金融工程2023年度撥云見日終有時

1、當(dāng)前市場環(huán)境與未來破局之道量化擇時與資產(chǎn)配置在未來將至關(guān)重要今年以來海外通脹高金融環(huán)境收國內(nèi)受疫情影復(fù)蘇預(yù)期反在這樣的宏觀環(huán)境下市場出現(xiàn)了系統(tǒng)性的回撤波動加劇此時對權(quán)益資產(chǎn)的的擇時就顯得尤為重要，通過宏觀擇時的方式，或能較為有效的控制住下行風(fēng)險。圖表1：各股指2022年年初至今收(截至2022.11.30)圖表2：各股指2022年年初至今走(截至2022.11.30)000%-50%-1.0%-1.0%-2.0%-2.0%

105109509085080750706506-3.0%-3.0%

創(chuàng)業(yè)板指數(shù) 滬深0 全A 中證0 中證0 宏觀擇時

全A 滬深0 中證 中證0 創(chuàng)業(yè)板指 宏觀擇時Wind Wind量化行輪動空間的增大與往相比單行業(yè)的波動明顯放平均回也有所增過去投資者通過直接研判賽道長期持單一行業(yè)獲取超額收在現(xiàn)階將面臨很大的風(fēng)。同時行的頻繁切換，也給量行業(yè)輪動更大的操作的空間通過模型預(yù)測行業(yè)收益有效輪動能夠更好的捕獲行業(yè)Beta的收益。圖表3：近2年中信一級行業(yè)年化波動率37.0032.0027.0017.0012.00煤有鋼消電食國石汽醫(yī)農(nóng)基電家建房計傳綜非電機綜銀通建輕交紡商炭色鐵費力品防油車藥林礎(chǔ)子電材地算媒合銀力械合行信筑工通織貿(mào)金 者設(shè)飲軍石牧化產(chǎn)機金行及制運服零屬 服備料工化漁工融金公造輸裝售務(wù)及融用新事能業(yè)源20212022Wind圖表4：近10年中信一級行業(yè)中每年排名前5行業(yè)年份 第1 第2 第3 第4 第52013傳媒(102.56)計算機(75.72)通信(45.25)電子(42.41)國防和軍工(38.9)2014非銀行金融(129.76)建筑(99.9)房地產(chǎn)(78.15)銀行(71.83)交通運輸(71.55)2015計算機(125.97)消費者服務(wù)(122.86)通信(115.46)輕工制造(97.11)紡織服裝(94.68)2016食品飲料(7.56)家電(1.78)銀行(0.69)煤炭(0.36)石油石化(-0.56)2017食品飲料(54.57)家電(44.94)煤炭(19.31)非銀行金融(18.93)電子(18.54)2018消費者服務(wù)(-8.69)銀行(-10.95)石油石化(-18.76)食品飲料(-20.37)農(nóng)林牧漁(-22.03)2019食品飲料(72.84)電子(72.23)家電(60.55)建材(52.99)農(nóng)林牧漁(48.16)2020電力設(shè)備及新能源(88.34)食品飲料(88.06)消費者服務(wù)(81.06)國防和軍工(72.47)醫(yī)藥(50.4)2021電力設(shè)備及新能源(51.68)基礎(chǔ)化工(50.08)有色金屬(46.71)煤炭(44.51)鋼鐵(44.07)2022(截至11.30)煤炭(31.39)房地產(chǎn)(-0.07)交通運輸(-1.81)建筑(-3.57)石油石化(-4.76)，傳統(tǒng)低選股因子的風(fēng)格化傳統(tǒng)多因子模型換倉頻率相對較低所用因子以基本面因子低頻量價因子為主根據(jù)我們跟蹤計算最近幾年這類低頻因子IC及多空收的穩(wěn)定性都出現(xiàn)一些下，逐漸表現(xiàn)出風(fēng)格化的特征為了解決當(dāng)前因子面臨的問題而越來越多的投資者開始在新的維度探尋和挖掘，包括高頻因子、機器學(xué)習(xí)模型等。圖表5：大類因子的C均值與多空收益圖表6：一致預(yù)期、市值、成長和反轉(zhuǎn)因子多空凈值 圖表7：質(zhì)量、技術(shù)、價值和波動率因子多空凈值期 市值 長 反轉(zhuǎn) 質(zhì)量 術(shù) 值 波動率21.81.41.210.80.6

3.12.61.60.6?????????TA2、基于動態(tài)宏觀事件因子的股債輪動策略宏觀擇時的常用方法當(dāng)量化分析師嘗試使用宏觀數(shù)據(jù)構(gòu)建模型對未來資產(chǎn)收益率進行判斷時一般有兩種方式：1）進行線性回歸擬合，將未來資產(chǎn)的收益率作為因變量，將宏觀數(shù)據(jù)作為自變量進行線性回歸通過回歸模型預(yù)期未來資產(chǎn)收益率或者漲跌方向2)構(gòu)建事件驅(qū)動模型通過統(tǒng)計某類特定的宏觀事件發(fā)生時未來資產(chǎn)的漲跌情況從中篩選出勝率高的宏觀事件從而構(gòu)建事件因子但是對于宏觀數(shù)據(jù)來說其與未來資產(chǎn)的收益率不一定呈現(xiàn)線性相關(guān)的關(guān)系,或者僅有弱相關(guān)性，例下圖中展示的PPI同比與全A收益率的相關(guān)性只有-0.1336，并沒有一個非常強的相關(guān)性，但是在某一時間段內(nèi)，可能與資產(chǎn)收益率的相關(guān)性劇增例下圖中紅框所框出來的部分所我們希望使用構(gòu)建宏觀事件的方式去捕捉這類宏觀數(shù)據(jù)的顯著變化的時點，來輔助我們來做投資決。圖表9：全A與PPI同比的線性相關(guān)性 圖表10：全A與PPI同比的走勢04萬得全萬得全次月收益02010-.1-.2-.3-.4

