學習交流 | 因子擇時的三個標尺:因子動量、因子離散度與因子擁擠度

2020-12-25 騰訊網

關於因子擇時，思路雖然是多樣的但是總結下來無非是兩個大方向。

第一個方向是「外生變量方法」。在這個方向，我們的核心想法是基於收益分解原理，將市場的盈利波動和估值波動進行分離，通過「利率-信用-波動率」三因素模型來捕捉盈利波動帶來的因子輪動機會，通過基於「股息率-國債收益率」的風險溢價時鐘來捕捉估值波動帶來的因子輪動機會。

第二個方向是「內生變量方法」。正如我們在挑選個股的時候，不僅要看宏觀環境，還要看股票的走勢，股票的估值水平以及股票的交易熱度來決定我們是否入場。因此在多因子模型的情境裡面，除了根據外生變量方法來判斷因子的長期趨勢，我們還需要觀察因子的特質信息來進行精細化的因子選擇。

本篇報告我們將系統性地給出因子擇時的三個重要標尺：因子動量、因子離散度以及因子擁擠度。在最終的融合策略中我們可以看到在傳統的因子動量配置方案中加入因子離散度和因子擁擠度的信息後，因子配置策略將會有質的改變。

因子動量：時序動量 vs 橫截面動量

我們從橫截面和時間序列兩個方面考察因子收益的動量特徵。首先，通過時序動量分析，我們希望解答的問題是：因子過去的表現能否用於預測因子未來的收益？從結果來看，因子表現具有短期動量、長期反轉的時序特徵，其中6-12個月的動量效應最強，48個月的反轉效應最強。

通過橫截面動量分析，我們希望解答的問題是：一個因子最近的表現比另外一個因子好，這種優勢在未來能否持續？從結果來看，因子具有普遍的橫截面動量效應。

進一步的，我們將時序動量效應和橫截面動量效應放在一起來進行綜合考慮，我們容易發現當N=12時，時序動量效應和橫截面動量效應恰好達到了最佳的平衡，所以我們常用的「以過去12個月ICIR加權」這種方式看似隨意而為，但實際上恰好符合了時序因子動量效應以及橫截面因子動量效應的特點。

我們設計了基於因子動量的因子配置策略。從回測結果來看，相比於因子等權配置，基於因子動量的因子配置策略充分利用因子的混合動量效應，在不提高組合跟蹤誤差的情況下，明顯地提高了組合的年化超額收益、相對勝率和信息比率，同時大幅降低了組合回撤的風險。

因子離散度：資產定價無效後的均值回復

以PB-ROE模型為例，我們可以發現，當ROE的因子離散度大於PB的因子離散度時，ROE因子將主導市場風格而PB因子將出現階段性的失效。如果一個因子的離散度較高，那麼這個因子將更有可能成為資產的定價核心，從而主導市場風格。因子離散度有效的核心邏輯在於資產定價在極度無效後會出現均值回復。

我們根據某一個因子在行業內對個股進行分組，計算每個行業內多空兩端的因子原始值差異，最後將所有行業的因子差異進行算術平均，得到最終的因子離散度。由於不同因子的量綱不完全可比，我們以過去72個月的數據對因子離散度進行標準化，標準化後的因子離散度具有橫向可比性。

從橫截面維度來看，我們每個月按照因子離散度將因子分為五組，以此來觀察因子離散度的橫截面選因子能力。總的來說，高離散度的因子未來具備更好的收益區分能力同時也能帶來更高的組合信息比率。

從回測結果來看，基於因子離散度的因子配置策略的年化超額收益為12.7%，相對最大回撤僅為5.8%，相對勝率為77.3%，信息比率為2.11。相比於因子等權方案，因子離散度配置方案大幅降低了組合的最大回撤，提高了組合的相對勝率。

因子擁擠度：識別過度擁擠的危險因子

近年來，因子擁擠度這個概念在海外非常熱門，很多海外機構也定義出了自己的一套因子擁擠模型。但是筆者發現，許多海外定義的因子擁擠模型在A股市場出現了明顯的水土不服問題。

