风格择时月报：因子风格择时策略（2021年8月期）

- 1 - 敬请参阅最后一页特别声明 熊颖瑜 联系人 （ 8621）60753902 xiongyingyu＠gjzq.com.cn 张剑辉 分析师 SAC 执业编号：S1130519100003 (8610)66211648 zhangjh＠gjzq.com.cn 因子风格择时策略（2021 年 8 月期） 本篇报告中我们通过决策树方法构建了因子择时模型，根据拟合得到的决策树模型，结合当前有效的择时信号对于因子未来收益进行预测，为投资者提供系统的风格配臵建议。本框架用到了因子离散度、拥挤度、宏观趋势等不同指标作为择时信号，来预测短期表现强势的 A 股风格。我们将择时结果与多因子选股框架进行结合，风格轮动择时效果明显。决策树模型在沪深 300 中各风格上平均月度胜率为 66%，多空收益年化有 61%，策略多头相对于沪深 300 的超额收益年化高达 36%；中证 500 中各风格上平均月度胜率为 59%，多空收益年化有 32%，策略多头相对于中证 500 的超额收益年化也有 14.05%。 本报告主要分三部分：  1）首先，我们介绍了 A 股市场大类因子体系：包括八大类因子，以及因子历史收益率走势。  2）其次，我们对因子择时信号进行介绍以及展示了有效性测试。  2.1 因子离散度 ：因子离散度与因子动量都对因子未来收益有一定预测作用。  2.2 因子拥挤度 ：因子拥挤度对于因子未来回撤可能有一定预警作用。  2.3 宏观趋势择时：我们基于 DDM 模型选择影响股票收益的两大宏观因素-ROE、10 年期国债利率，并研究宏观因素趋势对于不同风格风险溢价的影响。  3）决策树：我们将因子择时模型与决策树结合起来，优化目标为预测下一期因子收益正负的准确率  3.1 介绍决策树相关理论，包括熵、信息增益、基尼系数等概念。  3.2 构建流程：我们对决策树输入相关特征，利用历史数据对每期因子构建决策树。  3.3 优化流程：对决策树进行修剪限制，减少过拟合问题。  3.4 滚动回测：我们在中证 500 以及沪深 300 中分别对测试集的每一期进行滚动回测。 本期结论：当前 8 月份，模型建议在沪深 300 中高配 beta、动量、质量、换手因子，低配小市值、低波动、成长性、估值因子。在中证 500 中建议高配动量、市值、质量、换手率因子，低配波动、高成长、低估值因子。 风险提示：模型测试基于历史数据，市场未来可能发生变化。 2021 年 8 月 2 日 风格择时月报 量化投资策略报告 证券研究报告 金融产品研究中心 用使司公限有理管金基银瑞投国供仅告报此此报告仅供国投瑞银基金管理有限公司使用因子风格择时策略（2021 年 8 月期） - 2 - 敬请参阅最后一页特别声明 第一部分：A 股风格因子体系介绍 因子择时必要性在不断提高。近年来随着因子投资和因子研究的深入，我们会看到因子的长期收益有时会偏离理论收益，出现因子失效的问题。如2017 年，随着市场上量化策略的增多，许多之前有效的因子比如市值因子、动量因子、波动率因子都出现过阶段的失效，这就导致传统的多因子模型获取稳定的超额收益变得越发困难，因子择时也随之变得越发重要。本文认为造成因子失效现象的主要原因包括因子拥挤度提升以及不同宏观周期下因子投资性价比产生的变化等。本文将影响因子收益的这几个因素共同纳入到框架中讨论。 本因子择时理论框架的重点从三个维度分出发，第一是因子动量、因子离散度，第二是因子拥挤度（估值价差、多空波动、配对相关性），第三是宏观环境（利率、企业盈利水平）。对于每个因子，随着时间变化模型要不断调整，用固定的线性模型框架去预测会有困难，因此我们用有监督的决策树来构建模型进行融合。 首先我们关注因子收益。因子收益主要包含两部分，因子动量和因子离散度。因子投资的实用性基于因子收益的延续性，即我们假设在没有宏观因素干扰以及因子风险适中的情况下，因子动量大概率将会持续下去。本模型我们仅考虑因子短期动量，即用过去一个月因子 IC 值来替代因子短期动量。因子 IC值越大说明过去一个月因子收益越高。因子离散度 spread 是在一个横截面上，根据某一个因子大小对股票池进行排序，前 10%的股票的因子均值与后 10%的股票因子均值的差值即因子 spread。高离散度的因子在未来可能有更好的收益区分能力以及可以带来更高的信息比例。 然后就是因子的拥挤度。因子拥挤是指当某个类型的因子被广泛认为有效时，会得到大量资金的追捧，这样的追捧尽管在一定程度上会加大因子的收益，但是另一方面也会加大因子收益的波动，使得因子的收益在一定时间段内出现收益降低或者收益大幅回撤的现象，从某种意义上来说，这个现象与量化投资策略的钝化现象有一定的相似性。因此，对因子拥挤现象的跟踪，可以在一定程度上规避或者控制因子失效带来的投资组合的亏损风险。从时间序列的维度上看，因子拥挤度越高，未来收益为负的可能性越大。从横截面的维度检验来看，拥挤度更高的因子下一期的收益也会比其他因子弱一些。 基于 DDM 股息贴现模型，股票的价值由两方面决定，未来现金流以及贴现率。直观上来说，大市值、价值类的股票企业规模较大，企业处于经营成熟期，已经能够为投资者带来现金流的回报。而小市值、成长类股票的企业规模较小，往往处于公司成长期，短期内为投资者带来现金流回报相对较少。因此大市值、价值类的股票对未来现金流的敏感度更高，而相对于折现率的敏感度更低。我们可以利用未来现金流以及折现率的趋势来判断价值成长因子风格轮动。经过回测发现不仅仅是市值因子和估值因子对这两个因素敏感，其他大类因子在折现率和现金流不同趋势下的表现也有分化。因此我们可以利用折现率和现金流两个因素（代理指标）来做风格周期轮动。 在前面理解的基础上，我们构建了适用于 A 股市场的因子择时指标体系。主要以因子离散度 spread、因子拥挤度、宏观因素为基础。我们先分别探讨各个信号对于下一期因子收益的影响。然后我们使用决策树的方法，将多种有效信号结融合到因子择时策略中，提高因子择时胜率。对于收益波动比较大的因子，移动平均 ICIR 比较难抓到因子的短期走势，而决策树方法可以弥补对短趋势的捕捉。最后我们将因子择时结果与多因子模型相结合。近几期因子风格择时参考如下： oPuMmRmMzRoRwOoNqQwOqQ8ObP7NtRrRtRqRfQrRzReRoOmRaQrQsMvPnQxOvPoPtO因子风格择时策略（2021 年 8 月期） - 3 - 敬请参阅最后一页特别声明 图表 1：中证 500 中近三个月因子配臵建议 来源：国金证券研究所 我们的因子体系选择如下： beta、动量、小市值因子、质量、低波动率因子、成长性因子、估值因子、低换手率因子。 图表 2：多因子框架展示 来源：Wind，国金证券研究所 图表 3：大类风格因子构成 来源：国金证券研究所 我们计算了上述 8 类因子 2012 年以来的纯因子收益。可以看出除了 beta和成长性因子趋势性不太明显，其余因子趋势性都较强。 图表 4：A 股纯因