【研报分享】广发证券:多因子 Alpha 系列报告之(三十四)—— 基于多期限的选股策略研究

动量效应
反转效应
标签: #<Tag:0x00007fc05d89dbe8> #<Tag:0x00007fc05d89da80>

(bnamor) #1

基于多期限的选股策略研究——多因子 Alpha 系列报告之(三十四)

报告摘要:

 动量、反转效应与多期限因子
动量效应与反转效应是金融市场上长期存在的特殊现象。本篇专题报告构建了一个基于多期限下的因子,通过分析不同期限的均线数据来同时捕捉短中长期限下的动量、反转效应特征。在多期限的指标下,通过综合考虑价格来刻画个股的收益特征。

 基于多期限因子的构建
在周频调仓情况下,构建基于不同期限下的因子,实证结果表明在全市场、中证 500 指数和中证 800 指数成分股中,因子对股票收益率都有良好的区分效果。在实证区间内,基于多期限均线构建的因子在全市场选股中证 500 指数对冲情况下,年化收益率为 25.40%,最大回撤为 9.11%,信息比率为 2.44。

 改进后的 LLT 趋势因子
针对均线对价格延迟性较差的缺点,本篇专题报告结合之前的研究成果 LLT 低延迟趋势线,构造了基于 LLT 指标的因子,以 LLT 线代替 MA线。实证结果表明,在全市场选股中证 500 指数对冲下,在实证区间内年化收益率 29.58%,最大回撤为 11.57%,信息比率为 2.51。改进的 LLT 趋势因子相对之前的基于 MA 构建的因子在全市场、中证 500 以及中证 800指数中结果都有较大的改进。

 核心假设风险:
本文所做的数据测算完全基于历史行情数据完成,市场表现受诸多因素影响,注意模型失效风险。

目录索引

一、背景介绍
1.1 动量效应与反转效应
1.2 理论模型
1.3 BETA 系数与资产价格收益率
二、基于不同期限下的因子构造
2.1 因子构造流程
2.2 实证分析
三、LLT 因子构建
3.1 LLT 低延迟趋势线回顾
3.2 LLT 因子实证分析
四、总结
风险提示

图表索引
图 1:基于不同期限因子构造流程
图 2:基于不同期限下因子在全市场中周度 IC 值
图 3:基于不同期限的因子在全部 A 股中分档表现
图 4:基于不同期限的因子在中证 500 成分股分档表现
图 5:在中证 800 指数成分股分档表现
图 6:单条 MA 均线因子表现
图 7:多条 MA 均线因子表现
图 8:基于不同期限因子在全市场多空对冲累积收益率
图 9:基于不同期限因子换手率
图 10:不同期限因子在全市场中证 500 指数对冲累积收益率
图 11:全市场中证 500 行业中性策略表现
图 12:基于不同期限因子在中证 500 成分股中对冲后表现
图 13:LLT 指标和传统 MA、EMA 指标的比较
图 14:单个 LLT 指标因子表现
图 15:多个 LLT 指标因子表现
图 16:基于 LLT 指标因子在全市场中周度 IC 值
图 17:基于 LLT 指标构建多空策略表现
图 18:基于 LLT 指标构建因子换手率表现
图 19:MA、LLT 指标构建因子不同指数对冲表现对比
图 20:基于 LLT 指标构建因子在全市场中证 500 指数对冲累积收益率
图 21:LLT 指标构建因子中证 500 行业中性策略表现
图 22:MA、LLT 指标构建因子行业中性策略比较
图 23:基于 LLT 指标构建因子在中证 500 成分股中表现
表 1:期限因子在不同指数成分股中 IC 值特征
表 2:全市场多空对冲下分年度表现
表 3:Q1 档分年度换手率
表 4:全市场中证 500 指数对冲分年度表现
表 5:全市场中证 500 行业中性策略表现
表 6:中证 500 成分股对冲后分年度表现.
表 7:LLT 指标与 MA 指标因子 IC 值特征
表 8:LLT 指标与 MA 指标构建因子在全市场分档表现比较
表 9:基于 LLT 指标构建的因子多空对冲分年度表现
表 10:基于 LLT 指标构建因子分年度换手率
表 11:MA、LLT 指标构建因子不同指数对冲表现对比
表 12:基于 LLT 指标构建的因子在全市场中证 500 指数对冲分年度表现
表 13:基于 LLT 指标构建因子中证 500 行业中性策略分年度表现
表 14:基于 MA、LLT 指标构建因子行业中性策略比较
表 15:基 LLT 指标构建因子在中证 500 成分股中分年度表现

