单因子组合优化在指数增强策略中的应用-光大证券-20210722
由small_q创建，最终由small_q 被浏览 61 用户
摘要
因子评价方法从多角度影响多因子策略
因子评价体系在多因子策略中有筛选有效因子的作用，筛选的功能体现在两个方面。首先是选择哪些因子纳入到收益模型中，其次是收益模型中的因子权重该如何分配。本文着重探讨了因子评价方法对因子权重分配的影响。
组合优化视角进行单因子研究
因子投资的本质是通过构造投资组合的方法实现对目标因子的投资，获取因子的超额收益。因此，从因子投资的本质出发，低成本、可复制是因子评价有意义的前提。以此为出发点来看，传统的因子评价方法均存在一定缺陷。综合考虑传统因子评价方法的优缺点后，我们认为，本着收益可复制的原则，在单因子测试的过程中控制风险暴露能够更好的监测因子在实际投资的表现。
情绪类因子受约束影响较大，盈利、成长类因子贡献稳定收益
我们从估值、情绪、成长、盈利等维度出发，构造了若干常见因子，并且从每个维度中挑选出具有代表性的因子进行组合优化回测。结果显示，情绪类因子受约束影响较大，成长、盈利及估值维度在增加了各种约束条件后依然表现稳定。
逐步放开约束条件研究因子性质
为了进一步研究因子表现的变化具体来自于哪些约束，我们通过逐步放开约束条件的方式对因子进行研究。对于刚性约束来说，从业绩基准角度来看，中证500受约束影响更大；从因子类别来看，情绪类因子由于收益大多来自于空头，因此约束影响更大；成长、盈利以及估值类因子受影响较小。对于行业约束来说，从业绩基准角度来看，沪深300受约束影响更大，行业暴露与市值暴露完全不做约束的情况下，组合绩效相关性较低；按因子类别来看，盈利能力类因子受约束影响更大，成长与估值类因子受影响相对较小。
单因子组合优化下的指数增强实证
构建多因子收益模型时，我们通常根据多个因子的线性加权来为个股进行综合打分。比较常用的打分方式包括等权重、IC加权、ICIR加权等。我们将单因子组合优化评价结果纳入收益模型中，探究了该方法是否能为指数增强策略带来增量，并且与传统ICIR加权法进行了对比。
结果表明，在2017年之后，两种策略表现出现了明显的差异。单因子组合优化方法在2017年之后对于IC较大但是多头端已经失效的因子降低了权重。以沪深300为业绩基准的组合优化策略中，情绪类因子在2017年之后失效明显，因此单因子组合优化策略相比于传统策略的提升更大。
风险分析：报告结果均基于模型及历史数据，模型存在失效的风险，历史数据存在不被重复验证的可能。
正文
/wiki/static/upload/84/84f355f7-0332-4b43-803a-ca1b376a054a.pdf
\