因此，我們基於A股市場的特徵，完全從「交易數據」的出發，構建了國盛金工的因子擁擠模型。我們用因子分組下的多空換手率比率、多空波動率比率以及多空beta比率三者的綜合打分作為最終的因子擁擠度。

從圖表44來看，我們可以發現當ROE因子多空兩組的換手率比率、波動率比率以及beta比率處於高位時，一般意味著ROE因子已經處於行情的尾聲。從橫截面維度來看，我們每個月按照因子擁擠度將因子分為五組，以此來觀察因子離散度的橫截面選因子能力。從結果來看，因子擁擠度越高，因子未來表現越差。另外，因子擁擠度識別「差因子」的能力強於識別「好因子」的能力。

從回測結果來看，基於因子擁擠度的因子配置策略的年化超額收益為13.8%，相對最大回撤僅為8.3%，相對勝率為76.3%，信息比率為2.33。與因子等權配置相比，基於因子擁擠度的配置策略既提高了組合收益，也降低了組合回撤風險，同時還大幅提高了組合的勝率。

信號融合與動態因子策略

在做信號融合之前，我們需要考察三個指標之間的相關性，如果指標之間高度正相關，那麼因子離散度和因子擁擠度並不能提供增量信息。根據2011-2019年的數據，我們發現因子動量指標與因子離散度和因子擁擠度指標呈現輕微的負相關性，而因子離散度和因子擁擠度指標的相關性基本上為零。

基於因子動量、因子離散度和因子擁擠度，我們可以分別得到三種大類因子配置的權重，Bottom-Up融合策略的最終權重定義為這三種配置方案的算術平均。從策略表現來看，Bottom-Up融合策略相比於因子等權策略，無論在收益、回撤、勝率和信息比率上均有大幅的提升。

因子擇時的必然結果是策略換手率的提升，出於交易成本的考慮，我們測算了前面每一個因子配置策略的換手率。從結果來看，基於三個指標或者三個指標的融合進行因子配置並沒有顯著提高組合的換手率。

根據三個擇時指標的信號，融合策略每年的大類因子配置權重如下。如圖所示，融合策略會根據當年的因子動量、因子離散度和因子擁擠度動態地調整大類因子配置的權重。如2014年超配了規模因子和反轉因子，2017年超配了價值因子、盈利因子和低波因子。

風險提示：以上結論均基於歷史數據和統計模型的測算，如果未來市場環境發生明顯改變，不排除模型失效的可能性。

本文節選自國盛證券研究所於2019年3月11日發布的報告《因子擇時的三個標尺：因子動量、因子離散度與因子擁擠度》，本文僅供交流學習使用，不構成任何投資建議。（完）

