宏观变量控制下的有效因子轮动 中信建投_20180608
由small_q创建，最终由small_q 被浏览 19 用户
报告摘要
因子轮动改进：有效因子与风格因子的分析采用不同逻辑
在传统多因子模型中，常用的因子赋权方法是通过对所有因子的因子IC或因子收益率相对大小进行赋权。本报告将因子分类为有效因子与风格因子，认为由于两者性质的差异，决定了他们轮动的逻辑并不一致：有效因子的轮动是由因子间的相对强弱来决定，因子间的相对强弱由市场风格等变量决定；而风格因子不用判断因子间的相对强弱，他们的轮动直接由市场风格决定。在假设已知每一期有效因子收益的完美假设下，我们发现因子轮动能够显著提升组合收益率。
宏观、市场变量、季度效应均能解释因子轮动，因子动量效果并不明显
在有效因子轮动的考虑中，传统因子动量（反转）并不能很好的进行解释。我们加入宏观变量、市场变量与季度效应三类解释变量来对因子进行解释：发现单个宏观变量或市场变量对单个因子的相关性和解释力度并不明显，但对因子间相对强弱的解释较为合理。而在季度效应中，我们主要考虑了12月效应，1月效应，季末效应与前后半年效应。最后我们根据解释变量的分类，建立了本报告所需的自变量数据库。
有效因子轮动模型：逐步回归法与序数回归法
本报告一共采用了两个模型：逐步回归模型与序数回归模型。逐步回归是直接对单个因子收益率的时间序列进行线性回归，通过显著性筛选所需的自变量。而在序数回归中，我们通过对每一期有效因子进行排名，根据有效因子的相对排名进行回归，得到单个因子的排名概率，从而直接得到因子的相对强弱。
逐步回归与序数回归结果分析：均能带来显著的超额收益
本报告通过滚动更新的方法分别对两种模型进行了回测，相比于因子等权（9.50%）这一长期收益率较高的基准组合，逐步回归法（12.16%）与序数回归法（12.76%）均能带来显著的超额收益，序数回归的收益略高于逐步回归。波动率（5.52%VS5.91%）
比较上逐步回归更优，而最大回撤（-2.76%VS-1.83%）的角度来看，序数回归更优。从因子权重的波动来看，逐步回归的权重波动（21.41%）是序数回归（8.12%）的2.6倍。如果从实际投资的角度出发，序数回归是更好的选择。在收益与波动率等差距不大的前提下，序数回归模型提供了更好的稳定性，不仅从风控角度更好管理，同时较小的因子权重变动也会显著降低最终股票组合的换手率，节约交易成本。
/wiki/static/upload/1c/1c3a212b-e6ce-4256-9f08-d82aece37be0.pdf
\