因子估值角度下的因子分析

单因子
因子分析-lite
因子估值
标签: #<Tag:0x00007fb12c70de08> #<Tag:0x00007fb12c70dbd8> #<Tag:0x00007fb12c70da70>

(小Q) #1

近年来,随着因子投资的兴起,因子拥挤(Factor Crowdind)也逐渐受到投资者的关注。所谓因子拥挤,是指由于跟踪或者投资某一因子的资金过多而使得该因子的收益性或者收益稳定性下降的现象。由于这一现象的存在,度量因子拥挤度就显得至关重要。因子拥挤度指标可作为因子失效的预警指标。

不难理解因子拥挤衡量方式的逻辑:当某一类因子被应用到实盘交易中的比例越高,越会造成用同一或者相关性较高的因子选出的某类股票越集中。这样的结果会导致这类股票的价值变高,同时相关性变高。海内外研究者认为,总体上来看,因子估值和因子收益率负相关,即因子估值越低(value spread越大),因子未来收益率越高;因子估值越高(value spread越小),因子未来收益越低[1]。

海外研究对于上述拥挤度指标的研究结论可归纳为以下两点[2]:

  • 因子拥挤度在中长期具有一定的择时效果,因子拥挤度与未来因子收益负相关,与未来因子收益波动正相关;
  • 高度拥挤的因子在未来更容易出现大幅回撤。

那么如何度量这种拥挤效应呢?以《MSCI: Integrated Factor Crowding Model》一文为例[3],其中介绍的因子拥挤的估计方法主要有以下几个:

  1. 估值价差(Valuation spread)

  2. 做空比例价差(Short Interest Spread)

  3. 两两互相关(Pairwise Correlation)

  4. 因子波动率(Volatility)

  5. 因子反转(Reversal)

根据MSCI的研究,用以上五个标准,就可以描述一个因子的拥挤性。

而另一个重要派别FactorResearch对因子拥挤度的指标[4]刻画如下:

可以看出因子拥挤度指标主要包括:因子估值、因子动量、因子波动性、因子离差、因子相关性。其中最重要的使用最为广泛的一个指标就是估值价差,表明因子估值。在我们配置一个因子的时候,本质上是将因子当做一个重要资产进行配置,因此需要资产的估值高低决定了未来收益。本文以因子估值视角介绍因子分析。

估值价差简介

相关研究认为[5],资金对于因子的追捧会进一步推升因子多头端的估值或者压低因子空头端的估值水平,由此加大因子多空组合的估值价差。因此,可通过计算估值价差衡量因子的拥挤程度。

估值价差计算

该指标的计算方式为因子多头部分股票平均估值(PB)与因子空头部分股票平均估值(PB)之比。如果投资者同时按照某因子买入其多头部分股票,则将提高该部分股票的估值,同时对空头部分股票影响有限。因此,如果某个因子变得拥挤,则我们理论上可以观测到该因子多头部分股票平均估值与空头部分股票平均估值之比提高。

按照上述计算方法,我们每天收盘后都将获得因子当天的估值指标。由于因子变得拥挤理论上应该是一个长期的行为和体现,同时为了避免极端值的影响,我们对计算的数值做过去一段时间(例如120天、例如1年)的移动平均,以移动平均值作为当天实际的拥挤度指标数值。

随着因子投资的兴起,投资者对于因子择时的需求越来越大。接下来,我们介绍因子分析的相关模块:因子分析-lite版

该模块的目标是快速对因子(包含表达式引擎构建的因子)进行快速评估,进而得出结论:是否需要配置该因子,投资该因子筛选出来的股票。

模块参数

开始时间:因子分析的开始时间
结束时间:因子分析的结束时间
股票池:股票池,目前支持全市场、沪深300、中证500、中证800
因子或因子表达式:具体的因子,可以是pe_ttm_0单个因子,也可以是mean(rank(market_cap_0), 10)衍生因子
调仓周期:调仓天数,用户可以进行设置,默认为22
买入成本:买入交易成本(%)
卖出成本:卖出交易成本(%)
因子排序方向:默认为升序(True),该排序会对股票进行分组
是否进行行业中性化处理:默认已经做极值处理和标准化处理,行业中性化处理需要用户设置(True/False)
是否去除ST股:是否将ST股票去除
是否去除新股:是否将新股去除(上市交易日不足90日)
是否去除涨跌停股:是否将涨停、跌停、停牌股票去除

接下来,主要介绍几个重要输出结果

因子IC


从IC分析看出,该因子在17年表现整体不错,这符合市场事实,在17年的时候,白马股股票表现亮眼。

信号分析


从信号分析看出,该因子与滞后几期的IC没有多大变化,主要是因子该因子为基本面财务因子,短时间内变化不大。

因子估值分析

我们以PB_spread作为因子估值高低水平,该值越低,相对越值得配置。从走势图上,发现15年7月,16年7月,17年5月都是配置该因子的良好时机,从因子IC也应证明了确实是比较好的因子择时时间。

因子拥挤分析


因子拥挤分析刻画了该因子配置的拥挤程度,计算方式是多头组合与空头组合在未来一期各自平均换手率之比,该值越大,表明因子越拥挤。从上图看出18年3月因子拥挤指标达到一个高点,可以适当减少该因子配置。

好了,因子估值机角度下的因子分析介绍到此结束,大家快去体验一下新的功能模块吧~~~

参考文献