聯繫方式：

相關焦點

  • 價值因子已死?爭論與啟示
    深入來看，對於價值因子的失效，大致存在9個解釋，包括邏輯被破壞、因子過度擁擠、忽略無形資產、科技產業的興起、大盤股在作妖、低利率環境、回購帶來的扭曲、私有化減少了價值股和不用找理由等，下面進行具體闡述。
  • 橫截面與時間序列因子模型比較
    以紐約證券交易所股票的帳面市值比(BM)的30和70百分位數作為斷點，將股票獨立地按帳面市值比分為三組。BM是帳面市值比的自然對數，使用每個財政年度結束時的數據。HML是大型股票的高帳面市值比和低帳面市值比組合的收益差與小型股票的高帳面市值比和低帳面市值比組合的收益差的平均值。我們構建的盈利能力和投資因子，RMW和CMA，與HML採用的一樣的方式，除了第二個分組因子是盈利能力或投資能力。
  • 因子投資中的「小問題」
    常見的因子權重配置方法有等權法（賦予每個因子相同的權重），波動率倒數法（因子的權重取決於因子收益率的波動率倒數），風險平價法（賦予每個因子權重使得因子對組合的邊際風險貢獻相同）等等。以上提及的因子權重的配置方法都相對被動，操作起來也相對便利。值得注意的是，很多產品會結合產品自身的風格來進行因子權重的配置。
  • Fama-French三因子模型
    在橫截面回歸（cross-section regression）後發現，在獨立檢驗四者對平均收益的影響時，四者都表現出了很強的解釋能力；而在進行多變量回歸時，市值和帳面市值比這兩個因子吸收了另兩個因子的解釋能力，成為了解釋平均收益的決定性變量。
  • 解構質量因子:聚焦於財務分析的多因子策略
    評判一家公司時，有人看的是公司的盈利能力，有人看的是會計質量：「這家公司財報真實可靠」，還有人看的是業務質量、管理團隊能力等。那麼，如何從量化的角度定義質量高的公司呢？於是，在金融研究中，質量因子出現了。與規模、價值、動量等由單指標或同類型指標構成的風格因子不同，質量因子通常由多個不同維度的財務指標構成。
  • 洛倫茲因子(相對論因子)在光速條件下的有限解——推導過程
    洛倫茲因子又稱伽馬因子，其數學定義如下：Eq.1問題定義狹義相對論中洛倫茲因子的存在，在估計相對論的質量、能量、動量和時間膨脹時帶來了巨大的困難，因為速度趨向於真空中的光速。這使得相對論和量子力學的操作(關於洛倫茲因子)，例如長度收縮、質量、能量、動量和時間膨脹，都有很大的問題。這也是保羅·狄拉克提出相對論量子力學時的一個原則。然而，需要考慮的最明顯的例子是相對論的質量-能量-動量方程，它支撐著愛因斯坦提出的狹義相對論，其表述如下：
  • 動量因子與諾貝爾獎得主Thaler |金融英語
    接著，Jegadeesh和Titman兩位教授由於懷疑「過度反應」這種行為偏差的存在，「一不小心」發現了「動量因子」。歷史就是如此的有趣！動量是一種優異的超額收益策略。過去 1 年表現不好的股票，在今後的幾個月中，往往會繼續下跌；而過去 1 年表現好的股票，往往會繼續走高。既然堅信市場有效性的諾獎得主都這麼肯定動量（Momentum），那麼動量到底是什麼東西？
  • 小議|茶葉審評中是「五因子」?還是「八因子」?
    前幾天學習了，評茶員審評理論和方法，很多朋友問我這樣一個問題，就是審評茶葉到底應該用什麼方法？有的書上寫八因子審評？有的書上寫五因子審評？他們之間有什麼聯繫和區別？到底應該如何選擇？（我們通常學習評茶員所用的中國茶葉學會組編的《評茶員理論教材》中提到的審評方法就是通用型茶葉審評方法，也就是五因子審評法，也稱五項因子審評法。）八因子評茶法，按照（幹評）茶葉的外形、色澤、整碎、淨度，（溼評）內質的湯色、香氣、滋味、葉底「八項因子」進行。
  • 因子分析
    1904年，英國著名心理學家斯皮爾曼研究了33名學生在古典語、法語、英語三門成績時，提出了智力結構的"二因素說"，即一般因素簡稱為G因素和特殊因素簡稱為S因素，可以理解對應著先天和後天能力，一般因素由遺傳獲得，而特殊因素由後天通過學習獲得。
  • 多因子模型水平測試題試答(因子部分)
    此時對行業因子暴露度的處理有兩個思路：1 繼續使用啞變量代表行業因子，而虛擬變量的權重可以直接使用等權重，或通過一些財務數據分析來確定；2 不再使用啞變量，而使用連續變量表示行業因子。其暴露度可以通過該上市公司的收益率對行業收益率做多元回歸決定。
