不同因子加权方式的定义与比较 [page::0][page::3]

• 因子分组收益加权以最近12个月多头组超额收益减去平均组收益作为因子权重依据，最终归一化确定权重。

- 因子ICIR加权基于因子信息比率（ICIR）作为权重依据，反映因子信息质量。

• 两种方法在权重侧重点不同，分组收益加权赋予成长因子较高权重，ICIR加权则侧重于波动性因子。

因子在基准股票池的选股表现及超额收益特征 [page::3]

| 因子 | RankIC均值 | ICIR | RankIC>0占比 |
|--------|------------|--------|--------------|
| 成长 | 4.57% | 0.63 | 74.03% |
| 盈利 | 2.72% | 0.47 | 68.83% |
| 估值 | 1.07% | 0.16 | 57.14% |
| 公司治理 | 0.81% | 0.23 | 61.04% |
| 波动性 | -11.36% | -1.26 | 9.09% |
| 流动性 | -6.32% | -0.46 | 31.17% |

• 成长因子的月均多头超额收益最高，波动性因子呈现负向信息比率。

- 图1和图2清晰展示成长和波动性因子分组的超额收益差异。

小盘优选组合中两种加权方式的权重与表现差异 [page::4][page::5]

• 因子分组收益加权下，成长因子权重高达40.52%，显著高于波动性因子-27.65%。

- ICIR加权下，波动性因子权重较大（-44.82%），成长因子仅23.60%。

• 两种方式组合全回测期间年化收益接近，ICIR略优，但分组收益加权显著降低超额最大回撤。

| 年份 | 因子分组收益加权超额收益率 | 信息比率 | 超额最大回撤 | 因子ICIR加权超额收益率 | 信息比率 | 超额最大回撤 |
|-------|-----------------------------|----------|--------------|------------------------|----------|--------------|
| 2021 | 14.05% | 2.21 | -4.01% | 8.53% | 1.26 | -6.34% |
| 全期 | 11.79% | 2.10 | -4.01% | 12.09% | 2.11 | -6.94% |

• 图3和图4展示因子权重随时间的变化趋势，图示分组收益加权更注重成长因子权重的提升。

指数增强组合上因子分组收益加权与ICIR加权的比较 [page::5][page::6]

• 波动性因子的ICIR为负（-0.77），而成长因子和分析师因子ICIR均为正，表明不同因子信息质量不同。

- 分组收益加权赋予分析师因子月均超额收益最高（0.69%），再为成长因子（0.53%），波动性因子最低（0.48%）。

• 表4显示，中证500指数增强组合采用因子分组收益加权后的年化收益较ICIR加权提高0.82%，但年化波动度也有所上升。

| 年份 | 分组收益加权组合收益 | 中证500收益 | 超额收益 | 超额波动率 | 信息比率 | 超额最大回撤 | 超额胜率 |
|-------|----------------------|--------------|----------|------------|----------|--------------|----------|
| 2015 | 91.04% | 43.12% | 47.92% | 7.73% | 6.20 | -3.50% | 56.97% |
| 2021 | 26.14% | 15.58% | 10.56% | 7.04% | 1.50 | -6.70% | 55.56% |
| 全期 | 23.44% | 6.70% | 16.74% | 5.30% | 3.16 | -6.70% | 56.83% |

• 图5至图8分别呈现了中证500内分析师、成长、盈利和波动性因子的分组月均超额收益。

小结与策略启示 [page::7]

• 因子分组收益加权能够更好捕捉多头组因子带来的收益溢价，适合成长等方向因子；

- 相比于传统ICIR加权，分组收益加权降低组合超额最大回撤，提升组合稳定性；

• 在指数增强策略中，因子分组收益加权提高组合收益水平，尤其在因子表现明显优势期（如2017-2020年）；

- 风险提示提醒结果基于历史数据，未来市场环境变化可能影响策略表现。

报告详细分析与解构

---

一、元数据与概览

• 报告标题：区别于因子 ICIR 加权的新方式：因子分组收益加权

- 作者：杨俊文，邓虎

• 发布机构：申万宏源证券研究所

- 发布日期：2022年7月27日

• 主题：该报告聚焦于量化组合研究，特别是比较两种因子权重赋予方法——“因子ICIR加权”与“因子分组收益加权”，并基于这两种方法构建小盘优选组合和指数增强组合，通过回测对比分析其表现和权重差异，进而探讨优化组合构建的可能性。