相相關(guān)性:-.136-0 -5 0 5 10 PP同比

7,0006,0005,0004,0003,0002,0001,0000

萬得點位

比

-10-5051015Wind動態(tài)事件驅(qū)動的優(yōu)勢傳統(tǒng)的事件驅(qū)動類策略的構(gòu)建流程一般為使用樣本內(nèi)時間段數(shù)據(jù)去測試事件的勝率和可靠性等等然后在樣本外長期沿用并不做任何改變或者說沒有一個完善的體系去規(guī)范樣本外該事件因子是否是持續(xù)有效使得投資者在樣本外的使用過程中無法很好的把控事件因子與資產(chǎn)收益率之間關(guān)系的變動。例下圖中顯示的，南華工業(yè)品指數(shù)同比與PPI同比的相關(guān)性，在2012年之前，南華工業(yè)品指數(shù)同比的走勢對于PPI同比有一定的領(lǐng)先性但是隨著時間的推移目前南華工業(yè)品指數(shù)同比基本對于PPI同比的領(lǐng)先性逐漸減弱。下圖中LME銅價與全A指同比的走勢變化，也體現(xiàn)了同樣的結(jié)論。若我們不能及時把握數(shù)據(jù)與資產(chǎn)關(guān)系變化的話，很有可能滯后或者甚至做出錯誤的投資決策。為了一定程度上解決傳統(tǒng)事件驅(qū)動類策略的弊端本文嘗試構(gòu)建動態(tài)事件驅(qū)動策略框架。將事件因子的評價環(huán)節(jié)包含在每期事件因子的選擇當(dāng)中，動態(tài)選擇與資產(chǎn)走勢更相關(guān)的事件因子，解決樣本外因子的評價問題和動態(tài)因子優(yōu)選問題，使得投資者只需要關(guān)注于挑選更多有效的宏觀數(shù)據(jù)進模型中，提升模型的信息輸入就好。圖表11：PPI同比與南華工業(yè)品指數(shù)同比時關(guān)系 圖表12：全A同比與LME銅價同比時滯關(guān)系15105010PPI比 南華工業(yè)品指:同右)