  • 到底什麼是多因子量化投資?
    作為一門精確的語言，數學提高了經濟學思想的交流效率，加速了經濟學發展和傳承。　　事實上，股票量化投資的重要模型是經濟/金融學家創造和發展的。以在A股中大行其道的多因子模型為例，1993年Eugene F. Fama和Kenneth R. French發表了三因子模型，這是世界上第一個多因子模型，他們認為股票市值、帳面市值比和市場風險3個因子可以顯著地解釋股票價格的變動。
  • 因子評估全流程詳解
    基本上覆蓋到了因子評估的每個方面每個細節，小白友好型，很長，慢慢看。關於因子評估，很早之前寫過三篇單因子測試的三篇文章：上、中、下，分別寫了因子中性化、回歸測試和分組測試，也可以參考這三篇。但是鑑於這篇寫的過於早，現在再回過頭來看，很多代碼的效率非常低，有些說法非常不成熟，所以今天重新梳理一遍因子評估的全流程。
  • 8因子與9因子半衰期分別是多久?
    血友病的常見治療方案是足量輸注凝血因子，涉及到疾病常見類型對應的八因子以及九因子的輸注。之後醫生會根據具體情況保持原有用量或酌情減少用量。
  • 徐楊:股票因子的多與空
    然後在每組股票內，按價值大小排序，按30和70分位點分成三個小組，取高價值（H）的價值組和低價值（L）的成長組，High Minus Low（HML）即表示高價值-低價值，做多價值組並做空相同市值的成長組，並按50％/50％的比例分配到大市值組合和小市值組合。
  • 詳細講解因子分析(主成分)
    分析因子變量的共同度是提取公因子較為重要的前提，如果提取數據結果顯示變量的共同度越高，也就表明數據信息損失的程度越低，此時就較適合用因子分析法來分析數據。由結果可知，選取的7個指標的初始共同度均為1.000；有4個指標提取變量的共同度大於90%，1個指標的提取共同度大於80%，1個指標的提取共同度大於70%。當使用主成份提取每個因子時，初始共同度設定為1。
  • SPSS因子分析經典案例分享
    這是一個有趣的案例，你可以客觀的觀測到每一科目的成績，但你可以直接看到理科、文科的情況嗎？6個科目的成績是我們觀測到的外在表現，隱藏在其中的公共因子你找到了嗎？如果我們針對6科目做降維處理，會得到什麼結果，拭目以待。SPSS分析過程6科目成績作為6個原始變量，利用SPSS進行因子分析，具體步驟請參照各 因子分析教程 ，默認亦可，不在討論範圍之內。公共因子命名：解釋的清楚、有無實際意義
  • 收益率曲線三因子模型的一個直觀定義
    本文根據收益率曲線的幾何特徵，提出了收益率曲線三因子模型的一個直觀定義，並從四個維度對直觀定義方法與經典三因子模型進行了實證比較，結果顯示，直觀定義方法均表現較優，其對收益率曲線的刻畫更加精細。本文還闡述了收益率曲線三因子的影響因素及三因子之間的非線性關係，並運用支持向量機（SVM）技術對未來利率走勢進行預測，其結果也優於傳統線性模型。
  • spss因子分析教程
    在進行因子分析前，大家務必明確你的數據集中24個變量是否存在缺失值問題！默認情況下系統採用Lisewase，也即是只要24個變量有一個缺失，該記錄刪除，也就是說如果你的樣本存在大量缺失，可能造成因子分析的樣本量大量收縮！
  • 【國君策略】收益、風險、因子:大類資產配置框架與變遷
    當交易思維與邊際思維疊加，就會出現「交易邊際」，會引起各類資產價格變化，帶來投資組合擇時或擇券的機會。 　　戰術資產配置是「擇時」嗎？這兩個概念不宜混同。Opiela(2011)曾對資管界的權威專家進行了走訪，不同專家儘管對概念有不同理解，但都認為自己在進行戰術資產配置，而不是「擇時」。(1)擇時是一個「非0即1」的問題，即「是否要買利率債？是否要賣螺紋鋼？」
  • 什麼叫「影響因子」?
    影響因子是一個量化和半質化的指標，該指標用論文平均被引率反映了某期刊近期在科學發展和文獻交流中所起的作用，能客觀反映該期刊近年來的學術影響力。一般認為，影響因子能夠較好地反映期刊被使用的真實客觀情況，可以較公平地評價各類學術期刊，通常一種期刊的影響因子越高，其發表的文獻被引用率越高，一方面說明這些文獻報導的研究成果影響力越大，另一方面也反映該刊物的學術水平越高。