摘要

2017年以来，随着市场上量化策略的增多，许多以前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时

问题

新手小白还在各种摸索学习中，恳求各位大佬不吝赐教

• 上面给的代码中的有些参数是怎么获取的呢，有没有详细的代码实现呢
• 而且有的参数是不是没写准确，感觉跟描述有些冲突
• 在可视化策略中是不是要自定义一个python模块来构建这几个因子，有没有其他方式呢

\

策略源码

[https://bigquant.com/experimentshare/97a272de1cf5488e9d2f647

摘要

因子选择的新指标本文将因子模型的最大夏普比平方作为资产定价模型的评价指标，在嵌套模型和非嵌套模型中分别进行深入研究。嵌套模型是资本资产定价模型，和French（1993）的三因子模型，和French（2015）的五因子扩展模型，以及增加动量因子的六因子模型。非嵌套模型考察了六因子模型中因子选择的三个问题：（1）构建盈利能力因子时应当选择现金盈利因子亦或是经营盈利因子；（2）多空溢价因子与单边超额收益因子的对比；（3）仅大（小）规模股票池与所有股票池中因子表现的对比。

如何设计目标日期基金？

目标日期基金是对DC计划中传统均衡配置型基金的补充，其主要设计思路是根据投资者的

摘要

六因子模型与解决价值因子冗余

和French的五因子模型用一种令人印象深刻的方式总结了已知的因子，然而这一模型最大的缺陷在于并未包括动量因子，事实上纳入动量因子的六因子模型显著的优于五因子模型。同时我们还发现，价值因子在上述模型中有些多余。下面我们研究了将价值因子增强为即时价值因子的表现。我们发现动量因子甚至会变的更强，且价值因子的效果得到提升。遗憾的是在这个过程中，我们承认其他方法也可能会解决价值因子冗余的问题，并且在使用即时价值因子后，CMA因子显得多余。所以最后我们得到的仍然是五因子模型。不过我们认为这比我们开始时的五因子模型更好，而且即时价值因子具有非常重要的作用

首先，我们先定义一个动量因子：mean(close_0, 44) / close_0 - 1.接着我们采用两种方法去构建测试程序：

1）使用表达式引擎进行因子分析

2）自定义数据进行因子分析

另外需要指出的是我们的数据测试区间为：2020/01/01到2022/07/01.且我们的因子处理不进行市值和行业的中性化。

使用如下bigquant的表达式引擎去构建程序A对动量因子进行分析：

[https://bigquant.com/experimentshare/1a8f80cc9e35406c87aeddc690610fe3](https://bigquant.com/experime

摘要

大类资产配置的核心是获取资产的Beta收益，而资产的beta收益，不仅来源于主动承担的市场系统性风险，还来源于主动承担的某类风格暴露带来的收益，如规模因子、价值因子、动量因子等，这即为的投资思路。

本报告借鉴多因子综合打分方法，重要研究价值与成长的风格轮动。 从内在逻辑看，价值与成长的风格轮动，首先可能源自于投资者情绪与风险偏好的变化。因为成长股的弹性大、风险高，成长股成为主导风格往往是投资者做多情绪高涨、风险偏好提升所致，而投资者情绪的变化又可以通过市场环境的差异得以体现，如市场涨跌幅、波动率、换手率等；其次，价值成长的风格轮动也可能源自于价值股与成长股自身业绩及估值的差异，

本文来自于MSCI研究，原文标题为《因子焦点：防守定位的价值在哪里？》

关键词：MSCI  |  全球投资  |  因子投资

作者：Hitendra D Varsani MSCI 研究部 执行董事

Waman Virgaonkar MSCI 研究部 副总裁

核心观点：

1、全球股市在 2021 年第三季度下跌，结束了连续五个季度的正回报。MSCI 动量指数和 MSCI 最低波动率指数在 MSCI ACWI 因子指数中表现领先。

2、虽然股市在去年取得了强劲的回报，但对滞胀的担忧加剧可能会导致防御性定位。在防御性因子中，最低波动率相对于质量的估值处于历史低位。

3、

摘要

美国市场对于因子拥挤度指标的重视源于2009年动量因子（Momentum Factor）的大幅回撤，研究者认为因子拥挤度可能是影响因子寿命的重要原因。在国外研究的基础上，我们构建了估值价差、配对相关性、因子波动率、因子长期反转等8个因子拥挤度指标，并分别用这些指标对单因子收益方向和多因子组合权重进行了择时。在单因子择时方面，我们使用了XGBoost和LSTM两种机器学习算法，但是并没有取得明显优于纯做多方式的结果。我们又使用合成指标对多因子模型的权重进行调整，最后根据拥挤度指标加权后的多因子模型小幅战胜了因子等权组合的模型。

正像建筑师在设计公共建筑主体时，兼顾商业价值和美观之

摘要

2017年以来，随着市场上量化策略的增多，许多之前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时模型可以在一定程

商品期货多因子模型探索

Jesse et al. (2016)发现，可以用三因子模型（Carry也就是展期收益率，MKT也就是所有期货品种的平均收益率，TSMOM也就是时间序列动量）解释商品期货的现货溢价和期货溢价，用三因子模型作为衡量商品基金的基准，就好比是用Fama-French三因素模型作为衡量股票基金的基准。三因子的定义如下：

1、市场因子(Market)：所有商品期货的等权平均收益；

2、高/低期现溢价因子(Hterm/Lterm)：根据展期收益率基差排序，高于/低于中位数的商品期货组合的期货溢价；

3、时间动量因子(TSMOM)：过去12个月获得正收益的商品等权组合

Meetup延期至8月5日

在本期的问题需要开发新的模块，为了能让大家更好的使用，Meetup延期至下周四，待新模块完成后连同使用方法一并给出。还有问题的小伙伴可以继续提！

期货策略上新

基于动量因子的商品期货多空对冲策略

表达式引擎函数上新

增加表达式引擎函数：nanmean, nanstd, skew, kurt等，以及支持多元回归并返回残差、系数以及截距的函数residual/coefficient/intercept

新增函数

1. nansum(x, d) 过去d天的求和（已填充NaN）
2. nanme