1010806040200204060

30202010105005010A::比 :LME3:)Wind宏觀事件因子構(gòu)建框架及流程關(guān)于數(shù)據(jù)方面，我將經(jīng)濟、通脹、貨幣和信用四大類的30余個宏觀指，包括PMI、PPISHIBORM1等數(shù)據(jù)納入了測試的范圍當(dāng)中后續(xù)還可以對更廣泛的數(shù)據(jù)做進一步的測試。圖表13：經(jīng)濟、通脹、貨幣和信用類指標(biāo)數(shù)據(jù)分類 指標(biāo)名稱頻率數(shù)據(jù)發(fā)布時間制造業(yè)PMI月當(dāng)月月末制造業(yè)PMI:生產(chǎn)經(jīng)濟制造業(yè)PMI:新訂單月月當(dāng)月月末當(dāng)月月末制造業(yè)PMI:新出口訂單月當(dāng)月月末PMI:新訂單-PMI:產(chǎn)成品庫存月當(dāng)月月末工業(yè)增加值:當(dāng)月同比月次月月中產(chǎn)量:發(fā)電量:當(dāng)月值月次月月中消費者信心指數(shù)月次月月末固定投資完成額:第一產(chǎn)業(yè)月次月月中國債利差10Y-1M日當(dāng)日收盤國債利差10Y-3M日當(dāng)日收盤PPI:同比月次月月中CPI:同比通脹PPI-CPI剪刀差月月次月月中次月月中PMI:原材料價格月當(dāng)月月末SHIBOR:隔夜日當(dāng)日收盤SHIBOR:2周日當(dāng)日收盤SHIBOR:1個月日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:7天日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:14天日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:1個月日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:3個月日當(dāng)日收盤貨幣 同業(yè)存單:1個月日當(dāng)日收盤同業(yè)存單:3個月日當(dāng)日收盤逆回購利率:7天-銀行間質(zhì)押式回購加權(quán)利率:7天日當(dāng)日收盤中美國債利差10Y日當(dāng)日收盤中國國債美國TIPs利差:10年日當(dāng)日收盤國開債國債利差:10年日當(dāng)日收盤AA級企業(yè)債國債:10年利差日當(dāng)日收盤中間價:美元兌人民幣日當(dāng)日收盤M1:同比月次月月中M2:同比月次月月中M1-M2剪刀差信用社會融資規(guī)模:當(dāng)月值月月次月月中次月月中社會融資規(guī)模存量:同比月次月月中金融機構(gòu):中長期貸款余額月次月月中Wind圖表14：事件因子構(gòu)建流程圖對于數(shù)據(jù)的預(yù)處理方面我們分成了4個小步即對齊數(shù)據(jù)頻率填充數(shù)據(jù)缺失值季節(jié)性調(diào)整和濾波處理以及數(shù)據(jù)格式的變動。其中根據(jù)對數(shù)據(jù)的理解不同的數(shù)據(jù)使用不同的數(shù)據(jù)格式使數(shù)據(jù)更能捕捉資產(chǎn)收益率變動方向。圖表15：數(shù)據(jù)格式的變動數(shù)據(jù)格式 解釋data_raw 原始數(shù)據(jù)data_YoY 數(shù)據(jù)的同比變化data_MoM 數(shù)據(jù)的環(huán)比變化data_diff 數(shù)據(jù)的差額變化data_MA12 數(shù)據(jù)的12個月移動平均data_diff_roll12_sum 數(shù)據(jù)的新增量的滾動12個月求和data_diff_roll12_sum_YoY 數(shù)據(jù)的新增量的滾動12個月求和同比變關(guān)于事件因子的構(gòu)建我們將其拆解成7個小步即確定事件的突破方式確定數(shù)據(jù)與資產(chǎn)的領(lǐng)先滯后性生成事件因子因子事件初篩疊加事件因動態(tài)剔除低勝率的事件因以確定評判事件的最優(yōu)滾動窗。其中我們構(gòu)建了三類的事件因子包括數(shù)據(jù)突破數(shù)據(jù)均線數(shù)據(jù)突破數(shù)據(jù)中位數(shù)以及數(shù)據(jù)的同向變化，并且給這些因子事件賦予了不同的參數(shù)，這樣一共構(gòu)建了36個不同的因子事件。圖表16：事件因子的構(gòu)建因子事件 參數(shù)數(shù)據(jù)突破數(shù)據(jù)均線 均線長度：2-12數(shù)據(jù)突破數(shù)據(jù)中位數(shù) 滾動窗口：2-12數(shù)據(jù)同向變動 同向變動期數(shù):1-5在生成完所有的事件因子之后我們就可以進入對事件因子的評價和篩選階段我們列出了4種不同的衡量指標(biāo)包:勝率收益率勝率波動調(diào)整收益率和開倉波動調(diào)整收益率?；谶@些指標(biāo)不同的特點，我們決定選擇用收益率勝率作為每期事件因子的篩選指標(biāo)；用開倉波動調(diào)整收益率作為后續(xù)確定數(shù)據(jù)滾動時間窗口的指。圖表17：各類衡量指標(biāo)介紹事件因子衡量指標(biāo) 指標(biāo)構(gòu)建 指標(biāo)優(yōu)劣勢∑??1,??>0∑勝率 ?? ??∑??

，??為總開倉次數(shù) 只考慮指標(biāo)成功率∑????,??>0收益率勝率

???? ????∑??|??∑????/??

，??為總開倉次數(shù) 除了成功率，還包含盈虧比的信息 ???? ，為總期數(shù) 綜合考慮指標(biāo)成功率，收益率和波動率的信息，但是包含不開波動調(diào)整收益率

√1∑??(????)2

倉時間段的信息，導(dǎo)致不開倉時間長的事件也可能有高數(shù)值???1???? ∑?????? ，??為總開倉次數(shù) 綜合考慮指標(biāo)成功率，收益率和波動率的信息，開倉波動調(diào)整收益率

√1 ∑(????)2

且重點關(guān)注開倉階段的信息，但是要求數(shù)據(jù)量大些???1?? ??確定好篩選指標(biāo)之后我們對每期生成因子做個初步的有效性篩選包括a)滿足t檢驗，能在95的置信區(qū)間內(nèi)拒絕事件信號發(fā)出之后下一期資產(chǎn)收益為0的原假設(shè)b)事件益率勝>55。c)該事件的發(fā)生次>滾動窗口的時間期/6。最后我們通過計算樣本內(nèi)時間2005年1月-207年1230余個宏觀數(shù)據(jù)構(gòu)建的事件因子的開倉波動調(diào)整收益率，挑選出了樣本內(nèi)表現(xiàn)較好的11個因子，我們將其列在了下表中并且說明了每個數(shù)據(jù)的數(shù)據(jù)格式數(shù)據(jù)處理方法和對應(yīng)的滾動窗口期我們將這11個因子分成了兩大:經(jīng)濟增長和貨幣流動性經(jīng)濟增長包含經(jīng)濟通脹和信用三者都是不同維度描述經(jīng)濟的運行情況另外將貨幣類的指標(biāo)單獨劃分成一類用來刻畫市場的流動性。圖表18：最終篩選的宏觀因子因子分類因子名稱數(shù)據(jù)處理方法滾動窗口M1:同比原始數(shù)據(jù)84PPI:YoY原始數(shù)據(jù)48PPI-CPI剪刀差X1348經(jīng)濟增長工業(yè)增加值同比X1372國債利差10Y-1M原始數(shù)據(jù)84產(chǎn)量:發(fā)電量:當(dāng)月值:MA3:環(huán)比X13-HP84M1-M2剪刀差HP72中美國債利差:10年原始數(shù)據(jù)84貨幣流動性中國國債美國TIPs利差:10年X1396銀行間質(zhì)押式回購加權(quán)利率:7天原始數(shù)據(jù)48逆回購利率:7天-銀行間質(zhì)押式回購加權(quán)利率:7天:MA20原始數(shù)據(jù)96擇時與股債策略表現(xiàn)在選定了最終使用的宏觀指標(biāo)之后我們使用這些宏觀數(shù)據(jù)構(gòu)建的宏觀事件因子來搭建擇時策略我們定義當(dāng)大類因子內(nèi)部的細(xì)分因子大于2/3的因子發(fā)出看多信號則當(dāng)期該大類因的信號標(biāo)記為1當(dāng)大類因子內(nèi)部的細(xì)分因少于1/3的因子發(fā)出看多信時，則當(dāng)大類因信號標(biāo)記為0若當(dāng)大類因子內(nèi)部的細(xì)分因發(fā)出看多信的比例處于兩個區(qū)間之后則大類因子標(biāo)記對具的比例最后我們將兩個大類因子的得分取平均值，合成最當(dāng)期的股票倉信號。圖表19：擇時策略倉位確定流程圖下圖展示的是該宏觀事件因子擇時策略的表現(xiàn)從2005年1至2022年1月年化收益率為18.73，同期全A指數(shù)為10.88，相對Wind全A有約的年化超額收益。該擇時策略在波動率端也有比較好的表現(xiàn)，年化波動率由指數(shù)原來28.64的波動率下到了15.17最大回撤明顯下降從指數(shù)的68.81下降到了13.77夏普比率上升1.13。圖表20：宏觀事件因子擇時策略凈值 圖表21：宏觀事件因子擇時策略表現(xiàn)25 01/2005-11/2022 股票擇時 Wind全A20年化收益率 18.73 10.88150 年化波動率 15.17 28.9450股票擇時 wind全A

