2021年1月15日 08:51:31
中金研究本文來自 「中金點睛」。
摘要
資金與監管雙重影響下，公司質量的重要性進一步提升
外資流入帶來結構變化：優質公司持續獲得關注。隨著外資的持續流入和外資佔比的逐漸提升，外資的持股偏好也將進一步地影響A股的市場風格。通過北上資金持倉的風格分析可以發現外資對於優質公司的偏好是較為明顯的。同時，隨著近年來投資者結構逐漸優化和機構化進程的加速，公司基本面質量的重要性將進一步凸顯。
退市新規出臺，促進上市公司質量優化。2020年12月31日，滬深交易所正式發布新修訂的《上海證券交易所股票上市規則》、《深圳證券交易所股票上市規則》等退市制度改革文件。新規主要內容是進一步優化上市企業質量標準，縮短退市流程，加大退市力度。此次退市機制改革強化將優勝劣汰機制從而進一步優化市場資源配置，完善國內資本市場結構。投資者將更為關注企業經營質量，公司基本面質量的重要性有望進一步提升。
六大維度構建QQC(Quantified Quality Composite)綜合質量因子
將公司基本面質量分解為六個維度。根據Gordon成長模型拆解，並結合我們對於公司基本面質量的理解，將質量因子梳理為盈利能力、成長能力、盈餘質量、營運效率、安全性、公司治理6個大類。並進一步地在每一類別中分別尋找樣本內具有顯著預測能力且穩定性較好的細分因子。
QQC綜合質量因子：六大類因子等權加權減少過擬合。6大類因子之間的相關性均處在相對較低的水平，其中公司治理因子與其他大類的質量因子直接相關性均低於0.2。同時為了降低過擬合的程度，通過等權加權的方式將六大類因子結合為綜合質量因子QQC。
QQC因子各樣本空間內均有較強預測能力，樣本外表現出色。QQC因子在不同樣本空間內均具有較強的預測能力，因子在全市場的IC_IR高達0.87;在中證500樣本內IC高達5.67%，多空組合的夏普比率達到2.18。QQC因子在樣本外(2019-01-01至2020-12-31)的月度平均IC達到5.84%，月度勝率高達87.5%，樣本外表現同樣相當出色。
基於QQC的滬深300指數增強模型：超額穩定，樣本外年化超額15%
滬深300指數增強的難點所在：行業與個股偏離度大，有效因子少。行業權重和個股權重的較高偏離度，以及成分股內較為有限的有效因子數量，是滬深300指數增強模型構建中較為棘手的問題。
基於QQC因子的滬深300增強：超額穩定，樣本外表現出色。採用估值因子、動量因子、換手率因子、一致預期等因子與QQC因子一同作為模型底層因子構建滬深300增強組合。組合年化超額收益10.47%，跟蹤誤差3.37%，信息比3.11。組合自2011年至今每年度均跑贏滬深300指數，月度勝率接近80%，相對基準的最大回撤僅為3.9%。
樣本外(2019-01-01至2020-12-31)年化超額收益為15.02%，跟蹤誤差3.65%，信息比4.11。2020年全年，組合累計收益46.58%，跑贏滬深300指數19.37個百分點。
◆ 正文 ◆
資金與監管雙重影響下，公司質量的重要性進一步提升
外資流入帶來結構變化：優質公司持續獲得關注
近年來外資的持續流入對A股市場風格產生了逐漸的影響。在2016-2020的五年間，北向資金淨流入近1.2萬億元，同時，外資持股市值佔 A股流通市值比例從1.7%上升至4.8%(提升3.1個百分點)，佔比提升接近兩倍。隨著外資的持續流入和外資佔比的逐漸提升，外資的持股偏好也將進一步地影響A股的市場風格。
圖表: 2016年以來北向資金持續流入
資料來源：萬得資訊，中金公司研究部，時間範圍為2016-01-01 至2020-12-31
我們整理了北上資金2020年全年淨流入最多的20隻個股，從個股層面上直觀的來看，北上資金更為青睞的是各個行業領域內的龍頭公司，以及具有穩定發展前景的公司。
從具體的盈利指標上看，北上資金2020年淨流入排名前20的個股的平均ROE水平高於滬深300的平均ROE水平，並且顯著的高於全體A股的ROE水平。通過ROE水平可以比較直接的證明外資對於優質公司的偏好是較為明顯的。
圖表: 北上資金淨流入排名前20的個股(2020 年)
資料來源：萬得資訊，中金公司研究部，時間範圍為2020-01-01 至2020-12-31
