研报摘要

近年来，对量化多因子模型的研究主要集中在因子加权、正交和择时这三个方面。流行的方法大体有以下两种，一是以因子为核心建模，二是基于收益率和因子之间的Fama-MacBeth回归。本文首先证明了，在一定的条件下，两者之间的等价性。随后，在这个基础上，得到了有关因子正交和择时的重要性质

最大化复合因子IC加权法等价于Fama-MacBeth回归

若收益率和因子都为原始值的z-score，则最大化复合因子IC加权法等价于Fama-MacBeth回归。在z-score的假设下，最大化复合因子IC加权法完全可以用更加简洁，且更便于程序编写和运算的回归模型代替

在原始的F

研究结论

本文主要研究了影响反转因子的表现的因素，包括市场状态和宏观因素，从结果上来看，MKTILLIQ（市场资金敏感性）、MKTTO（市场换手率）、MKTVOL（市场波动率）和BAS（Bid-Ask Spread）这4个市场状态指标能够显著的预测下个月反转因子多空组合的表现。综合来看，这4个指标越低的时候，反转因子表现越差。

我们通过逐步回归的方法在中证全指、中证500和沪深300这3个样本空间中进行拟合，得到了我们对于反转因子多空组合月收益的预测模型，预测模型的Adjusted R-square均在20%左右，预测效果明显。

我们通过过去5年历史数据构建动态调整的预测模

摘要

作为“猎金系列二十一”，我们研究雪球网负面情绪指标在择时方面的效用。研究的时间窗为2014年1月至2018年2月底，期间雪球网共计有万左右的帖子，涵盖425万用户的行为。通过机器学习的方式对帖子进行情绪判断，进一步构建周度情绪择时因子，并用该因子对主流指数进行择时，效果显著。构建相应指数的周度负面情绪比因子，观察当前负面情绪比因子与过去一年历史三分位数的位置关系，如果当前负面情绪比因子下穿历史上三分位点或者下三分位点（分别对应两种策略），那么满仓操作，否则空仓操作。

对上证50指数、中证100指数、沪深300指数、中证500指数、中证800指数、国证1000指数分别进行择时，时

摘要

自2017年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此，因子收益的预测就变得至关重要。系列前期专题报告《选股因子系列研究(二十)——基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。 专题报告《选股因子系列研究(三十)——因子择时模型改进与择时指标库构建》对于因子择时模型进行了改进并对于择时变量库的构建进行了讨论。本文将重点讨论择时变量的筛选以及择时模型的相关扩展应用。

可使用套索回归进行择时变量筛选以及因子收益预测。在2016年12月30日至年12月29日间，因子择时模型收益为12.3%，基准组合收益为-20.9%。在2008年12月3

摘要

自2017年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此，因子收益的预测就变得至关重要。

系列前期专题报告《选股因子系列研究(二十)——基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。模型样本外跟踪至2017年11月底依旧具有较好的表现。

结合模型实际跟踪经验与投资者交流反馈，本报告旨在对于因子择时模型进行改进与简化，希望得到一个易于理解、易于操作同时具有较强扩展性的因子择时模型。

由于需要讨论的内容较多，故而相关内容会在本文与《选股因子系列研究(三十一)——因子择时指标的选择》两篇报告中进行详细讨论。

条件期望因子择时模型2017

核心观点

本报告包含有色金属行业择时和有色金属行业内多因子选股两个模型。择时 模型使用宏观和行业的基本面数据，分为绝对收益和相对收益两种情况。选 股模型为多因子模型针对单一行业的细化研究。

有色金属行业择时模型

利用均值 T 检验的方法得到获取绝对收益的有效择时因子，包括 PMI、消费 者信心指数、城镇可支配收入、M0 同比、社会融资规模、十种有色金属产 销量当月同比、有色金属采矿业主营业务收入同比、有色金属采矿业固定 资产投资完成额同比，择时策略相对基准的年化收益率由 6.18%增加到 7.72%，择时策略的最大回撤为 23.85%，而基准的最大回撤为 82.17%。

摘要

自2017年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此，因子收益的预测就变得至关重要。系列前期专题报告《选股因子系列研究(二十)——基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。专题报告《选股因子系列研究(三十)——因子择时模型改进与择时指标库构建》对于因子择时模型进行了改进并对于择时变量库的构建进行了讨论。本文将重点讨论择时变量的筛选以及择时模型的相关扩展应用

