因子择时模型改进与择时指标库构建-海通证券-20171224

由qxiao创建，最终由qxiao更新于2023-06-01 14:28 被浏览 92 用户

摘要

自2017年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此，因子收益的预测就变得至关重要。

系列前期专题报告《选股因子系列研究(二十)——基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。模型样本外跟踪至2017年11月底依旧具有较好的表现。

结合模型实际跟踪经验与投资者交流反馈，本报告旨在对于因子择时模型进行改进与简化，希望得到一个易于理解、易于操作同时具有较强扩展性的因子择时模型。

由于需要讨论的内容较多，故而相关内容会在本文与《选股因子系列研究(三十一)——因子择时指标的选择》两篇报告中进行详细讨论。

条件期望因子择时模型2017年表现较好。截止至2017年11月30日，因子择时组合在2017年以来的收益约为11%，不择时组合同期收益约为-20%，因子择时组合相对于不择时组合的超额收益约为31%。

条件期望择时模型存在提升空间。虽然基于条件期望的因子择时模型能够在风格多变的市场环境中提升因子收益预测的灵活性，但是该模型在实际使用的过程中依旧存在众多有待提升的地方：

回归法下的因子择时模型更易于理解与应用。因子择时旨在解决因子收益的预测，所以可构建因子收益的预测模型。在回归法的框架下，模型更加易于理解与应用。

可从宏观经济、金融市场与因子表现三个层次构建择时变量备选库。在宏观经济层面，我们会构建指标从通胀、工业、消费、外贸、金融、财政等方面刻画宏观经济状态。

在金融市场层面，我们会分别从债券市场与股票市场构建指标。在债券市场中，我们重点关注利率水平、期限利差、信用利差等方面。

在股票市场中，我们重点关注市场涨跌、波动、换手、流动性、估值等方面。在因子收益层面，我们重点关注各常见因子的历史收益表现。