核心论点：

1. 提出因子分组收益加权作为因子权重赋权的替代方式，该方法依据因子分组的历史收益差异确定权重，区别于传统依据因子ICIR指标的赋权模式。

2. 通过回测数据对比，小盘组合及指数增强组合在两种赋权方式下的实际表现存在差异：因子分组收益加权通常赋予成长因子更高权重，收益和波动率有一定的权衡。

1. 指数增强组合中，因子分组收益加权的年化收益略优但伴随年化超额波动的提升，且在部分年份（如分析师、成长因子占优期）表现更优。

4. 报告提醒策略基于历史数据，未来市场演变或导致策略不稳定，需谨慎对待风险。

总体来看，报告的核心信息是介绍一种基于因子分组收益的新型因子权重赋予方法，并通过实证分析评估其有效性与传统因子ICIR加权的差别，为量化组合构建提供新的思路和策略参考。[page::0,3,4,5,7]

---

二、章节深度解读

1. 不同因子加权方式的比较

• 关键论点与内容总结：

- 文中提出两种因子赋权方法：
- 因子分组收益加权：以过去12个月内因子分组（G1~G5）收益表现为基础，计算多头组（G5或G1，取决因子方向）超越全部分组平均收益的差值作为权重依据，权重最终归一化。
- 因子ICIR加权：基于因子ICIR（信息比率）的12个月历史数据计算权重，ICIR反映因子预测收益的稳定性和信息含量。
- 两种赋权逻辑根本不同：ICIR基于信息效用及稳定性，分组收益加权则侧重实际收益表现。
- 以专题报告《主动投资行为下的小盘优选组合》为例，挑选成长和波动性因子作比较：
- 成长因子的ICIR约为波动性的一半（说明波动性因子预测更稳定）。
- 但成长因子的月均多头超额收益0.82%，高于波动性的0.63%（即成长因子对实际收益贡献相对更强）。
- 因此因子ICIR加权倾向于赋予波动性高权重，因子分组收益加权更偏重成长因子。

• 数据解释与意义：

- 表1数据展示各因子RankIC均值、标准差及ICIR，成长因子RankIC均值为4.57%，ICIR为0.63，高于盈利等因子，波动性因子呈负值，说明波动性因子信息预测能力较弱，ICIR为-1.26。
- 图1和图2分别展示成长与波动性因子分组的平均超额收益分布，成长因子最高分组（G5）超额收益明显正向，表明成长因子多头组表现优异，而波动性因子呈现相反趋势，尤其是G5组收益为负。

• 推理逻辑：

- 因子ICIR更关注因子信息稳定性，不完全反映收益贡献，导致波动性因子权重较高，但实际超额收益贡献反而偏低。
- 因子分组收益加权直接反映因子收益表现，能更灵敏地捕捉成长因子实际的收益贡献，权重相对更偏向成长因子。

这一区段表明，赋权方法选择对因子权重分布有显著影响，且基于收益的赋权方式可能更适合注重实证收益表现的投资策略设计。[page::3]

2. 两种因子加权方式在小盘优选组合上的应用对比

• 关键内容：

- 在小盘组合中分别采用两种赋权方法，并取消了反向权重置零和上下限约束，回测2016年底至2022年中。
- 回测数据显示：
- 因子分组收益加权下因子权重分布为成长40.52%，盈利8.02%，波动性-27.65%，市值-18.40%。
- 因子ICIR加权下成长23.60%，盈利16.59%，波动性-44.82%，市值-13.58%。
- 体现出成长因子在分组收益加权中占比明显更大，波动性负权重较少。

• 组合回测表现：

- 因子ICIR加权组合年化收益略高于分组收益加权组合。
- 但超额最大回撤（衡量风险承受最大损失）方面，分组收益加权组合表现更好。例如，2021年ICIR加权组合的超额回撤为6.34%，分组收益加权组合为4.01%，明显较低，风险较小。

• 图表解读：

- 图3展示分组收益加权下各因子权重的时间演变，成长因子长期维持在较高正权重，波动性因子负权重较为稳定。
- 图4则展示ICIR加权下各因子的权重变动，波动性因子负权重更大且持续。

此部分结果表明，因子分组收益加权方法在控制组合的最大回撤风险上表现更优，但整体收益稍逊于传统ICIR加权方法，呈现收益与风险的权衡关系。[page::4,5]