最大回撤 -13.77 -68.61夏普比率 1.13 0.46收益回撤比 1.36 0.16另外我們也嘗試了使用擇時策略中獲得的股票倉位信息搭配風(fēng)險預(yù)算模型來構(gòu)建不同風(fēng)險偏好的股債輪動策略。這里我們使用全A指數(shù)作為股票資產(chǎn)，中債綜合財富總值指數(shù)作為債券資產(chǎn)來搭建股債輪動的模型。根據(jù)不同權(quán)益風(fēng)險貢獻度下的權(quán)益權(quán)重數(shù)據(jù)我們構(gòu)建了三類不同風(fēng)險等級的股債輪動模型:進取型:基于章節(jié)4.1構(gòu)建的股指擇時模型來搭建股倉位變動范圍0-100使股指擇時模型的股票倉位作為策略的股票倉位，剩余的倉位分配給債券。穩(wěn)健型:基于風(fēng)險預(yù)算模型來搭建，每期權(quán)益的風(fēng)險貢獻度為90-100，具體的變數(shù)值=90+(100-90)*股指擇時模型股倉位。保守型:基于風(fēng)險預(yù)算模型來搭建每期權(quán)益的風(fēng)險貢獻度為60-90具體的變動值=60+(90-60)*股指擇模型的股倉位。下圖中展示了這三類配置策略和基準(zhǔn)的股債64組合未考慮交易成本的表現(xiàn)，回測期從2005年1至2022年11月期間保守穩(wěn)健和進取三個策略年化收益率分別為6.26，11.96和22.44，同期股債64年化收益率為9.25，穩(wěn)健和進取型從收益的角度都穩(wěn)跑贏基準(zhǔn)保守型雖然收益沒有跑贏但是波動率最大回撤和夏普率都是4者里面最高的適合風(fēng)險偏好較低的投資者而其他兩個風(fēng)險偏好的策略也同樣在各維度上表現(xiàn)優(yōu)于基準(zhǔn)。圖表22：宏觀事件因子配置策略凈值 圖表23：宏觀事件因子配置策略表現(xiàn)01/2005-01/2005-11/2022股債64保守穩(wěn)健進取年化收益率9.256.2611.9622.44年化波動率17.243.398.7114.94最大回撤-46.24-3.55-6.77-13.72夏普比率0.531.461.211.36收益回撤比0.201.761.771.647 356 305 254 203 152 101 50 0股債64 保守 穩(wěn)健 進取右軸)Wind Wind在最后我們也測試了下交易成本對我們配置策略的影響我們?nèi)Q手率最高的進取型策略(年平均換手率僅432)作為例子，下中可以看到考慮手續(xù)費后，整體收益降幅可控，分一的單邊手續(xù)費下年化收益僅下滑約0.5，分之二手續(xù)費下滑約1。手費對于該配置策略整體的影響不大。圖表24：不同交易成本下，進取型策凈值圖表25：不同交易成本下，進取型策略表現(xiàn)4035302520151050無手續(xù)費 千一 千二 千