可使用套索回归进行择时变量筛选以及因子收益预测

在2016年12月30日至2017年12月29日间，因子择时模型收益为12.3%，基准组合收益为-20.9%。

摘要

2017年以来，传统的多因子组合皆出现了不同程度的回撤

通过分析可以发现传统模型之所以出现大幅回撤是因为模型中权重配臵较高的市值、反转以及特异度等因子皆出现了不同程度的失效。在这样一种大背景下，投资者对于因子择时研究的需求也在逐渐上升。本文基于条件期望这一思路，在传统多因子模型权重分配框架下对于因子择时进行了应用，为投资者提供了一个量化的因子择时框架

本报告主要分为三部分。第一部分介绍了基于条件期望的因子择时模型；第二部分展示了不同因子集合、不同历史数据时间窗口下不同条件变量因子择时模型的表现；第三部分引入了AIC筛选法并提出了AIC筛选下的多条件变量因子择时模

摘要

量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史，很多思维的火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白，将海通量化团队的分析师平日阅读、思考的心得与海外数据相结合，致力于为国内的量化从业人员提供新的灵感。考虑到篇幅，文中只呈现了研究思路和主要结论，对详细过程感兴趣的读者可与我们联系，海通量化团队时刻为您守候，与您分享。

基于横截面和时间序列指标的因子择时

使用横截面和时间序列变量，对指数构建因子择时模型。讨论在不同经济周期以及市场状态下，对估值、市值、动量、质量以及低波因子具有预测效果的择时变量。分析结果表明，若将经济周期（或商业周期）、

摘要

文献来源： Ilmanen A S, Israel R, Moskowitz T J, et al. Factor Premia and Factor Timing: A Century of Evidence [J]. SSRN Electronic Journal, 2019 .

推荐原因：本文利用超过100年的样本数据在六个大类资产中分析了四类主要因子的溢价——价值(value)、动量(momentum)、利差(carry)和防御(defensive)。首先，我们利用大量的样本外数据在各类资产中验证了这些因子溢价的存在性。同时，我们发现样本外数据中溢价

研究结论

反转和市值因子的失效触发了国内对因子择时的研究需求。海外市场和A股类似，因子择时研究的兴起也是由2007.08的“量化危机”和2008年金融危机触发。危机后估值、动量和质量因子的效果明显下降。报告汇总讨论了AQR、BlackRock、GSAM等几家大机构有关因子择时的研究成果。有乐观者、有悲观者。但Corbett(2016)实证发现风格切换频繁的基金经理的风格择时能力并不比一般基金经理强，而且业绩往往更差，这一定程度上展示了现实投资中因子择时的难度。

传统OLS方法不能用于金融时间序列的预测，因为金融数据中常见的变量内生性和持续性问题，会导致OLS估计有篇，且统计检

Dichtl H , Drobetz W , Lohre H , et al. Optimal Timing and Tilting of Equity Factors[J]. Financial Analysts Journal.

推荐原因

为了更好地获取全球权益因子溢价收益，我们构建了基于时间序列变量进行因子择时和根据截面因子特征进行因子配置的多因子模型。研究发现，因子如预期的与基本面和技术面时间序列指标以及因子动量和拥挤等截面特征相关。而且，这种可预测性在扣除交易成本后很难从交易中受益。进一步平滑因子配置的换手率后，因子择时与配置策略可以稍微改善因子择时收益，但不能

https://bigquant.com/experimentshare/1b22bef4ecc847b18bbeb4bed93c3738

\

简介

本帖对国信证券的研报——《国信投资者情绪指数择时模型》进行了复现，文末有策略链接，欢迎克隆研究。

研报在借鉴 A. D.Persaud 风险偏好指数的基础上，根据中国股市特点，将该方法完善改进后移植到 A 股市场，构建了国信投资者情绪指数 GSISI。

A.D.Persaud 因为在金融领域的诸多创新而为众人所知，其在研究货币市场时，发明了一种度量投资者风险偏好的良好方法——风险偏好指数(Risk AppetiteIndex)。基本方法是在度量资产的风险与收益之间的相关系数的基础上设计了风险偏好指数。 该报告在借鉴 A. D.Persaud 风险偏好指数的基础上，根据中国股市

问题

风控和择时：情绪周期如何用于追涨策略

视频

https://www.bilibili.com/video/BV1ui4y1m7Nx?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/5730c1e899ef4685ba497c554c7eab79](https://bigquant.com/experimentshare/5730c1e8

报告摘要

基金经理是否具有择时能力的讨论

现存的研究指出基金经理是不具备市场择时能力的，例如，Treynor和Mazuy（1966）开发出一个择时模型用来刻画基金经理的择时能力，然而，在其57只基金的样本池中，只有一只基金具备择时能力。Henriksson（1984）利用Henriksson和Merton（1981）提出的择时模型发现，在116只基金的样本池中，只有3只基金具有显著的市场择时能力。

