如何利用高频因子的空头效应？-海通证券-20200305
由qxiao创建，最终由qxiao 被浏览 99 用户
摘要
本文主要对可以利用高频因子空头效应的方法进行梳理总结。
研究背景
对于沪深300增强策略而言，有一些空头效应强、多头效应弱的高频因子，若直接以新因子的形式引入收益率预测模型，会对模型多头部分的排序造成负向扰动，从而对指数增强策略产生不利影响。同时由于空头效应强，直接摒弃因子较为可惜，在这种情况下，我们可以尝试仅引入高频因子的空头信息，以减小对模型多头造成的不利影响。
引入因子空头信息的方法
本文从构建增强策略的各个环节出发，梳理了4种可以引入高频因子空头效应的方法：事前剔除、构建示性变量因子、约束空头组合偏离、事后剔除。这4种方法都是以因子空头组合为基础；即在运用这些方法之前，我们须预先设定一个阈值筛选因子空头个股。例如，以5%为阈值，将全市场因子得分最低的5%个股定义为空头个股。然后再在构建增强策略的各个环节，将个股属于因子空头的信息引入模型之中。
事前剔除，是指利用空头个股清洗样本空间。即在构建指数增强模型之前，直接将样本空间的空头个股剔除，仅在剩余股票集中构建模型。这种方法简单直接；需要注意的是，若剔除的个股包含标的指数成分股，则可能扭曲基准，导致实际偏离加大。因此我们建议在剔除时，仅剔除标的指数成分股以外的空头个股。此外，定义空头个股的阈值不宜过大，否则将会对已存因子的预测能力产生负向影响，反而会拖累策略表现。构建示性变量因子，是指在收益预测模型中加入按照如下方式构建的因子：高频因子空头个股因子值为1，其余个股因子值为0。这种方法灵活度高，对已存因子影响小，可以在不明显增加风险的情况下提升组合收益。需要注意的是，在定义示性变量因子时，空头组合的阈值不宜设定过高，过高的阈值会稀释空头效应，减少增量信息。
约束空头组合偏离，是指在风险控制模型中对空头组合的暴露进行限定。这种方法灵活度低，可能面临无法求得最优解的情况。同时受风险控制模型其他约束条件的影响，这种方法对信息的利用度低，因此对收益的提升幅度明显小于其他3种方法。
事后剔除，是指获取增强组合后，将其中的高频因子空头个股剔除，以对组合作进一步强化。这种方法对收益的提升最明显；但由于无法控制相对基准的偏离，因此对风险的提升也高于其他三种方法。
引入高频因子空头个股信息能够提升指数增强组合的表现。以大单推动涨幅因子为例，若将因子得分最低的5%个股定义为空头个股，则事前剔除可将沪深300增强组合年化超额由16.5%提升至17.5%；构建示性变量因子的方法，则可将组合年化超额提升至17.8%。空头个股的阈值会影响对增强组合收益的提升幅度。
正文
/wiki/static/upload/40/401a0ca8-d11d-42d4-94c8-c4a51c7985a1.pdf
\