01/2005-11/2022無手續(xù)費千分之一千分之二千分之年化收益率 22.44 21.92 21.40 20.88年化波動率 14.94 14.95 14.97 14.98最大回撤 -13.72 -13.84 -13.97 -14.10夏普比率 1.36 1.33 1.30 1.27收益回撤比 1.64 1.58 1.53 1.48Wind Wind3、基于多維度行業(yè)景氣度與估值動量的行業(yè)輪動策略行業(yè)景氣度與估值動量行業(yè)輪動策略可以從不同周期以及多個維度進行構(gòu)建短期可以關(guān)注市場情緒通過價量指標(biāo)捕捉市場變化并構(gòu)建預(yù)測信號中期則可以從行業(yè)基本面出發(fā)關(guān)注行業(yè)景氣度與估值的變化；而長期需要對經(jīng)濟周期做出判斷，并根據(jù)所處的經(jīng)濟周期篩選優(yōu)勢行業(yè)。行業(yè)景氣度反映了行業(yè)中上市公司的整體經(jīng)營狀況景氣度上行的行業(yè)往往會獲得投資者的追捧行業(yè)估值的變化也表現(xiàn)出較強的持續(xù)性估值提升的行業(yè)在未來估值進一步上升的可能性也較大因此行業(yè)景氣度和估值的變化能夠?qū)π袠I(yè)收益率的預(yù)測起到重要作用。我們從多個維度構(gòu)建行業(yè)景氣度和估值動量的因，探索中期行業(yè)配置策略。宏觀中觀經(jīng)濟周期微觀景氣度估值機構(gòu)持倉北上資金宏觀中觀經(jīng)濟周期微觀景氣度估值機構(gòu)持倉北上資金 短期價一致預(yù)期與業(yè)績超預(yù)期研報情緒指標(biāo)構(gòu)建原則與測試方法行業(yè)層面的指標(biāo)反映的是所屬行業(yè)上市公司的整體情因我們可以通過個的相關(guān)指標(biāo)合成行業(yè)的景氣度與估值指下圖展示的行業(yè)因子的構(gòu)建流在因子構(gòu)建的過程中，我們需要考慮以下幾個問。首先上市公司每個季度會披露季報但由于許多行業(yè)的財務(wù)數(shù)據(jù)呈現(xiàn)出明顯的季節(jié)性特征單季度數(shù)據(jù)直接比較會存在較大問題因此對于區(qū)間類數(shù)據(jù)如營業(yè)收入凈利潤等我們將單個季度數(shù)據(jù)調(diào)整為最近四個季度的數(shù)TTM對于時點類數(shù)據(jù)如總資產(chǎn)、凈資產(chǎn)等，我們?nèi)耘f取期初和期末的均值。其次在將公司層面的財務(wù)數(shù)據(jù)合成行業(yè)指標(biāo)時我們需要考慮不同的合成方式除了一般采用的整體法外我們還將采用中位數(shù)法流通市值加權(quán)法和龍頭股法共四種方法來計算行業(yè)指標(biāo)具體的行業(yè)因子合成方法如下表所示不同的計算方法其側(cè)重點也有所同，具體的行業(yè)因子選取的合成方式因指標(biāo)而異最后由于行業(yè)間盈利與估值等數(shù)據(jù)存在較大差異不能夠直接比較因此我們將其轉(zhuǎn)化為指標(biāo)的邊際變化這里主要采用常用的環(huán)比和同比的方式進行計算。圖表27：行業(yè)因子構(gòu)建流程個股個股T中位數(shù)法龍頭股法環(huán)比盈利質(zhì)量估值動因子構(gòu)建我們共構(gòu)建出盈利質(zhì)量以及估值動量三大類行業(yè)因子為了評估因子對行業(yè)收益的預(yù)測能力我們采用因子IC測試和分位數(shù)組合測試來作為因子篩選的標(biāo)準(zhǔn)這里的行業(yè)收益，我們采用中信一級行指數(shù)的收益率由于行業(yè)分類中綜合金融歷史數(shù)據(jù)較短我們暫時從行業(yè)池中剔除樣本內(nèi)測區(qū)間取為2010年1月1日至2022年3月1日。圖表28：盈利類因子定

行業(yè)的盈利數(shù)據(jù)是行業(yè)景氣度的重要反映當(dāng)行業(yè)盈利情況轉(zhuǎn)暖時行業(yè)景氣度上行受投資者關(guān)注的可能性更大未來存在更大的超額收益為了衡量行業(yè)的盈利情況我們選取了行業(yè)整體的毛利率、凈利率、凈利潤ROA以及ROE等指標(biāo)的變動構(gòu)建因子。其中，毛利率凈利率和凈利潤是反映行業(yè)盈利水平最直接的指標(biāo)ROA和ROE是公司盈利質(zhì)量的重要指標(biāo)。因子名稱 因子定義 加權(quán)方式 變動方法GrossMargin_Chg 毛利率變動 流通市值加權(quán)法 環(huán)比NetMargin_Chg 凈利率變動 整體法 環(huán)比NetProfit_Chg 凈利潤變動 流通市值加權(quán)法 環(huán)比ROA_Chg 總資產(chǎn)收益率變動 流通市值加權(quán)法 環(huán)比ROE_Chg 凈資產(chǎn)收益率變動 流通市值加權(quán)法 環(huán)比圖表29：質(zhì)量類因子定