圖表: 北上資金偏好高ROE個股
資料來源：萬得資訊，中金公司研究部，截止2020-09-30
進一步的，將北上資金持倉佔比大於1%的個股作為北上資金的股票組合，並對該組合的風格因子暴露度進行計算。下圖為北上資金持股組合在所選取因子上的暴露程度，其中前9個因子為參照Barra模型構建9個常見因子，第10個為ROE因子。由此可見，北上資金更偏向於低Beta、大市值、高動量及高估值的股票，同時在ROE上有非常明顯的正向暴露。
在外資持倉佔比不斷提升的同時，A股的投資者結構也在逐漸發生變化。在過去較長的一段時間內，投資者結構失衡是A股長期震蕩的重要原因之一，中小散戶的非理性因素助推了股市波動性。近年來，投資者結構逐漸優化，機構投資者發展較快，從近期爆款公募基金頻發也可見一斑。我們認為外資流入的影響加上機構化進程的加速，將使得公司基本面質量的重要性進一步凸顯。
退市新規出臺，促進上市公司質量優化
2020年12月31日，滬深交易所正式發布新修訂的《上海證券交易所股票上市規則》、《深圳證券交易所股票上市規則》，及《上海證券交易所科創板股票上市規則》和《深圳證券交易所創業板股票上市規則》等退市制度改革文件。
此次上交所與深交所的退市新規主要內容是進一步優化上市企業質量標準，縮短退市流程，加大退市力度。內容包括以下幾點：
►完善退市指標，提高指標針對性：將退市指標分為交易類、財務類、規範類和重大違法類四大類。
►造假違法指標量化，增加限制減持：在保留原欺詐發行、重大信息披露違法、五大安全等重大違法強制退市標準的前提下，將重大財務造假指標量化。
►縮短退市時間，提高退市效率：取消暫停上市和恢復上市環節;退市整理期由 30 個交易日縮短為 15 個交易日。
伴隨著退市新規的落地，質量較差的企業將被淘汰出局。此次退市機制改革強化優勝劣汰機制從而進一步優化市場資源配置，完善國內資本市場結構。
投資者應將更關注企業經營本身，公司基本面質量的重要性進一步提升。新規要求企業管理人需更加注重企業持續經營的能力，調整企業的發展戰略。未來投資者也將重點關注經營穩定和業績預增的企業。
下文中我們將著重從量化多因子的角度出發，構造多維度的量化綜合質量因子QQC(Quantified QualityComposite)，並展示其應用於指數增強策略的實際效果。
質量因子定義及細分類別
在定義我們的綜合質量因子之前，首先可以從定性的角度來描述一個優質的公司：
► 盈利能力強且具有穩定的盈利能力;
► 成長能力強且具有穩定的成長能力;
► 財務情況穩定，流動性好，資本結構合理;
► 運營效率高，周轉能力強;
► 公司治理情況優良，等等。
在上述條件滿足的情況下，則可以認為這個公司的整體質量較高。學術界在研究中也有很多中對於質量指標定義方式的探討和實踐。例如，Asness(2017)通過對Gordon成長模型的分解，來定義質量因子。原始的Gordon成長模型為：
利用淨資產B(Book Value)來縮放價格, 使其在一段時間內和橫截面上更加穩定。等式兩邊同時除以淨資產B：
等式(2)則可以理解為：
等式右側的四個部分就是對於公司質量定義的四個基礎組成部分，其中，Profitability 為盈利能力，可以由ROE、ROA、毛利率在內的多個盈利能力指標表示;payout_ratio表示股東所得紅利在總利潤中的佔比，主要用來衡量公司管理層對於股東的友好程度;growth為成長能力，可以由不同的成長因子來評價;required return則可以用來反映公司的穩定性或者安全性，因為要求回報率越高的公司，自然風險越大。
圖表: Gordon成長模型分解後的四大組成部分
資料來源：中金公司研究部
根據上述分析，並結合我們對於公司基本面質量的理解，我們將質量因子梳理為盈利能力、成長能力、盈餘質量、營運效率、安全性、公司治理這6個大類，如下圖所示：
常用質量因子單因子表現
首先我們分別對盈利能力、成長能力、盈餘質量、營運效率、安全性、公司治理這6個大類質量指標中的單因子進行全面的測試，並在每個大類中挑選滿足一定篩選條件(IC大於2%，IR大於0.3，tstats大於3)的因子來構成大類複合因子(註：若某一大類的因子表現均不滿足上述條件，則挑選IC_IR表現較好的具有代表性的此類因子作為基礎因子)。為了降低過擬合的程度，下文中的因子測試時間段均為2009-01-01至2018-12-31的樣本內時間，並將2019-01-01至2020-12-31作為樣本外檢驗綜合因子的預測能力和選股能力。
