的周到倘使下,我们发掘因子轮动可以精晓进级结合收益率。

   
因子赋权上,我们运用不一致加权方法实行回测,结果展现单期复合IC的大举组合(排行前5行业)累计受益率最高,为1.595倍,折合年化受益率为20.08%。经验权重配置格局(将动量、波动率、行业景气度因子遵照主观经验将权重恒定设为5:3:2)的合计收益率在各式配置方式中居第二,年化受益率19.17%,但收入回撤比最高,为3.25。

    定量划分的仓库储存周期是上游行当突显晴雨表
工业产成品仓库储存是形容仓库储存周期的中坚目标。大家选取定性划分与定量划分两种方法尝试对仓库储存周期实行划分,测算发掘定量划分的结果能够更加好地表达上游原材质和高级中学级创造板块的入账表现。本报告发掘上证综指在被动去和积极补七个级次的显现鲜明好于被动补和主动去。同有时间,上游原材质和中间创建板块在消沉去仓库储存和积极性补仓库储存表现很好,被动补库存阶段表现最差。基于仓库储存周期营造的板块择时效果显然。

二零一三0629-广发股票(stock)-多因子Alpha种类报告之(十):思念换另一边手率限制的多因子Alpha模型

透过移动平均,收缩换其余一只手率,固然IC_I君越也下落,不过下落速度低于换另一边手率的下跌。
就此经过运动平均因子揭露度,能够在IC可接受的轻重缓急下丰裕下降换其余一只手率

    稳步回归与序数回总结果解析:均能拉动显明的超过定额受益

    风险提示:数量化攻略钻探重大依赖历史数据,只怕存在模型设定偏差的高危机。

    股票总市值中性下的低特质波动率指标中度有效
以特质波动率排行后伍分叁的个人股等权作为政策组合,以全市场个人股等权为基准;2007年3月到二零一八年一月,年化超过定额收益7.一半,追踪误差为4.67%,新闻比率1.62,最大回撤5.85%。低特质波动率组合超过定额收益非常分明。CAPM模型的特质波动率的年化多空收益18.12%,而Fama-French三因子和五因子模型及Carhart四因子模型对应分别为23.半数,22.十分之八和23.44%。表明仅用市集因子解释证券收入力度是有限的,而进入股票总值因子、估值因子后进级效果分明,年化多空收益进步5%左右。

20120126-安信股票-基于有效因子的多因子选股模型

  1. 选股因子有效性的视察:

2.使得但冗余因子的删除

用 Fama-French超过定额受益及
SMB、HML进行以月度为单位的岁月类别回归。从中能够看看,组合收益的 阿尔法值为 1.42,t 总结量为 1.99,在 5%的水平下明显,即构成在调控了 Fama-French
三元素所对应的高风险受益后,能获取
1.42%的鲜明的正的月超过定额受益(相对于无风险械收割益)

    宏观、商号变量、季度效应均能解释因子轮动,因子动量效果并不明朗

   
观察不相同因子多空组合累计收益率曲线,可以窥见长时间趋势下包罗着长期趋势,我们对长期趋势加以利用,就要因子轮动系统投入行当布局模型中,发掘动量因子轮动对全部安插功用有拨云见日进步,个中等权配置+动量因子轮动模型年化收益率达到21.91%,较无轮动模型年化受益率进步了3个百分点,Calmar比例也进级至1.53,且同期相比较基准指数的年胜率也会有醒目进步,当中相对中证500指数的年胜率提高至百分百。经验权重配置+动量因子轮动模型年化受益率25.八分之四,较无轮动时受益率进步了6.3个百分点,Calmar比例提高至1.87,另胜率也较无轮动时有所提高。

    全世界视野–港股票市场场因子有效性深度解析大类因子来看,香港股市市镇成长因子有明确且稳固性的超过定额收益,在那之中又以因子delta_roe和delta_roa表现最棒。毛利因子中eps表现最好,roe,roa其次。集镇因子方面,香港股市存在鲜明的动量效应。别的,香港股市票市镇值效应不分明,市场股票总值因子单调性较差;