本文通过构建和剥离基金收益相对于合成基金收益的部分来衡量基金经理的择时能力，同时发现使用日度收益率进行刻画效果远显著于使用月度收益率进行度量。

**基金经理择时能力统计

个股信号开仓前多指标风控。

大盘多指标择时。

最大回撤出现在22年行情急速下跌时，在这之前回撤10左右。

个股初始止损8% 动态止损5%（涨了以后 下跌5个点卖出）

个股止盈40%。

持仓为动态持仓，每支票风控独立运行

交易方式：

涨7个点不卖

盘中低开5%不买

盘中交易

该策略不通过机器学习构建，不存在训练集测试集，过拟合欠拟合问题。

该策略没有进行特别调参，基本上都是采用非常普通的参数

我在选择策略的时候，最大时间是2022-11-26，而生成的数据最大时间2018-01-04，这是为什么呢？

https://bigquant.com/experimentshare/96081c27eb2f4a5a8d45f4e55e13b59f

\

策略案例

https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80

\

摘要

正文

/wiki/static/upload/c8/c889ea29-9c9e-4610-883a-d095ba76fca9.pdf

\

报告摘要

主要观点

本篇是学海拾珠系列第七十九篇，本期推荐的海外文献提出了一个新颖的基金业绩归因模型。该模型主要基于投资组合的持仓数据，衡量了基金来自不同业绩来源的增值，如动量策略、选股、择时，并且可以分离出被动择时对业绩的影响。回到国内基金市场，投资者常常会用回归法对基金的择时能力进行分析，鲜有基于持仓的视角，本文为我们深入探究基金择时能力提供新颖的思路。

选股能力是基金业绩的主要贡献来源

关于个股选择能力，本文考虑了两个组成部分。第一个部分，衡量基金经理的动量策略所增加的价值，这些策略包括对具有特异性回报的证券进行增持或减持。结果表明，这部分的

报告摘要

主要观点

本篇是“学海拾珠”系列第七十八篇，本期推荐的海外文献分析了基金经理在股市错误估值时是否具有把握住择时机会的能力。这种择时能力与传统的择时能力（市场择时、情绪择时、流动性择时以及波动性择时）并不存在包含关系，是一种全新的择时能力。回到国内基金市场，我们可以使用相似的方法来衡量这种择时能力，更好地了解这种能力有助于投资者选择未来有超额收益的基金。

• 错误估值择时指标的构建

作者参考Hirshleifer和Jiang (2010)提出的系统错误定价因子UMO，在此基础上将其对若干个宏观变量进行正交化处理，得到的MISV指标代表了股市

报告摘要

主要观点

本篇是“学海拾珠”系列第六十四篇，本期推荐的海外文献研究共同基金经理是否拥有把握选股机会的能力，这与传统文献中的择时能力不同，作者研究了基金经理是否拥有判断未来选股时机的能力。研究表明很大一部分共同基金具有“择时”选股能力，且具有较强的稳健性，而更好的择时选股能力的基金能带来显著更高的回报。回到国内基金市场，我们可以运用类似的方法找出那些在选股机会多的时候更频繁主动交易的基金，即拥有正向“择时”选股能力的基金，这是基金经理能力衡量的新的维度。

基金的“择时”选股能力

在美国市场，高换手的基金往往比低换手的基金表现更差。活跃管理基

报告摘要

主要观点

本篇是“学海拾珠”系列第五十二篇，本期推荐的海外文献研究基金的下行风险择时能力，平均来看，美国的主动管理型基金具有正的下行风险择时能力，这种能力在市场大跌时期对业绩的贡献十分显著。回到国内主动权益基金市场，在传统择时能力衡量指标的基础上，我们可以引入这种下行风险择时能力衡量指标，更加全面地评价基金经理的择时能力。

• 下行风险择时能力衡量指标

  第一步，用基金投资组合中个股的下行Beta的加权平均值，减去常规Beta的加权平均值来计算得到基金的相对下行Beta。相对Beta系数的主动变化（Active change inrel

报告摘要

主要观点

本篇是“学海拾珠”系列第二十三篇。作者在本文中证明，指标对因子收益的预测能力是视预测时长而定的，同时受指标与因子收益的时变关系以及数据挖掘的影响。尽管有这些挑战，但只要投资者能切实地意识到因子择时的局限性，因子择时仍有可能成为非常好的工具。

• 因子表现随时间变化很大

产生因子溢价的主要来源包括风险暴露的补偿、由于市场参与者的不理性而产生的回报以及市场摩擦的影响。这三个因素中的每一个因素，都会随时间变化而波动。

• 五类信号可以预测因子的回报

因子的回报可以通过金融环境、经济环境、情绪、价差和动量这五类信号来