盈利能力(Profitability)
盈利能力可以說是質量因子中最重要也最受關注的一類指標，不同的人對於盈利能力的衡量標準也會略有不同。例如上文提到的Asness(2017)在定義QmJ(Quality minus Junk)因子時對於盈利能力方面的指標採用了6個指標等權相加的方式來打分，6個指標分別為：總資產毛利率(GPOA)、ROE、ROA、經營現金流/總資產(CFOA)、毛利率(GMAR)、淨利潤現金佔比(ACC)。
公司利潤表中直接反映公司賺錢能力的項目包括毛利潤、營業利潤、淨利潤，這三項中使用最廣泛的淨利潤一般被認為可以比較全面的反映該公司在剔除費用項之後的盈利情況。但是在一些行業中(例如消費類行業)毛利潤指標會具有超越淨利潤的選股能力。營業利潤相關因子的預測能力也常常優於淨利潤類因子。學術界和業界也對毛利潤和營業利潤的優勢有不少的分析，因此這三個利潤類的指標可以說是各有千秋，我們在盈利能力類因子中會較為全面的對涉及這三類利潤指標的因子做測試。
在篩選盈利能力因子時，我們將首先對盈利能力方面的因子做全面的測試，測試的盈利能力因子明細及其構造方式說明如下表所示。
圖表: 盈利能力( Profitability )因子明細表
資料來源：中金公司研究部
圖表: 盈利能力 (Profitability) 因子單因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
經營現金流/總資產(CFOA)具有相對較高的預測能力，其因子IC_IR高達0.47。同時，ROE和ROIC的IC_IR也超過0.2。結合上述測試結果，並考慮到ROE和ROIC指標是使用率較高的盈利能力類指標，我們將CFOA、ROE、ROIC作為盈利能力類因子的子指標，並等權加權後得到盈利能力類因子的複合因子(Profitability)。
成長能力(Growth)
成長因子是量化多因子體系中的一類很重要的風格因子，同時也是投資者關注度較高的一類因子。因為從投資的最根本目的出發，具有成長潛力或者發展潛力較大的公司才會更有可能給投資者帶來更多回報，投資者也會更願意為高成長的公司支付較高的股價。
在成長因子的構造方式上，我們將對每一個增速類(同比增速、環比增速)因子均使用與分母值回歸取殘差的處理方式，來減小前期值對增速因子分布上的影響。
同時，引入幾個較為創新的成長因子構造方式(以淨利潤NP為例)：
►加速度指標：NP_Acc
加速度指標的計算方法是：利用連續N個季度的單季利潤，對期數的二次方程進行回歸，取二次項係數作為業績增長加速度的代理變量，回歸公式如下：
其中，NP為單季度利潤，t為季度數，為上市公司業績增長加速度的代理變量，越高，表示業績增長的加速度越高。該指標的計算涉及到一個參數N，依據參數敏感性的測試結果，在後續的測試中均取相對穩健的N=8。
►穩健增速指標：NP_Stable
穩健增速指標刻畫的是過去一段時間內業績增速的穩定性，當指標值比較高的時候，表示過去一段時間內上市公司的業績保持了穩定增長的態勢。它的計算方式是用過去N期的利潤增速均值除以利潤增速標準差。在後續的測試中，我們依然取N=8這一參數，即用過去兩年的利潤增速數據計算該指標。
►穩健加速度指標：NP_SD
穩健加速度指標則是穩健增速指標的一階差分。
►業績趨勢因子：QPT
業績趨勢模型採用分層篩選的方式實現，首先依據業績增速指標篩選增速較高的三分之一的股票作為基礎股票池;再依據業績增長加速度指標在基礎股票池中篩選三分之一的股票作為最終持倉。我們將該模型進行因子化同樣考慮分層打分的方式：
• 首先，依據業績增速指標將全市場股票均分成三組，給每組股票打分，增速最高一組得分為3，增速最低一組得分為1，中間一組得分為2;
• 其次，每一組內依據業績增長加速度指標進行打分(標準分法)，加速度越高得分也越高;
• 最後，將兩步驟的得分相加為每隻股票的最終得分。
我們運用業績預告數據(淨利潤下限)降低財務公告數據的滯後性後，在構造月頻的業績趨勢因子時，需每月對業績數據進行更新;當同時存在不同類型的業績報告時，優先級次序依據其準確性確定，即：定期報告>業績快報>業績預告。