行業(yè)的景氣程度不僅可以通過盈利數(shù)據(jù)來看行業(yè)中企業(yè)的營運能力或償債能力等指標(biāo)也能夠衡量營運能力通常用資產(chǎn)周轉(zhuǎn)率或存貨周轉(zhuǎn)率等指標(biāo)來刻畫通常來說企業(yè)資產(chǎn)周轉(zhuǎn)越快流動性越高資產(chǎn)獲取利潤的能力也越強而償債能力可以用流動比率來衡量，償債能力越強從側(cè)面反了獲利能力越強因此運營能力和償債能力的邊際改善通常預(yù)示著行業(yè)景氣度的提升。我們選取了總資產(chǎn)周轉(zhuǎn)率存貨周轉(zhuǎn)率以及流動比率的變化來構(gòu)建質(zhì)量類因子其中總資產(chǎn)周轉(zhuǎn)率和存貨周轉(zhuǎn)率采用環(huán)比變化而流動比率采用同比變化同樣各個因子采取了各自具有優(yōu)勢的加權(quán)方式。因子名稱 因子定義 加權(quán)方式 變動方AssTurnover_Chg 總資產(chǎn)周轉(zhuǎn)率變化 中位數(shù)法 環(huán)比InvTurnover_Chg 存貨周轉(zhuǎn)率變化 流通市值加權(quán)法 環(huán)比CurrentRatio_Chg 流動比率變化 龍頭股法 同比價格的變化由盈利的變化和估值的變化兩部分構(gòu)成上文中我們通過盈利和質(zhì)量類指標(biāo)對行業(yè)景氣度進行衡量接下來我們將聚焦在另一個重要的維度即估值個股的估值往往受到流動性市場情緒所處行業(yè)政策等多方面因素的影響在行業(yè)層面這些因素的改變對估值帶來的影響會出現(xiàn)持續(xù)性的特征這與行業(yè)層面體現(xiàn)出的價格動量特征類似但也存在區(qū)別。我們認(rèn)為當(dāng)行業(yè)受到投資者追捧或行業(yè)本身迎來政策利好時短期龍頭股的估值會率先提升隨著伴隨著漲勢向非龍頭股的擴散行業(yè)估值呈現(xiàn)出逐步提升的過程不同于價格變化估值變化剔除了因為盈利況變化帶來的影響而盈利的影響因素我們放在行業(yè)景氣度中來刻畫因此我們將估值動量作為另一個重要的行業(yè)影響因素而沒有用傳統(tǒng)的價格動量。圖表30：估值動量類因子定義因子名稱因子定義加權(quán)方式變動方法BP_Chg市凈率倒數(shù)變動流通市值加權(quán)法同比EP_Chg市盈率倒數(shù)變動龍頭股法同比SP_Chg市銷率倒數(shù)變動流通市值加權(quán)法同比我們用市凈率市盈率以及市銷率的倒數(shù)的變動來構(gòu)建估值動量類因均采用同比變化量。其中，市盈率采用龍頭股法來進行計算，市凈和市銷率采用流通市值加權(quán)法。我們將三個維度因素結(jié)合起來構(gòu)建了體系化的行業(yè)預(yù)測模型首先將每個類別細(xì)分因子等權(quán)合成大類因子然我們分析了盈利因子質(zhì)量因子和估值動量因子之間的相關(guān)性從結(jié)果可以發(fā)現(xiàn)三個因子之間整體相關(guān)性較低相關(guān)系數(shù)最大的是盈利因子與質(zhì)量因子之間的0.2249。因此，可以通過將三個因子合成共同預(yù)測行業(yè)收益。圖表31：行業(yè)因子Spearman相關(guān)系數(shù)行業(yè)因子盈利因子質(zhì)量因子估值動量因子盈利因子1.00000.22490.1006質(zhì)量因子0.22491.0000-0.0066估值動量因子0.1006-0.00661.0000，我們將盈利質(zhì)量以及估值動量因子以等權(quán)的方式進行合成得到景氣度估值因子因子表現(xiàn)方下圖展示景氣度估因子的IC時間序列可以看出大部分月份IC為正IC均值達到了8.88，風(fēng)險調(diào)整的IC為0.32，說明合成之后的景氣度估值因子的確可以從不同維度對行業(yè)收益進行解。圖表32：景氣度估值因子IC0600604020-02-04-06-08

景氣度估值因IC 景氣度估值因I移平均圖表33：景氣度估值因子IC因子平均值標(biāo)準(zhǔn)差最小值最大值風(fēng)險調(diào)整的ICt統(tǒng)計量景氣度估值因子8.8827.46-52.8164.730.323.91，我們對景氣度估值因子進行分位數(shù)組合測，可以看出，從Top組合至Bottom組，年化收益率呈現(xiàn)出明顯的單調(diào)遞減的趨勢Top組合和Bottom組合的差異非常明顯。市場組合代表將29個行業(yè)等權(quán)構(gòu)建的組合。從分位數(shù)組合的凈值可以看出Top組合的表現(xiàn)顯著跑贏市場組合年化收益率達到了14.28夏普比為0.48而Bottom組合的表現(xiàn)顯著跑輸市場組年化收益率為-4.23。從多空組合表現(xiàn)來看，景氣度估值因子多空凈值增加平穩(wěn)，年化收益率達到了18.54，夏普比率達到了1.11多空凈值在2021年12月有較大的回撤但2022年1和2月均表現(xiàn)較好，凈值反彈。圖表34：景氣度估值因子分位數(shù)組合凈值6543210op Btom 市場，圖表35：景氣度估值因子多空組合表現(xiàn)250%9200%8150%76543210-收益率