3. 两种因子加权方式在指数增强组合上的比较

• 关键论点：

- 针对中证500股票池，分析师、成长、盈利、波动性四个因子被用作选股基础，组合控制行业、市值中性，且股票池权重限制在80%以上。
- 2010年至2022年回测，波动性因子ICIR为-0.77，分析师和成长因子分别为0.45和0.55，显示波动性因子在中证500中预测性能更弱。
- 但从分组收益角度看，分析师因子多头超额收益为0.69%，成长因子为0.53%，均高于波动性因子的0.48%。

• 图表说明：

- 图5至图8展示了中证500中四个因子的分组月均超额收益，能够直观呈现出各因子最优（G5）和最劣（G1）组差异。

• 回测表现：

- 建立的指数增强组合中，因子分组收益加权组合较ICIR加权组合，年化收益提高0.82%。
- 但年化超额波动也有所提升，风险与收益均有所增加。
- 分年度观察发现，分析师、成长因子表现较强的年份，因子分组收益加权能更好地反映组合收益。

• 表3和表4数据支撑：

- 表3列示各因子的RankIC均值和ICIR指标，分析师和成长因子ICIR较好，波动性因子明显为负。
- 表4对比两种方法下的组合收益和风险指标，数据表明分组收益加权方案在多数年份收益表现优越，但带来年化波动加大风险。

综上，指数增强组合的实际表现支持因子分组收益加权方法在特定因子优势明确的年份具有更好的收益捕捉能力，但需警惕其带来的高波动性风险。[page::5,6]

4. 小结

本节总结了因子分组收益加权与因子ICIR加权两种因子赋权方式的基本定义和应用表现差异。核心观点包括：

• 成长因子在因子分组收益加权体系中权重更高，波动性因子权重较低；相反因子ICIR权重体现了信息比率，给予波动性因子更多权重。

- 小盘优选组合中，因子ICIR加权导致组合年化收益略优，但风险（最大回撤）更大；因子分组收益加权则风险更低，收益略逊色。

• 指数增强组合中，因子分组收益加权可提供超额收益提升但伴随波动率增加，在分析师和成长因子表现较好年份优势明显。

- 报告强调市场结构变动可能影响策略稳定性，提醒投资风险。

此部分是对上述章节论述的高度凝练与验证，体现了实证与方法论的整合。[page::7]

5. 风险提示

报告最后简要说明，所有结论基于历史数据，未来市场条件不确定，可能导致策略表现波动或失效，提醒投资者关注风险。[page::8]

---

三、图表深度解读

表1：因子在基准股票池内的选股表现

• 描述：展示包括成长、盈利、估值、波动性等九类因子的RankIC均值、标准差、ICIR和正RankIC占比。

- 解读：
- 成长因子RankIC均值最高（4.57%），ICIR最高（0.63），表明成长因子在预测股票表现方面相对有效且稳定。
- 波动性因子RankIC均值为负（-11.36%），ICIR为-1.26，表明其预测能力偏弱，甚至可能呈反向关系。
- 盈利因子表现中等，RankIC均值2.72%，ICIR0.47。
- 说明成长因子在信息含量上更优，波动性信息较差。