結合上述新增成長類因子，和盈利能力指標的變動類因子，我們將成長能力的大類因子梳理如下：
圖表: 成長能力( Growth )因子明細表
資料來源：中金公司研究部
圖表: 成長能力( Growth )因子單因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
綜合考慮收入成長能力和收入增速穩定性的因子營業收入穩健加速度因子(OP_SD)具有較高的預測能力，其因子IC_IR高達0.73，多空組合的Sharpe比率高達2.95，單調性得分也超過2。同時，成長能力因子中IC均值最高的因子分別為：營業利潤增速(單季度同比)OP_Q_YOY、淨利潤增速(單季度同比)NP_Q_YOY、業績趨勢因子(QPT)。
營運效率(Operation)
營運效率是指公司運用資產的效率或者有效程度，可以反映公司資金的周轉狀況。營運效率的高低取決於企業營運狀況的好壞及管理水平的高低。例如，存貨周轉率、總資產周轉率都是很常用的用來衡量公司營運效率的指標，在此基礎上我們也將上述指標的變動指標作為因子進行了測試，嘗試從營運效率改善的角度尋找具有更好預測能力的營運效率因子。
產能利用率提升因子(OCFA，Operation Cost on FixedAssets)的因子是我們採用創新基本面因子挖掘框架挖掘出來的具有較強預測能力的營運效率類因子，其具體的構造方式為，營業總成本在固定資產上滾動回歸取最近一期殘差，具體的：
這裡我們採用殘差項來表徵產能利用率的提升。
結合上述新增的產能利用率因子，我們將營運效率的大類因子梳理如下：
圖表: 營運效率(Operation)因子明細表
資料來源：中金公司研究部
圖表: 營運效率(Operation)因子單因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
總資產周轉率變動指標ATD的各項表現均優於其他營運效率因子，IC_IR達到0.55，多空年化收益7.20%，多空組合的Sharpe比率也達到2.07，該因子的預測能力和穩定性均較好。OCFA因子IC_IR表現較好，且與其他常用因子相關性較低，因此，我們將滿足入選條件(IC大於2%，IR大於0.3，tstats大於3)的因子ATD和創新基本面因子OCFA作為營運效率類因子的子指標。
盈餘質量(Accrual)
盈餘質量類指標能夠為投資者提供關於上市公司的盈餘信息，如果上市公司進行了盈餘操縱或管理，那麼其財報盈餘向投資者傳遞的信息質量往往較差;較差的盈餘信息不利於我們合理地對公司的未來業績做出預測，因此對上市公司盈餘質量好壞的評價具有重要的意義。
應計利潤的定義通常為：
應計利潤 = 營業利潤 - 經營性現金流量淨額
同時，為了使得不同規模的公司的該項指標能夠進行橫向比較，我們採用將應計利潤除以營業利潤作為應計利潤佔比指標，來作為盈餘質量指標的一種構建方式，明顯的，該指標數值越大，標的盈餘質量越差。因為現金利潤來源於當期經營淨現金流的增加;而應計利潤則更多反映對未來現金流的確認，應計利潤中存在較大的利潤操縱空間，從而導致應計利潤持續性較差，擁有較高應計利潤的公司未來盈餘往往會出現下滑。所以基於以上的邏輯，應計利潤佔比越大的公司，盈餘質量越差。
圖表: 盈餘質量(Accrual)因子明細表
資料來源：中金公司研究部
圖表: 盈餘質量(Accrual)因子單因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
我們同時構造了收現比因子(CSR)來衡量公司主營業務收入背後現金流量的支持程度。該指標越高，說明公司收入的變現能力越強。反之，說明公司當前帳面收入高，而實際現金收入低，有很大一部分形成了應收帳款，這時可以認為公司的整體盈餘質量較低。
上述測試的盈餘質量因子整體預測能力相對較弱，其中，應計利潤佔比(APR)因子的負向預測能力相對較強，IC均值為-1.23%，IC_IR達到-0.42。因此在盈餘質量方面的因子中，選擇APR作為基礎因子。
安全性(Safety)