100%500%000%-50%-1.0%-1.0%-2.0%，圖表36：景氣度估值因子分位數(shù)組合指標(biāo)組合年化收益率波動率夏普比率最大回撤率Top14.2829.590.4849.6319.4527.190.3549.7728.8026.440.3358.3332.8127.300.1058.9343.0226.070.1245.89Bottom-4.2326.90-0.1666.22市場6.1926.190.2453.63L-S18.5416.661.1118.88，景氣度估值行業(yè)輪動策略我們構(gòu)建的景氣度估值因子在行業(yè)預(yù)測方面具有顯著效果我們根據(jù)該因子構(gòu)建行業(yè)輪動策略,每月初選取排名前1/6的行業(yè)，即5個行業(yè)，以等權(quán)方式構(gòu)建行業(yè)輪動組合按照月度進行調(diào)倉手續(xù)費取千分之。然后我們將29個行業(yè)等權(quán)構(gòu)建基準(zhǔn)組合，月初再平衡。經(jīng)過上節(jié)的展示我們構(gòu)建的景氣度估值因子在行業(yè)預(yù)測方面具有顯著效我們首先根據(jù)該因子構(gòu)建行業(yè)輪動策在構(gòu)建策略時我們按照月度進行調(diào)倉每月初選取排名前1/6的行業(yè)即5個行以等權(quán)方構(gòu)建行業(yè)輪動組合手續(xù)費取千分之三然后我們將29個行業(yè)等權(quán)構(gòu)建基準(zhǔn)組，月初再平?；販y時間段為2010年1月4日至2022年12月1日，其中2022年3月1日至2022年12月1日為樣本跟。下圖展示的是景氣度估值行業(yè)輪動策略的凈值表可以看相比行業(yè)等權(quán)基景氣度估值行業(yè)輪動策略的優(yōu)勢非常明超額凈值也非常平穩(wěn)的增從指標(biāo)上來看景氣度估值行業(yè)輪動策略的年化收益率為10.89，夏普比率為0.40，而行業(yè)等權(quán)基準(zhǔn)的年化收益率僅為5.09夏普比率為0.21相較于行業(yè)等權(quán)基準(zhǔn)行業(yè)輪策略的年化超額收益率為5.99，信息比率為0.71。54543535454353252151050行業(yè)等權(quán)凈值 )超額凈外 ，圖表38：景氣度估值行業(yè)輪動策略指標(biāo)指標(biāo)景氣度估值行業(yè)輪動行業(yè)等權(quán)超額年化收益率10.895.095.99年化波動率27.2424.738.66夏普比率0.400.210.69最大回撤率56.2559.0015.14月?lián)Q手率(雙邊)53.76--11月收益率10.769.701.03今年以來收益率-4.62-11.117.35總收益率280.2090.00112.07，行業(yè)輪動策略的月均雙邊換手率為53.76，由于其中包含了季度的財務(wù)數(shù)據(jù)，整體換手率不算特別高。從分年度表現(xiàn)可以看出，除2011年2012年、2015年和2016年策略的超額收益率為負(fù)其余年份均有正超額收同時負(fù)超額年份的負(fù)超額收益率也相對較低策略在最近6年均保持正超額收其中200年有接近20的超額收今年以來，在行業(yè)頻繁切換的市場環(huán)境下，這類基本面輪動策略表現(xiàn)優(yōu)異。截止12月初，策略超額收益率達到了7.35展望未來行業(yè)輪動的重要性不言而喻我們團隊也將進一研究和探索，尋找能預(yù)測行收益的方。圖表39：景氣度估值行業(yè)輪動策略分年度超額收益率10%

