因子非线性及分层特征研究 东北证券-20181129
由cmm0305创建,最终由cmm0305 被浏览 31 用户
摘要
在本报告中,我们对因子非线性及分层特征进行了研究,并给出一种框架以增强因子的选股效果。
我们通过简单的例子说明了因子非线性及分层特征的存在。传统方 法忽视了个股本身存在的差异性,以及因子与个股预期收益之间的 非线性关系。常用的解决方法有非线性转换以及分层研究。前者简 单易操作,不过缺乏经济学含义,且拟合函数形式的确定比较困难; 后者对分层进行了较好的考虑,能够提升整体表现,不过在适用性 方面存在一定不足。基于多因子模型,本文构建了一种适用性更强 的处理框架,并在此基础上进行了回测分析。
首先,我们将市值、波动率、估值和成长作为选股因子,进行了回测分析。市值分层下 TOP100 年化收益率为25.99%,Sharpe 值为 0.757,远高于等权组合的 12.94%和 0.430。行业和 PE 分层之后,相 比于等权组合也有所改进。这里我们仅回测了单因子分层的结果,也可以方便地拓展至多因子分层。
然后,我们对同类型因子的组合构建进行了分析。首先,基于对称正交方法,得到正交因子,且与原有指标保持较好的对应关系;然后基于本文框架进行了回测分析。这里我们选取了市值、动量、流 动性等常见的 8 个量价指标。回测结果表明,市值分层年化收益率为 26.40%,Sharpe 比为 0.814,均优于等权组合;最大回撤为 30.75%, 与等权配置的 43.34%相比,有较大程度降低。2017 年与市值相关因子失效之后,经过分层调整之后,模型适应性得以提高。
因子非线性及分层特征具有重要的研究价值,后面我们会继续在这方面进行深入分析,以期能够构建适应性更强的因子选股模型。
正文
/wiki/static/upload/19/19cb084c-3030-4c2f-9e00-a4ba6de33b39.pdf
\