Asness(2017)在定義QmJ因子時對於安全性方面的指標給予了較高的權重，文章認為前文公式(3)中的必要報酬率(requiredreturn)是比較難以定義的或者說學術界對其定義方式的爭議仍然較大。因此文章採用了一種更為通俗的方式來定義安全性(safety)，其主要關注的指標包括：低beta，低波動，槓桿率，信用風險等等。
由於beta和股價波動這些指標更多的反映來自市場內的投資者行為對股價所產生的影響，其與公司本身的質量的相關性是否較高我們認為有待驗證。同時，考慮到A股與海外成熟市場的參與者結構差異，散戶佔比較大的A股市場上個股的價格波動更容易受到公司本身質地意外的因素影響，因此我們暫未將beta和波動率因子納入安全性因子中測試。這裡我們討論的安全性將主要從公司的經營槓桿等方面考慮：
圖表: 安全性(Safety)因子明細表
資料來源：中金公司研究部
圖表: 安全性(Safety)因子單因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
上述測試的安全性因子整體預測能力不高，其中，現金流動負債比率(CCR)因子具有較好的預測能力，IC均值為1.53%，IC_IR達到0.39，因子收益均值為0.13%，月度勝率68%。因此我們在安全性方面的因子中，選擇現金流動負債比率CCR作為基礎因子。
公司治理(Governance)
公司治理也是一個較為重要的評判上市公司經營質量的指標，通俗理解只有公司治理能夠影響公司股票價格和股票收益，從而產生治理溢價，投資者才能通過比較上市公司的治理水平選擇配置在未來可能獲得更高溢價的股票。
本文採用股權結構與股東權利、董事會構成、管理層激勵、信息披露與合規、激勵約束機制等多維度衡量公司的治理水平。具體的指標和權重設置如下表所示：
圖表: 公司治理(Governance)因子指標及明細
資料來源：中金公司研究部
在簡單加權的方法下，將流通股佔比、管理層薪酬、管理層持股數量、受證監會、交易所等處罰情況、是否實施股權激勵這5大指標根據方向調整等權相加結合成為公司治理因子(Governance)。
圖表: 公司治理(Governance)因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
公司治理因子的整體表現尚可，IC均值為2.79%，IC_IR達到0.49，因子收益均值為0.23%，而多空收益表現一般，單調性得分較低，因子的收益穩定性相對較弱。
QQC綜合質量因子
六大類因子綜合表現：樣本內成長因子優勢明顯
為了構造一個全面且綜合的質量因子，我們首先將上文整理的6大類指標按照大類內因子等權加權的方式構造6個大類因子，並比較他們的因子表現以及相關性。可以看到上面整理的這6類質量指標的整體預測能力和收益穩定性仍存在較大的差異，其中成長能力指標的IC和IC_IR均顯著高於其他5類指標，而盈利能力指標的表現則相對較弱：
圖表: 六大類質量因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
從IC序列的相關性矩陣來看，6大類質量因子之間的相關性均處在相對較低的水平，其中，公司治理因子與其他大類的質量因子直接相關性均較低，而營運效率與成長能力之間的相關性為0.6，相對較高。
圖表: 六大類質量因子測試結果
資料來源：中金公司研究部，註：測試期為2009-01-01至2018-12-31
因此，在將上文梳理完成的盈利能力、成長能力、盈餘質量、營運效率、安全性、公司治理這6個大類質量指標綜合為一個綜合的質量因子時，可以考慮的加權方式主要包括：等權加權，IC加權，IC_IR加權等等。
不同加權方式對比：等權加權減少過擬合
等權加權是最為直觀的加權方式，其優點在於邏輯直觀，減少參數優化過程，從而減小過擬的概率。但IC加權和IC_IR加權也是較為常用的因子合成方法，這兩種加權方式下可以比較有效的提高預測能力較高的因子的權重佔比，從而提高合成因子的預測能力。因此我們主要比較了下述三種因子加權方式：
圖表: QQC 因子的不同加權方式
資料來源：中金公司研究部
下表給出了不同加權方式下的綜合質量因子表現統計，由於IC加權或者IC_IR加權均需要滾動歷史12個月的IC數據，因此因子測試的起始時間統一為了2010-01-01.