多因子ALPHA种类报告之(二十四)——财报因子使用方法新探

接纳业绩预先报告加强财务指标因子的做法

   
本报告通过滚动更新的艺术分别对两种模型进行了回测,相比较于因子等权(9.六分之三)这一持久收益率较高的尺码组合,稳步回归法(12.16%)与序数回归法(12.76%)均能拉动显明的超过定额受益,序数回归的入账略高于稳步回归。波动率(5.53%VS5.91%)相比上逐步回归更优,而最大回撤(-2.76%VS-1.83%)的角度来看,序数回归更优。从因子权重的波动来看,稳步回归的权重波动(21.41%)是序数回归(8.12%)的2.6倍。假诺从实质上投资的角度出发,序数回归是越来越好的选取。在低收入与波动率等差异十分的小的前提下,序数回归模型提供了越来越好的安澜,不只有从风控角度越来越好管理,同一时间非常小的因子权重变动也会显明下落最后股票组合的换其余一只手率,节约交易开支。

   
至此大家营造了依附动量、波动率以及行当景气度的三因子行当布局模型,并参加了因子轮动,历史回测表现卓绝。后续我们将思虑在这一框架下,进一步挖潜其余有效的本行布局因子,如宏观光气度、市镇激情、手艺因子等,以尤其升高行业布局的隐私受益空间。

创设基于宏观变量的老本配备深入分析类别基于受益和高风险成正相关的基本假使,我们搭建了完整大类资金财产配备的种类。配置模型敬重资金财产价格中间的相对强弱,主题目标不再是预测基黄金价格格的趋势,而是把握差异经济现象下,资金财产价格的争持强弱关系,战略布署相对强势的资金,该政策关怀3-7个月的前期配置,大旨指标是调整组合波动率与最大回撤;择时模型相对灵活,从战术层面调解重组内各类基金的相持权重,决定基础资金财产的超配与低配。最终战术性配置与战略性择时模型通过Black-Litterman模型举行融合。当中安顿模型层面,大家付出了兼顾经济逻辑和数量逻辑的模子,覆盖了投资石英钟、欧元挂钟和仓库储存周期等,从配置战略的角度,举办基金配备。

多因子Alpha类别报告之(九)——追踪行业特点,捕获行当ALPHA驱重力

应用对两样行当进行不一样的因子深入分析,然后再平分加权营造组合的主意。
因子等权和股票等权功效越来越好。
不一致于以后不区分行当解析因子的艺术。

   
在使得因子轮动的设想中,古板因子动量(反转)并不能够很好的开始展览解释。大家进入宏观变量、市场变量与季度效应三类解释变量来对因子进行分解:开采单个宏观变量或市场变量对单个因子的相关性和平解决说力度并不显眼,但对因子间相对强弱的分解较为合理。而在季度效应中,大家根本思考了五月效应,四月效应,季末效应与上下7个月成效。最后我们根据表达变量的归类,创建了本报告所需的自变量数据库。
有效因子轮动模型:稳步回归法与序数回归法
本报告一共接纳了多个模型:稳步回归模型与序数回归模型。稳步回归是一贯对单个因子受益率的时辰类别实行线性回归,通过显明性筛选所需的自变量。而在序数回归中,大家经过对每一期有效因子举办排行,依据有效因子的周旋排行进行回归,获得单个因子的排行可能率,从而直接得到因子的相对强弱。

   
单因子测试中,大家以申万一流二十几个行业指数为基于,选择了股票价格动量因子、价格与成交量波动率因子、估值因子与同行当景气度因子举行测试。价格动量反转方面,大家发掘动量效应相比较刚毅;波动率层面,低波动率行业在以往二个月表现更加好;行当景气度范围,行当景气度革新越刚强,则行当在股市的标价显示越好;而估值因子在同行当布局的框框并不要命使得。

二零一一1028-海通股票-多因子选股模型的可行与失效

历史观的线性相关全面很难有效筛选出对收益率有较强鉴定区别技术的因数,借使核算的结果反倒表明因子与收益率的线性关系是存在的,实证发掘,平均收益率最高的重组更易出现在因子取值的两端。从而能够把因子的
有效性重新定义为,高(低)受益出现在因子取值大小两端的大概性越来越高。
因子和收益率的尾巴相关周详具备不一致于其余相关性度量目的的独个性和不随时
间推移发生巨大变化的平稳。

因子轮动革新:有效因子与作风因子的分析应用区别逻辑

先前时代我们关于纯因子组合以及多因子选股的商量开掘,较之规模、估值、成长等精粹大类风格因子,行当因子对投资组合业绩的解释力度越来越大,越发是随即行当板块上涨或下降差别严重,商铺市价严重向某多少个行业板块倾斜,越发展现了行当轮动与同行当布局商讨的市场股票总值。故大家利用多因子选股的商讨思路,营造多因子行业布局模型。全部探讨流程分为三有个别,单因子测试、因子赋权、因子轮动。

