“纯洁alpha”动量下的行业轮动策略：资产定价+统计学习

1/28 请务必阅读正文之后的声明部分 “纯洁 alpha”动量下的行业轮动策略——资产定价 + 统计学习 [Table_Title] 分析师：唐军 执业证书编号：S0740517030003 Email：tangjun@r.qlzq.com.cn 分析师：包赞 执业证书编号：S0740520100001 Email：baozan@zts.com.cn FF5-Latent-Alpha 因子下的分组回测 报告摘要 ◆研究背景 尽管有充分的学术文献记录表明行业回报率是可预测的，之前有关研究也显示，国内的行业指数收益是可以预测的，但研究显示基于预测的模型稳健性不好。考虑到行业动量效应在A股市场越来越明显，从动量的角度来构建行业轮动策略是最直观的方法。当然，单纯的从收益率角度来构建策略也可以，但从稳健性角度来讲，需要构建更科学、更体系的模型。Sarwar et al.,2017在论文中论述了运用Fama-French 5因子（后简写为FF5）计算行业组合alpha，并使用该alpha动量在美股市场中实现行业轮动策略，获得了超额收益。我们这个模型就是在参考Golam Sarwar等人利用Fama五因子下alpha动量构建行业轮动策略的基础上，引入统计学上的潜在因素（Latent factor）模型，通过获得更“纯洁”的alpha，来构造更有效、更稳健的行业轮动策略。 ◆“纯洁 alpha” 传统FF-5 alpha由于因子间的共线性，是一个有偏估计，更重要的是，我们能够观测到或者挖掘到的因子是有限的、静态的，在衡量组合业绩时，应该考虑所有能够解释组合业绩的因子。但是，这个难度较大。我们参考YangSong 和Qingyuan Zhao（2017）提出的利用潜在因子模型来评价组合的业绩表现。和事先指定因子集合不同，这个方法利用组合收益率估计出因子。直觉是，如果因子能够解释组合的横截面收益，那么我们一定能够利用基础资产来复制出这个因子，这个因子带来的额超额收益不应该被认为是超额收益，因为他不是单个资产特有的。关于这个方法的技术解决方案是一个成熟的统计算法——Confounder Adjusted Testing and Estimation (CATE)，来估计潜在因子模型。CATE当初被用来处理基因之类的复杂数据。计算分两步：第一步，利用极大似然估计来找出因子，并且估计出组合资产在这些因子上的载荷。第二步，利用横截面回归，加入潜在因子，估计出横截面alpha，此时alpha剔除了更多的共同因子，我们称之为“纯洁alpha”。 ◆行业轮动策略业绩表现 回测利用 20130101-20200731 中信一级行业指数收益率数据。评价文中不同参数下的策略表现，主要看多空对冲组合的夏普比，夏普比越高，代表策略表现越好、稳健性越好，分析显示采用分三组月度调仓的模式，表现最好。普通FF-5alpha 和纯洁 alpha 策略业绩对比，纯洁 alpha 对冲组合夏普为 1.40，普通 alpha下的对冲组合夏普为 1.26，纯洁 alpha 策略夏普比有一定的提升。纯洁 alpha 下的多头行业组合年化收益为 20.17%，普通 alpha 下的年化收益为 19.46%，看似年化收益提升不多，实则潜在因子下的纯洁 alpha 在行业选择上已经有了大幅提升，因为我们组合选取十个优秀行业，每个行业等权配置，纯洁 alpha 新选入的行业收益一定是有了比较大幅的提升，才带来组合相对传统 alpha 的 0.84%的年化超额收益。 证券研究报告/金融工程报告 2020 年 10 月 10 日 “纯洁 alpha”下的多空对冲组合 风险提示：模型根据历史数据建立，不排除未来一段时间内失效的风险。 [table_page] 金融工程报告 2/28 请务必阅读正文之后的声明部分 正文目录 1. 引言 ......................................................................................................................................... 4 2. FF-5 下的 alpha 动量行业轮动策略 ............................................................................................. 4 2.1. Fama 五因子 ................................................................................................................................................................... 5 2.2. 五因子解释性展示 ........................................................................................................................................................ 6 2.3. 基于 FF-5 alpha 的回测分析 ......................................................................................................................................... 8 3. “纯洁 alpha”动量下的行业轮动 ............................................................................................ 13 3.1. alpha 估计有偏 .............................................................................................................................................................. 13 3.2. 考虑潜在因素子的 alpha 估计算法 ............................................................................................................................ 14 3.2.1. 基金收益率因子模型 ..........................................................................................