圖表: 不同加權方式下QQC 因子測試結果
資料來源：中金公司研究部，註：測試期為2010-01-01至2018-12-31
IC_IR加權方式下得到的綜合質量因子IRW_QQC的IC_IR表現最優，但多空組合的夏普比率1.50卻略低於其他兩種組合方式。同時，考慮到IC_IR加權方法下，成長能力因子的權重會顯著高於其餘因子，因此綜合質量因子會更多的暴露在成長風格上，一旦成長風格出現回撤時，整體質量因子也會遭遇較大回撤。
而等權加權方式下的QQC因子在IC或者IC_IR的表現上與另外兩種加權方式下的因子差異並不明顯，並且等權相加的方式邏輯更為直觀，省去了滾動計算IC或者IC_IR的時間區間長度的參數優化過程，一定程度上避免了樣本內的過擬概率。
QQC因子各樣本空間內均有較強預測能力，樣本外表現同樣出色
基於以上的分析，我們定義等權加權方式下的EW_QQC因子為綜合質量因子，命名為QQC(Quantified Quality Composite)。
該因子在中證全指、中證500、滬深300不同樣本空間內，均具有較強的預測能力，因子的IC均高於3%，IC_IR均大於0.5。其中，QQC在全市場的IC_IR高達0.87;在中證500樣本內的表現也較為出色，因子IC高達5.67%，因子平均收益也達到0.48%，多空組合的夏普比率達到2.18。
圖表: QQC因子在不同樣本內的測試結果
資料來源：中金公司研究部，註：測試期為2010-01-01至2018-12-31
QQC因子在樣本外同樣具有顯著的預測能力，樣本內和樣本外的表現均十分出色。從因子IC來看，QQC因子在樣本外區間(2019-01-01至2020-12-31)的月度平均IC達到5.84%，樣本外月度勝率高達87.5%，樣本外表現甚至優於樣本內測試結果。這一結果也一定程度上歸功於我們採取的等權加權方式，減小了過擬合導致樣本外表現下滑的概率。
圖表: QQC 因子月度IC 時間序列
資料來源：中金公司研究部，註：測試期為2009-01-01至2020-12-31
圖表: QQC 因子分組收益(全市場)
資料來源：中金公司研究部，註：測試期為2009-01-01至2020-12-31
QQC應用於指數增強：滬深300增強樣本外年化超額15個百分點
滬深300指數增強：難度較大，基本面指標更有效
在各類寬基指數的指數增強模型中，滬深300指數增強模型是關注度較高但同時難度也較高的模型。近幾年來滬深300指數的相對強勢的表現，和滬深300股指期貨貼水較小的優勢，是導致滬深300指數增強策略關注度上升的主要原因。
同時，採用量化多因子手段構建滬深300指數增強組合是比較具有難度的，我們總結滬深300指數增強的難點主要包括：
►行業分布不均衡，個股權重差異大
將滬深300與中證500這兩個指數的成分股行業分布做一個統計，可以發現滬深300內的300隻股票行業分布更為不均衡，其中食品飲料行業、銀行行業與非銀金融行業的權重佔比較高：
圖表: 滬深300成分股行業權重分布(%)
資料來源：萬得資訊，中金公司研究部，樣本時間：2020/12/31
圖表: 中證500成分股行業權重分布(%)
資料來源：萬得資訊，中金公司研究部，樣本時間：2020/12/31
通常在分析滬深300指數成分股時，前面提到的行業分布偏離度高的問題是比較容易關注到的信息。但如果仔細觀察分析滬深300指數成分中的個股權重，就可以發現滬深300的個股權重也存在很大的分布偏離。
圖表: 滬深300權重股及所屬行業
資料來源：中金公司研究部，截止2020-12-31
