多因子系列报告之十四：创新基本面因子，财务数据间线性关系初窥

敬请参阅最后一页特别声明 -1- 证券研究报告 2018 年 8 月 6 日 金融工程 创新基本面因子：财务数据间线性关系初窥 ——多因子系列报告之十四 金融工程深度 最近两年开始，以往效果卓越的市值因子、量价类因子等都出现了有效性下滑的情况，价值投资的呼声也越来越高。愈来愈多的投资经理开始关注基本面因子。而过于简单直白的基本面因子其效果又差强人意。基于这样的现象与需求，我们开始深度研究创新基本面因子系列。尝试通过一些更深入的研究，在保留直观逻辑意义的同时，更好地提取出蕴含在基本面数据中的有效预测信息。 基本面因子有明显的优缺点。单纯使用基本面数据构造的因子往往有以下优势：更加直接的信息源，更加直观的逻辑意义，更低的换手率，以此构造的策略更大的市场容量，更慢的信息衰减速度等。而它的劣势也同样明显：传统基本面因子预测能力偏弱，存在财务造假风险，财务数据泄露风险等。搭建财务数据间线性关系框架。在确定因子逻辑的前提下，利用 OLS 线性回归模型提取不同财务数据之间的线性信息。并根据逻辑，寻找合适的因子构造变量。同时，滚动回归窗口内财务数据标准化操作，以及财务数据覆盖度检验等细节处理使得该框架能更高效地研究开发新的基本面因子。RROC 因子预测能力突出。基于营业收入与营业成本线性关系的改变反映公司运营效率改善程度的逻辑。通过回归模型最后一期残差来构造的营业能力改善（RROC）因子，有着非常突出的预测能力，IC 均值 2.44%，月度 IR 值 0.66。基于该因子构造的多空组合在 2009 年至 2018 年 6 月期间年化收益 12.21%，夏普比率 2.12，最大回撤 8.90%。尤其是在 2017、2018 年，多空年化收益逾 20%，夏普比率超过 3，最大回撤仅 4.72%。 中性化后 RROC 因子稳定性更进一步。通过与现有的主流因子作相关性测试，发现 RROC 与成长类因子 NP_YOY、市值因子与 ROE 因子有强正相关性。在经过横截面回归取残差的方式剔除上述因子对 RROC 因子的影响后，因子稳定性有了进一步提升，IC 均值为 2.25%，而 IR 高达 0.82，中性化处理起到了信息提纯的作用。以中性化后 RROC 因子构建的多空组合，年化收益 7.53%，夏普比率高达 2.46，最大回撤仅 3.22%。风险提示：测试结果均基于模型和历史数据，模型存在失效的风险。 分析师 刘均伟 (执业证书编号：S0930517040001) 021-22169151 liujunwei@ebscn.com 联系人 胡骥聪 021-22169125 hujicong@ebscn.com 相关研究 《因子测试框架 ——多因子系列报告之一》 《因子测试全集 ——多因子系列报告之二》 《多因子组合“光大 Alpha 1.0” ——多因子系列报告之三》 《别开生面：公司治理因子详解 ——多因子系列报告之四》 《见微知著：成交量占比高频因子解析 ——多因子系列报告之五》 《行为金融因子：噪音交易者行为偏差 ——多因子系列报告之六》 《基于 K 线最短路径构造的非流动性因子 ——多因子系列报告之七》 《高频因子：日内分时成交量蕴藏玄机 ——多因子系列报告之八》 《一致交易：挖掘集体行为背后的收益 ——多因子系列报告之九》 《因子正交与择时：基于分类模型的动 态权重配置——多因子系列报告之十》 《爬罗剔抉：一致预期因子分类与精选 ——多因子系列报告之十一》 《成长因子重构与优化：稳健加速为王 ——多因子系列报告之十二》 《组合优化算法探析及指数增强实证 ——多因子系列报告之十三 》 2018-08-06 金融工程 敬请参阅最后一页特别声明 -2- 证券研究报告 目 录 1、 基本面因子的优与劣 ................................................................................................................. 5 1.1、 基本面因子的优点 ................................................................................................................................... 5 1.2、 基本面因子的缺点 ................................................................................................................................... 5 1.3、 开发能扬长避短的创新基本面因子势在必行 ........................................................................................... 6 2、 财务数据之间线性关系 ............................................................................................................. 6 2.1、 不同财务数据从逻辑上存在线性关系 ...................................................................................................... 6 2.2、 搭建财务数据间线性关系研究框架 ......................................................................................................... 7 3、 构建预测能力突出的 RROC 因子 .............................................................................................. 8 3.1、 成本与收入线性关系的改变反映企业营业能力变化 ................................................................................ 8 3.2、 构建营业能力改善（RROC）因子 ......................................................................................................... 9 3.3、 RROC 因子预测效果测试 ..................................................................................................................... 10 3.4、 RROC 选