动量增强因子在行业配置中的应用 华泰证券_20181023_
由small_q创建，最终由small_q 被浏览 57 用户
摘要
本文由浅入深实证了普通动量策略和增强动量策略在行业配置上的应用本文由浅入深实证了动量策略在行业配置上的应用：
- 普通动量策略具有样本内外参数平台不统一，样本内最优参数在样本外跑输基准，且收益不够稳健，回撤较大等问题，适用性较差；
- 引入风险调整动量的概念，实证了夏普比、信息比、路程调整动量的表现，一定程度上提升了样本外有效参数的比例，但超额收益仍然较低；
- 引入动量连续性的思想，基于最大日收益率、信息离散度、相对强弱指数、多日动量波动率 4 种增强方案对普通动量和风险调整动量进行改进，得到了两种有效的增强方案，分别是夏普比率与最大日收益率合成，路程调整动量和多日动量波动率合成。
普通动量样本内外参数平台不统一，样本内最优参数在样本外跑输基准设置观察期长度从 5 天到 250 天，持有期长度固定为 1 个月，调仓手续费为单边千分之一。为了避免回测过程中出现全局参数过拟合的现象，我们将回测区间（2006 年 2 月 1 日至 2018 年 9 月 28 日）以 2013 年 12 月 31日为界划分成样本内、外两部分。结果显示：
- 样本内有效参数主要集中在 100 天以内，而样本外有效参数主要集中在 180 天左右，参数平台明显错位，样本内有超额收益的参数在样本外仍然有效的比例仅为 7.92%，稳健性较差；
- 样本内最优参数为观察期 85 天，该参数在样本外超额收益，没有跑赢等权基准。总体来看普通动量策略适用性较差。
风险调整动量提升了样本内外的统一性，但样本外超额收益仍然偏低普通动量只考虑了行业的区间收益，没有考虑到收益伴随的风险，因此我们尝试用收益项除以风险项对普通动量进行调整，实证了夏普比率、信息比率、路程调整动量三类风险调整动量的表现，其中，路程调整动量的“路程”指的是观察期日收益率绝对值之和。
结果显示
- 从样本内最优参数在样本外的表现来看，只有路程调整动量维持了正的超额收益；
- 从样本内有效参数在样本外仍然有效的比例来看，三类风险调整动量都显著优于普通动量。整体而言，路程调整动量相比于普通动量的提升最显著，但样本外超额收益仍然有限，需要进一步增强。
构造连续性因子，与普通动量和风险调整动量复合，显著提升模型表现在普通动量和风险调整动量的基础上，我们进一步引入了最大日收益率、信息离散度、相对强弱指数、多日动量波动率 4 个连续性因子，来刻画观察期内行业走势的平稳性，以及收益率方向的一致性，并与普通动量、风险调整动量两两排列组合构建增强策略。最终得到两个有效的复合因子：
- 夏普比率与最大日收益率复合，样本内最优参数在样本外的年化超额收益率接近 8%，且样本内有效参数在样本外仍然有效的比例超过 85%；
- 路程调整动量和多日动量波动率结合，样本内最优参数在样本外年化超额收益率超过 5%，样本内有效参数在样本外仍然有效的比例接近 77%。
两个复合因子最新持仓表现超过等权基准及中证 500，稍弱于沪深 300根据最新的 9 月底截面数据，我们计算了两个复合因子的多头持仓。其中，复合因子 1 的最新持仓为：农林牧渔、钢铁、商贸零售、食品饮料和医药，五个行业 10 月至今（截止到报告期 10 月 23 日）的收益率同期排名分别为 5、6、12、15 和 23。复合因子 2 的最新持仓为：银行、农林牧渔、交通运输、石油石化和计算机，行业同期排名为 1、5、8、17 和 20。10 月初截止到报告期，两个复合因子构建的多头组合累计收益率分别为-9.27% 和-8.13%，优于行业等权基准（-9.74%）和中证 500（-11.40%），弱于沪 深 300（-7.43%）。
风险提示：因子测试结果是历史经验的总结，如果市场规律改变，存在失效的可能。
正文
/wiki/static/upload/8e/8e0dd49d-9b9f-4094-8a9d-199aeb9c0c1f.pdf
\