二〇一一0519-广发证券-多因子Alpha模型切磋:沪深300成份股的使用深入分析

  1. 确立基本因子库,以FF排序打分的方式来定义因子回报。
  2. 对历史因子回报举行分析,通过分裂指标的对照,筛选出具备持续猎取平静正
    收益本事的因子,并明确最后备选因子来构建大家的多因子模型。
  3. 在挑选出有效因子之后,运用了三种区别的权重分配法来决定每期因子权重的
    大小,分别为等权、聚类、均值方差最优。
  4. 末尾,结合期货因子取值的大大小小以及相应因子的当期货合作选择权重,总计出投资标的里
    个股的尾声得分(大家称之为Alpha Score),并以此推荐超低配组合。

FF排序打分法:
1:剔除因子值为0的期货(Futures),每月月末会依赖因子的取值遵照既定的排序方平昔
为剩下期货(Futures)排序
2:挑选前五分之二股票(stock)为超配组合,后五分之一为低配组合
步骤3:以平均加权的主意总计超配组合与低配组合之间的低收入差,并以该收入差作为因子收益。
因子受益就表示着该因子的二个选股有效性。正收益越来越多,代表超配组合打败低配组合的票房价值越大。

因子选取:
1.因子胜率
2.因子信息比 > 1。 年化平均收入/年化标准差
3.t检查:首要用以样本含量十分小,总体标准差未知的正态遍布资料。它是三个平均值
差距程度的检查方法,核准单个因子历史收益平均数量是不是分明不为0或刚毅大于0。P
<= 0.5

权重分配:
等权重分配法的长处在于权重的安定团结。由于是静态的权重,模型末了摘取股票(stock)组合的换另一只手率比较低。但该方法
较为主观,并不曾设想因子收益变化对模型带来的震慑。
聚类剖析方法的优点则在于它使得的利用了因子收益的趋势性以及相关性,每期动态为因子分同盟理的权重。
但缺点是假诺因子收益发生反败为胜,该办法可能导致模型发生错判。
把因子类比为“股票(stock)”,以因子 IHaval最大化为导向,利用Mark维茨的均值方差法为因子实行权重分配。该方法有
很强的论战功底,也是大家新尝试的权重分配法。
因子平均加权法具有最高的胜率,超配组合战胜低配组合具有近乎
十分七的几率。但从风险调节后的超额获益来看,聚类剖析加权法的功用要越来越好一点。流通市场总值加权-包蕴金金融政治策表现最优。

二〇一三0220-华泰证券-多因子选股模型实证:基于数量化排序方法

将某一时间截面包车型大巴漫天股票的呼应因子取平均值及标准差之后,用每一个人股票(stock)的该因
子取值减去其平均值,然后除以标准差。思量到此地的数量毫无是正态布满,因此将上述的平均值用中值加以替代,而标准差的图谋,也是凭借中值的。

二〇一三0503-安信期货(Futures)-多因子类别报告之一:基于因子IC的多因子模型

图片 1

Paste_Image.png

ICA意味着因子 A 在该期的 IC 值,fA 为该期因子 A
对股票(stock)下期收益率的展望
向量,r 为股票(stock)下一期实际受益率向量。

图片 2

Paste_Image.png

图片 3

Paste_Image.png

在举办因子 IC 总计前大家举办了许多管理:

  1. 规格、去极值的管理:在截面上对一一因子做了规范、去极值的管理,去极
    值的章程为若有些因子值偏离均值超越 2.5 个规范差,则将其调度到 2.5
    个专门的学业
    差的位臵上。
  2. 行当、市场股票总值影响调治:思念到有个别因子在大小盘、不一致行当的期货(Futures)上的值会有刚烈的差别,在横截面上把各样因子对股票总市值及行当哑变量做了回归,取残差作为因子的一个取代。
  3. 残差正交化调度:本报告中从未对因子实行筛选,存在有较强同质性的因数。因而接下去对上一步中获取的残差在横截面上运用Schmidt正交化方法做正交化管理,用收获的正交化残差作为因子对期货收益率的八个预测。

二零一一1220-东兴股票-多因子种类钻探告诉之一:因子有效性估算与筛选(2)

因子有效性:(1)收益的有效性,(2)时间有效性(3)因子暴光程度与超过定额受益的相关性。

因子收益时效性:对日均累计超过定额受益拿走最大值时的交易日数再取均值,获得的数值正是因子受益的时效性。
因子受益使得=超过定额收益为正的组数/10*100

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图