一、背景介绍

1.1 动量效应与反转效应

自有效市场理论提出起,关于市场有效性的争论就未曾停止,反对者认为现实金融市场中长期存在一些异常现象,根据有效市场理论无法解释。最典型异常现象如 Jegadeesh 和 Titman (1993) 提出的中期动量效应,Lehmann (1990) 提出的短期反转效应,DeBondt 和 Thaler (1985) 提出的长期反转效应等。动量效应指在过去一段时间内收益率较高的股票,在未来一段时间内期望收益率也较高。反转效应正好相反,指在过去一段时间内收益率较低的股票,在未来一段时间内期望收益率更高。国内学者如程兵、梁衡义和肖宇谷 (2004),樊家鸣 (2010)等对 A 股的实证分析中发现,在 A 股市场中也存在中期动量效应和短期反转效应。本篇专题报告中构建了一个新的因子,通过分析不同期限的均线价格数据来同时捕捉短期反转、中期动量、长期反转等价格趋势。进一步,本篇专题报告针对移动平均线延迟性差的缺点,引入低延迟的 LLT 趋势线,构造基于不同期限下的LLT因子。

1.2 理论模型

Yufeng Han,Guofu Zhou 和 Yingzi Zhu (2016) 在论文中提出一个信息非对称下的市场模型:

移动平均价代替。

1.3 Beta 系数与资产价格收益率

2

二、基于不同期限下的因子构造

2.1 因子构造流程

为了同时捕捉短期、中期、长期的价格趋势,本篇专题报告取 3, 5, 10, 20, 30, 60,90, 120, 180, 240, 270, 300 等不同期限的均线数据,每期期末𝑑 计算当期的均线因子数据:


4

2.2 实证分析

根据上述流程得到因子后,本篇专题报告构建了以下的选股策略:
 选股范围:全部 A 股,剔除上市交易时间不满一年的股票、剔除交易日停牌的股票和剔除ST股票
 回测区间:2010年1月到2017年6月
 换仓频率:周度换仓
 换仓策略:根据预测的下期收益率从高至低排列,分5档进行测算。
 期限组合:共选取十二条不同期限的均线 L = [3, 5, 10, 20, 30, 60, 90, 120, 180,240, 270, 300]。

不同指数成分股中因子的IC表现略有不同:全部A股中IC均值为0.026,标准差为0.111,正IC占比为61.46%;在中证500指数成分股中IC均值为0.037,标准差为0.124,正IC占比为61.98%;在中证800指数成分股中IC均值为0.030,标准差为0.141,正IC占比为60.68%。

5

从表1的结果中可以看到,不论是全体A股还是在指数成分股中,基于不同期限下的因子值均以正IC为主,说明基于不同期限下的因子预期收益率越高的股票未来有较强的正向收益。

6
7
8
9

再观察不同均线周期组合下因子的表现,可以看到不同期限组合的差异明显,多均线组合下效果比单均线组合更加稳健。

10
11

数据来源:广发证券发展研究中心

基于不同期限下的因子在全市场下多空对冲表现:从 2010 年以来,策略取得了 25.58% 的对冲年化收益率,14.12% 的年化波动率,13.31% 的最大回撤和 1.81的信息比率。

12

对冲策略分年度表现情况如下表所示,除了在 2012年外,策略在每年都取得了超过 10% 的超额收益。

13
14

从图9及图10的结果中可以看到基于不同期限的因子多头组合的换手率情况,每期平均换手率为 0.63,标准差为 0.16。

15

而分年度看,基于不同期限构建的因子多头组合的换手率都较高,每年平均每期换手率都在50% 以上。

16
17

用中证500指数对冲时,对冲策略的表现如下图10所示。从 2010 年以来,策略取得了 25.40% 的对冲年化收益率,10.42% 的年化波动率,9.11% 的最大回撤和2.44 的信息比率。

18

全市场选股中证500指数对冲策略分年度表现情况如下表所示,除了在 2017年前 6 个月为 6.26%,策略在每年都取得了超过 10% 的超额收益。

19
20

全部A股用中证500指数进行行业中性策略,从 2010 年以来,策略取得了26.01% 的对冲年化收益率,12.66% 的年化波动率,10.37% 的最大回撤和 2.51 的信息比率。

21

行业中性策略分年度表现情况如下表所示,除了在 2017年前 6 个月外,策略在每年都取得了超过 10% 的超额收益。

22
23

在中证500指数成分股中选股以中证500指数进行对冲,从 2010 年以来,策略取得了 19.54% 的对冲年化收益率,10.33% 的年化波动率,8.37% 的最大回撤和1.89 的信息比率。

24

在中证500指数成分股中选股用中证500指数进行对冲,对冲策略分年度表现情况如下表所示,除了 2013 年外,策略在每年都取得了超过 10% 的超额收益。

25
26

三、LLT 因子构建

3.1 LLT 低延迟趋势线回顾

前述通过不同期限 MA 均线组合回归预测下期股票收益率,综合考虑不同期限MA均线下对股价“动量”和“反转”特征的刻画。经过实证分析发现中证500指数对冲下,2010 年以来,策略的对冲年化收益率为 25.40%,年化波动率 10.42%,最大回撤 9.11%,信息系数 2.44。同时可以看到MA 均线存在对价格的敏感度较低,对趋势刻画不及时的缺点。从这点出发本篇专题报告用延迟性更好的 LLT 趋势线代替MA 均线,构造改进后的 LLT 趋势因子。