• 联系文本：支撑了成长因子权重可能更应加重的论点，反驳ICIR高波动性因子赋权合理性。

图1（成长因子基准股票池内分组超额收益）

• 描述：分组G1~G5中，成长因子对应的月均超额收益。

- 解读：
- 趋势分明，低组（G1-G3）均为负，G4稍正，G5最高（约0.82%）。
- 显示该因子正向体现收益，优质成长股票表现良好。

图2（波动性因子基准股票池内分组超额收益）

• 描述：波动性因子按G1~G5组分，月均超额收益。

- 解读：
- G1-G4组基本正，但G5组表现极差（约-1.25%），显示极高波动股票表现不佳。
- 反映波动性因子整体负向预测能力。

图1与图2强化因子收益表现的直观证据，表明直接基于收益赋权可能更合理。

---

图3与图4（小盘优选组合因子权重时间序列）

• 图3（因子分组收益加权）：

- 成长因子权重波动幅度大，通常处于正值40%左右水平，偶有波动。
- 波动性因子权重大多负值，约-30%左右。
- 盈利和市值因子权重较小。

• 图4（因子ICIR加权）：

- 波动性因子负权重更大，达到-40%至-70%之间波动。
- 成长因子权重整体低于图3。

此对比体现了两者赋权方法在关键因子上的根本分歧。

---

图5-8（中证500股票池内四因子月均超额收益分组）

• 四图分别显示分析师、成长、盈利、波动性因子各分组（G1-G5）对应的平均超额收益。

- 分析师因子：G5表现最佳（约0.7%），极端排名分组收益强。

• 成长因子：G5组收益突出（约0.53%）。

- 盈利因子：G5组略显突出，其他组收益较弱或负。

• 波动性因子：G1-G3分组有正收益，G5极端负收益（约-0.7%），维持负面预测状态。

该系列图支持论断：成长与分析师因子多头收益更显著，波动性因子多头表现弱。

---

表3（中证500内因子表现）与表4（中证500增强组合表现）

• 表3验证了因子ICIR表现，波动性为负，成长和分析师因子效用较好。

- 表4针对两种赋权下指数增强组合的年度及整体回测表现：
- 分组收益加权组合在2012-2021年度大多数年份超额收益优于ICIR加权，但伴随年化超额波动略高。
- 信息比率整体均较高，分组收益加权有时略优。
- 超额最大回撤方面分组收益加权组合表现略优。

结合表3、4数据，因子分组收益加权方法在实际组合表现上利弊权衡明显，收益略好但波动稍高。

---

四、估值分析

报告中无具体单个公司财务估值模型或目标价，属于量化策略层面的组合构建方法研究，故无估值环节。

---

五、风险因素评估

• 报告标注风险：

- 策略基于历史数据计算。
- 未来市场结构变化可能导致策略失效。

• 潜在影响：

- 历史表现不代表未来。
- 市场条件变化时因子表现可能大幅波动，组合稳定性难以保证。

报告无具体缓解措施说明，风险提示属标准披露，提醒投资者谨慎。

---

六、批判性视角与细微差别

• 报告客观比较两种赋权体系，未对任何方法绝对优势作过度论断，体现谨慎。

- 但仍需注意：
- 因子分组收益加权易受极端收益影响，历史收益的稳定性可能不足，可能导致模型过度拟合。
- ICIR虽计入波动性，但忽略部分因子“收益贡献”可能造成赋权偏差。
- 两种方法权重赋予均无严格约束（例如置零或限额），可能导致极端投资权重和风险暴露。
- 报告回测数据截止2022年中，未涵盖更近期市场环境的验证，适用性需关注后续市场变化。

• 报告结构严谨，图表数据详实，尚无明显内部矛盾。

---

七、结论性综合

申万宏源这份《区别于因子 ICIR 加权的新方式：因子分组收益加权》报告，围绕量化投资组合中的因子权重赋值提供了实证分析和方法论探讨。两种赋权体系各有特色：

• 因子ICIR加权强调因子预测的稳定性，对信息含量高但实际收益较低的因子（如波动性）赋予较高权重，从而在回测组合中获得略高年化收益，但风险指标如超额最大回撤和组合波动率相对较高。

- 因子分组收益加权以因子历史收益表现为核心权重分配依据，突出成长等因子的实际收益贡献，效果是在若干年份以及指数增强组合上实现更稳定且更优的收益风险比，尤其体现在最大回撤控制上较为优越，但伴随年化波动率略升。

报告详细展示了多张重要图表和表格，从RankIC与ICIR指标，到因子分组超额收益，再到两类赋权方式对应组合权重演变和回测表现，全面支撑了论点：

• 因子分组收益加权能使投资组合更好体现某些因子的实际多头收益优势。

- 但这两种方法的权衡使得投资者需在稳定性和收益之间权衡取舍。

风险提示清晰提醒策略未来可能面临市场结构变迁，需做好风险管理和策略调整。

整体而言，该报告为量化组合因子权重赋权方法提供了有力的实证依据和思考框架，强调了因子收益表现信息在组合构建中的关键作用，同时指出传统ICIR赋权潜在的局限，为行业量化投资策略优化提供了新的思路与工具。[page::0–8]

---

附：重要图表展示（部分）

• 图1：成长因子基准股票池内月均超额收益

• 图2：波动性因子基准股票池内月均超额收益

• 图3：因子分组收益加权下小盘优选组合因子权重

• 图4：因子ICIR加权下小盘优选组合因子权重

• 图5–8：中证500内多因子分组月均超额收益（分析师、成长、盈利、波动性因子）

---

综上，本报告通过严密的数据分析和策略设计对比，为投资组合因子权重赋予提供了实用且创新的方法论补充，适合量化投资经理及策略研发人员深入参考。

报告