將滬深300內權重大於1%的個股作為權重股，則可以發現，截止2020年12月31日，佔滬深300成份個股1/20的15隻權重股，權重之和已達到31.88%。
►有效因子數量少，且大部分為基本面因子
滬深300指數增強較為困難另外一個重要原因在於：滬深300內的有效因子數量較少。
我們以因子庫中，包括估值因子，規模因子，成長因子，質量因子，槓桿因子，動量因子，波動因子，技術因子，流動性因子，情緒類因子等共10大類200個細分因子為例，測試這些因子在滬深300成分股內的預測能力和選股能力。以IC絕對值大於3%，IC_IR絕對值大於0.3為標準，滬深300成分股內，滿足上述標準的具有一定選股能力的因子個數僅有20個，有效因子佔比只有10%，如下圖所示：
圖表: 不同樣本空間內有效因子類型及佔比
資料來源：中金公司研究部，註：測試期為2010-01-01至2018-12-31
滬深300內的有效因子中以基本面類型的因子為主，基本面因子的佔比超過65%。而這一特徵與中證500或者中證1000是截然相反的。
基於QQC的滬深300指數增強：樣本外表現出色，年化超額15%
基於前文的分析，我們發現滬深300中基本面相關的因子更具有超額收益能力，同時滬深300成分股的行業偏離和個股偏離都較為嚴重，我們構造了基於QQC綜合質量因子的滬深300指數增強模型，模型的具體設置如下：
因子選擇：選擇包括估值因子、動量因子、換手率因子、一致預期類因子在內的滬深300內較為有效的因子，與QQC因子一同作為模型底層因子。
圖表: 基於QQC的滬深300指數增強模型因子明細
資料來源：中金公司研究部
因子權重設置：滾動24個月IC_IR(QQC因子的權重若小於50%，將其調整至50%，其他因子再做歸一化處理)
組合優化及參數設置：
(1)成分股內選股
(2)約束行業偏離度不超過5%;
(3)約束市值因子暴露度不超過5%;
(4)約束個股權重相對滬深300成分股原始權重的偏離度不超過1個百分點(絕對值);
(5)月度調倉，費率假設為單邊0.3%
(6)樣本內2011-01-01至2018-12-31，樣本外為2019-01-01至2020-12-31
模型表現：組合年化超額收益為10.47%，跟蹤誤差3.37%，信息比3.11。組合自2011年至今每年度均跑贏滬深300指數，月度勝率接近80%，相對基準的最大回撤僅為3.9%。
樣本外(2019-01-01至2020-12-31)組合年化超額收益為15.02%，跟蹤誤差3.65%，信息比4.11。2020年全年，組合累計收益46.58%，跑贏滬深300指數19.37個百分點，表現相當出色。
圖表: 基於QQC的滬深300 指數增強組合淨值表現
資料來源：中金公司研究部，註：測試期為2011-01-01至2020-12-31
圖表: QQC因子在不同樣本內的測試結果
資料來源：中金公司研究部，註：測試期為2011-01-01至2020-12-31
綜上，採用基於QQC因子的滬深300指數增強模型樣本內外均具有穩定的超額收益能力。我們的模型為了減少權重股收益波動對模型的表現的影響並提高超額收益的穩定性，在QQC因子結合多因子打分的基礎上，結合優化器對最終持倉組合的行業暴露、市值暴露和個股權重偏離度進行約束。
基於QQC綜合質量因子的滬深300增強組合具有穩定的超額收益，組合年化超額收益為10.47%，跟蹤誤差3.37%，信息比3.11。組合自2011年至今每年度均跑贏滬深300指數，月度勝率接近80%，相對最大回撤僅為3.9%。2020年全年，組合累計收益46.58%，跑贏滬深300指數19.37個百分點，表現相當出色。
（編輯：吳佩森）