多因子模型研究系列之七：使用多因子框架的沪深300指数增强模型

权益专题报告 请务必阅读正文之后的免责条款部分 1 of 20 金融工程研究 证券研究报告 权益 专题 报告 证券分析师 宋旸 022-28451131 18222076300 songyang@bhzq.com 助理分析师 张世良 022-23839061 zhangsl@bhzq.com 相关研究报告 《多因子模型研究之一：单因子测试》20171011 《多因子模型研究之二：收益预测模型》20171229 《多因子模型研究之三：风险 模 型 与 组 合 优 化 》20180416 《随机森林多因子模型与传统多因子模型的选股风格对比——多因子模型研究系列之四》20180726 《使用 bandit learning 算法的多因子模型——多因子模型研究系列之五》20180925 《使用 Thompson Sampling算法的策略混合模型 ——多因子模型研究系列之六》20181228 《使用Ba核心观点： 本篇报告中，我们使用多因子框架构建了沪深 300 指数增强模型。多因子框架的建立主要包括四个步骤：数据预处理、单因子检测、收益模型和风险模型。原始数据构成的因子经过数据对齐、去极值、标准化、缺失值处理的预处理步骤，进入单因子检测环节。单因子检测分为统计检验和分层回测两种。通过单因子检测后，我们采用逐步回归法，为收益模型逐个引入新因子，根据拟合优度的统计量决定新引入的因子对整个模型的贡献程度。最后，使用 Barra 风险模型控制整个组合的风险，以及在特定风险因子上的暴露。针对沪深 300 和中证 500 成分股，最终选取估值因子、盈利因子、成长因子、动量因子和流动性因子作为收益预测因子构建收益模型，选取波动率因子、市值因子、中性市值因子、Beta 因子和行业因子作为风险因子代入风险模型。我们针对沪深 300 成分股，以月度调仓的频率构建投资组合。回测数据为 2011 年 2 月-2019 年 1 月。收益模型采用 12 个月移动平均的方式预测因子收益，风险模型中，在二次规划的条件部分对风险因子的暴露设定为 0。经过回测，模型年化超额收益 10.15%，并在 2011-2018 期间每一年都跑赢指数，平均跟踪误差 3.55%，平均换手率 4.09 倍。未来，我们将持续关注该模型的运行情况，定期公布净值。除了沪深 300指数增强模型，我们还将构建中证 500 指数增强模型，以及其他指数增强模型。我们还将构建使用机器学习方法预测股票收益的指数增强模型。风险提示：随着市场环境变化，模型存在失效风险。使用多因子框架的沪深 300 指数增强模型 ——多因子模型研究系列之七分析师：宋旸 SAC NO：S1150517100002 2019 年 03 月 29 日 权益专题报告 请务必阅读正文之后的免责条款部分 2 of 20 目 录 1. 理论简介 ....................................................... 4 2. 多因子模型建立流程 ............................................. 5 2.1 数据预处理 ................................................. 5 2.2 单因子检测 ................................................. 7 2.3 收益预测模型 .............................................. 10 2.4 风险预测模型 .............................................. 14 3. 沪深 300 指数增强模型建立 ...................................... 15 4．总结与未来研究方向展望 ........................................ 17 权益专题报告 请务必阅读正文之后的免责条款部分 3 of 20 表目录 表 1：因子定义 .................................................................................................................................................... 10 表 2：最终入选因子 ............................................................................................................................................ 15 表 3：模型分年度收益情况 ................................................................................................................................ 16 表 4：模型分年度业绩归因 ................................................................................................................................ 16 图目录 图 1：多因子模型建立流程图 .............................................................................................................................. 5 图 2：数据预处理结果展示 .................................................................................................................................. 7 图 3：单因子统计检测结果展示（以成交量 1 月波动率为例） ...................................................................... 9 图 4：单因子分层回测结果对比 ......