金融工程-《因子选股系列研究》之五十三：基于因子组合FMP的因子加权方法

HeaderTable_User 1122253200 1200144163 1200144163 HeaderTable_Stock 股票代码 投资评级 评级变化 行业 code HeaderTable_Excel HeaderTable_StatementCompany东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。专题报告【金融工程·证券研究报告】Tabl e_Title基于因子组合 FMP 的因子加权方法 — 《因子选股系列研究》之五十三 Table_Summary研究结论Alpha 因子和因子组合 FMP 完全等价，在一个股票协方差下，两者可以相互转换，通过因子组合可以完全的表征 alpha 因子。理想情况下，均值方差优化框架下的组合权重完全正比例与因子组合的权重。风险中性因子组合和风险中性因子的简单因子组合成比例，因子组合的收益受 IC、因子组合标准差、股票截面波动等因素影响。Alpha 因子的线性组合和 alpha 因子对应的 FMP 的线性组合有一一对应的关系，传统的 alpha 因子线性加权可以等价于线性加权各个 alpha 因子的FMP 形成目标 FMP，由目标的 FMP 反解出加总的 alpha。均值方差优化框架下加权因子组合权重，等价于最大化目标因子组合的夏普比，在一定条件下退化为最大化 ICIR 加权，但这类加权方法高度依赖协方差和期望的估计。对于因子组合，可以通过采用 FMP 日度收益数据估计协方差，以增加样本点、减少估计误差，对于 IC，建议采用协方差的 LW 压缩估计量。在因子收益率未知或者很难估计的情况情况下，可以考虑参考组合风险平价的理论配置在各个 alpha 因子组合上配置权重，在 alpha 因子不存在相关性的情况下 alpha 因子风险平价退化为等权重配置。最大化 FMP 夏普比 zscore 的理论组合要优于最大化 ICIR，基于 LW 压缩估计 IC 的最大化 ICIR 显著优于基于 IC 样本协方差的最大化 ICIR，因子大类风险平价的理想组合优于因子大类等权。在常见的指数增强中，最大化 FMP 夏普的方法在年化对冲收益和信息比两个维度上均优于最大化 ICIR 的方法，因子大类风险平价和大类等权虽然理论组合较差，但在沪深 300 增强中表现并不差，而且在市场风格转变时稳定性更好。风险提示 量化模型失效风险市场极端环境的冲击 Table_ReportDate报告发布日期 2019 年 04 月 15 日 Table_Author证券分析师 朱剑涛 021-63325888*6077 zhujiantao@orientsec.com.cn 执业证书编号：S0860515060001 王星星 021-63325888-6108 wangxingxing@orientsec.com.cn 执业证书编号：S0860517100001 Table_Contacter联系人 王星星 021-63325888-6108 wangxingxing@orientsec.com.cn Table_Report相关报告 Alpha 预测之二: 机器的比拼 2019-03-04 适宜快节奏的年报公告季 2019-02-28 A 股行业内选股分析总结 2019-01-16 金融工程 不同加权方法在不同因子库下的 500 增强年化对冲收益 5.0%7.0%9.0%11.0%13.0%15.0%17.0%19.0%BASES0S1S2S3S4S5S6S7S8S9T0T1T2T3T4T5T6T7T8T9MAX_FMPSRMAX_ICIR_LWMAX_ICIR_SGRP_RPGRP_EW 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 基于因子组合FMP的因子加权方法 2 目录 一、关于因子组合 .......................................................................................... 3 1.1 简单因子组合的定义 ................................................................................................... 3 1.2 风格约束下的因子组合 ................................................................................................ 4 1.3 因子组合与 IC 的关系 .................................................................................................. 4 1.4 基于 FMP 的多因子构建.............................................................................................. 5 二、基于因子组合的加权方法 ........................................................................ 7 2.1 期望方差优化的框架 ................................................................................................... 7 2.2 因子期望收益和协方差的估计 ..................................................................................... 8 2.3 基于风险配置的因子加权 ............................................................................................ 9 三、组合收益的比较 .................................................................................... 11 3.1 理论组合的表现.........................................................................