1
2

3.2 LLT 因子实证分析

LLT 趋势线在不同组合下因子的表现情况:可以看到不同期限组合的差异明显,多均线组合下效果比单均线组合更加稳健。

3
4

比较两种指标构造的因子在全市场中的IC值,可以发现基于LLT指标构建的因子的IC均值、正IC占比均高于基于MA指标因子,说明基于LLT指标构建的因子与资产收益率的相关性比基于M指标构建的因子更高。

5
6

在全市场中分别基于LLT以及MA指标构建因子进行分档测试,从结果中可以看出基于LLT指标构建的因子最高档组合的收益率、信息比率更高,最低档组合的收益率、信息比率更低,说明基于LLT指标构建的因子对股票的区分性更好。

从图17中可以看出基于LLT指标构建的因子在全市场下多空对冲表现:从 2010年以来,策略取得了 35.83% 的对冲年化收益率,14.11% 的年化波动率,15.64% 的最大回撤和 2.54 的信息比率。

8

分年度看, 基于LLT指标构建的因子多空对冲策略表现比较稳健,每年都取得了10%以上的收益率。

基于LLT指标构建的因子多头组合平均每期换手率为 0.69,标准差为 0.13,从2010 年起累积换手率为 264.66,在换手率方面与基于MA指标构建的因子相比更高。

10

分年度看基于LLT指标以及基于MA指标构建的因子换手率都较高,平均每期换手率都在 60% 以上。

比较基于MA指标以及LLT指标构建因子用不同指数对冲的表现结果,可以发现不论是多空对冲、中证500指数对冲、中证800指数对冲,基于LLT指标构建因子的收益率、信息比率方面都比基于MA指标构建的因子表现更为优异。并以多空对冲收益率最高、中证800指数对冲收益率对冲收益率其次、中证500指数对冲收益率最低。

12

从信息比率角度看,以中证 500 指数对冲的基于LLT构建的因子表现最优。

13

基于LLT指标构建的因子在全市场选以中证500指数进行对冲的表现:从 2010年以来,策略取得了 29.58% 的对冲年化收益率,10.46% 的年化波动率,11.57% 的最大回撤和 2.51 的信息比率。

16

基于LLT指标构建的因子基于全市场选股中证500对冲策略分年度表现情况如下表所示,每年的的收益率都大于零,除了在 2017年前 6 个月外,策略每年都取得了超过 15% 的超额收益。

基于LLT指标构建的因子在全市场选用中证500指数进行业中性策略,从 2010年以来策略取得了 29.42% 的对冲年化收益率,10.60% 的年化波动率,12.78% 的最大回撤和 2.78 的信息比率。

17

基于LLT指标构建的因子行业中性策略分年度表现情况如下表所示,每年的的收益率都大于零,除了在 2017年前 6 个月外,策略每年都取得了超过 10% 的超额收益。

通过比较基于MA以及基于LLT指标构建的因子行业中性策略,可以发现 LLT指标构建的因子明显表现优于基于MA指标构建的因子,取得了 29.42% 的对冲年化收益率,10.60% 的年化波动率,12.78% 的最大回撤和 2.78 的信息比率。

19
20

在中证 500 指数成分股中用LLT指标构建因子进行选股以中证 500 指数对冲,从 2010 年以来策略取得了17.40% 的对冲年化收益率,9.80% 的年化波动率,6.26% 的最大回撤和 1.77 的信息比率。

21

分年度看,基于LLT指标构建的因子在中证500成分股中表现也很稳健,每年收益率都超过 5%,且最大回撤仅为 6.26%。

四、总结

本篇报告中,提出了一个全新的基于不同期限构建的因子,通过分析不同期限的均线数据来同时捕捉短期反转、中期动量、长期反转等价格趋势。在实证分析的时间区间内取得了 25.40% 的对冲年化收益率,10.42% 的年化波动率,9.11% 的最大回撤和 2.44 的信息比率。

进一步针对均线对价格趋势不敏感、延迟性差的缺点,本篇专题报告结合广发金工历史研究成果《低延迟趋势线与交易性择时》中提出的LLT低延迟趋势线,构造了基于LLT指标的因子,以LLT指标代替MA指标。在实证分析的时间区间内取得了29.58% 的对冲年化收益率,10.46% 的年化波动率,11.57% 的最大回撤和 2.51的信息比率。

风险提示

本篇专题报告所做的数据测算完全基于历史行情数据完成,市场表现受诸多因素影响,注意模型失效风险。

作者:广发证券金工团队