景氣度估值行輪動 行業(yè)等權(quán)基準(zhǔn) 超額收益（右

7.3%200207.3%20020220320420520720820920020120262011201

% % -2% -5%-4% -1%4、基于高頻快照數(shù)據(jù)的量價背離選因子高頻量價背離背后的Alpha傳統(tǒng)多因子模調(diào)倉頻率相對較所因子以基本面因子低頻量價因子為主近些年來這類因子的收益波動也越來越大國的私募等機越來越重視基于高頻量價數(shù)據(jù)的短線策略相比傳統(tǒng)因子其收益的穩(wěn)定性也具有一定的優(yōu)勢國內(nèi)的主要機構(gòu)投資（例如公募基金等，目前還無法采用這類短線交易策略，而這類高頻量價因子在低頻化后，仍然可以提供增量信息并改善傳統(tǒng)多因子模型因此高頻量價因子越來越受到投資者的關(guān)注。本章將以我們構(gòu)建的快照量價相關(guān)性因子舉例來說明高頻因子的優(yōu)勢以及對傳統(tǒng)多因子框架的增強作用利用股票的價格與成交量的信息構(gòu)建的價量因子已經(jīng)被證明可以預(yù)測股票的未來收益投資者通?？梢酝ㄟ^觀察股票價格與成交量的關(guān)系捕捉交易機會傳統(tǒng)的技術(shù)分析方法應(yīng)用在高頻方面也可以更好的提取有效特征我們將重點關(guān)注基于快照數(shù)據(jù)的股票價格與成交量的相關(guān)關(guān)系構(gòu)建高頻量價背離因子而后通過降頻后構(gòu)建了滿足機構(gòu)投資者要求的中證1000指數(shù)增強策略。股票價格和成交量在日內(nèi)的變化各不相同量價關(guān)系可反映了日內(nèi)投資者的博弈的不同情況當(dāng)股票價格上漲而成交量卻逐步減少時說明市場參與各方對股價后續(xù)的走勢預(yù)期較為一致，此股票還未達到預(yù)期價格，未來上漲的可能性較大；而當(dāng)股票價格上漲，同時成交量放大此時市場參與方分歧加大樂觀和悲觀的投資者的數(shù)量都很多市場情緒趨于“冷靜，股價到達拐點的可能性較大對于下跌的情況也比較類似。圖表40：價升量跌 圖表41：價升量升 結(jié)合上述對于量價的形態(tài)的分析我們總結(jié)了不同形態(tài)下股價變動預(yù)期可以看出當(dāng)量價出現(xiàn)背離時，無論當(dāng)前股價處在上升還是下降通道，未來上漲的可能性均較高；同理，當(dāng)量價趨時股價未來下跌的可能性較高因此通過分析股價與成交量之間的相關(guān)性，可以對未來價格走勢進行預(yù)測。圖表42：不同量價形態(tài)下股價變動預(yù)期量價相關(guān)性量價形態(tài)預(yù)期股價變動量價趨同價升量升下跌量價趨同價跌量跌下跌量價背離價升量跌上漲量價背離價跌量升上漲日內(nèi)快照數(shù)據(jù)與量價因子構(gòu)建傳統(tǒng)的價格與成交量的研究往往是在相對較低的頻率上進行分析例如對于分鐘級別數(shù)據(jù)而言其會喪失分鐘內(nèi)重要的交易信息因此通過提高數(shù)據(jù)采樣頻率可以市更微觀的結(jié)上獲額外信息有獲得更高超額收益的可能下圖展示的A股市場的高頻數(shù)據(jù)分類。圖表43：高頻數(shù)據(jù)分類快照數(shù)據(jù)價格成交量盤口委托掛單快照數(shù)據(jù)價格成交量盤口委托掛單逐筆數(shù)據(jù)逐筆成交逐筆委托/委托隊列上交所，深交所，快照數(shù)據(jù)交易所3秒一次的最新市場行情包括了價格成交量以及成交筆數(shù)以及委托掛單等信息相比分鐘級數(shù)據(jù)快照數(shù)據(jù)的頻率大幅提高，捕捉的交易信息更加完整，能夠更精準(zhǔn)刻畫股票日內(nèi)價格波動能夠展現(xiàn)價格成交量及成交筆數(shù)在時序上的分布和變化。基于上述優(yōu)勢我們利用快照數(shù)據(jù)構(gòu)建因子對日內(nèi)價格與成交量的相關(guān)關(guān)系進行衡量捕捉上文中提到的量價趨/背離特征。衡量兩個因素相關(guān)關(guān)系的直接方法就是計算相關(guān)系數(shù)對于價格來說我們選取快照成交價和快照收益（即快照成交價相比上個快照成交價的變化。對于成交量來說，我們不僅選取了快照成交量，而且選取了成交筆數(shù)，同時還計算了每筆成交量。我們共構(gòu)建了如下六個因子：????????=????(????????,?????????)????????=????(????????,??????????)????????????=????(??????,??????????)???????????????????=????(????????????????1

?1,?????????)????????=????(????????????????1

?1,??????????)????????????=????(?????????????????1

?1,??????????)?????????其中????(…代表兩個變量之間的相關(guān)系數(shù)????????表示i時刻快照成交價??????????表示i時刻快照成交量?????????表示i時刻快照成交筆數(shù)。當(dāng)價格與成交量的相關(guān)系數(shù)為負(fù)時，意味著量價出現(xiàn)背離，按照此前推斷，股價上漲的可能性較高，反之亦然。因此，上述因子取值與未來股票收益率應(yīng)該存在負(fù)的相關(guān)關(guān)系。為了驗證上述因子的預(yù)測能力，接下來我們將對上述6個因子的有效性進行測試測試的時間段為206年1月至2022年8月。一般而言這類量價因子在市值相對較小的股票上表現(xiàn)更好因此我們主要以中證1000指數(shù)成分股作為股票池進行因子有效性驗證。同時，隨著中證1000股指期貨的上市，對沖工具的完善使得機構(gòu)投資者對中證1000指數(shù)增強類產(chǎn)品的需求逐漸加大，因此本篇報告把重點放在中證1000指數(shù)增強策略上。在構(gòu)建日頻因子時，我們計算上一個交易日的因子值，然后以當(dāng)日開盤價作為成交價。量價背離因子日頻有效性驗證首先我們基于日頻構(gòu)建量價背離因子即統(tǒng)計上個交易日內(nèi)所有快照數(shù)據(jù)構(gòu)建上文中的6個量價背因子我們對這些因子的有效性進行檢驗首先我們檢驗了因子日頻收益的預(yù)測能力下表展示了6個因子的C統(tǒng)計指標(biāo)可以看出量價背離因子整體的IC均值為負(fù)即日內(nèi)價量背離時隔日個股的收益率相對較高符合上文中我們對量價背離因子的分析。其中CorrPV因子CorrRV因子以及CorrM因子C相對較高IC均值在3以上。圖表44：量價背離因子IC指標(biāo)（日頻）因子平均值標(biāo)準(zhǔn)差最小值最大值風(fēng)險調(diào)整后ICt統(tǒng)計量CorrPM-3.108.43-28.7336.90-0.37-14.83CorrPV-3.798.37-26.3735.80-0.45-18.22CorrPVPM-2.175.27-26.8220.03-0.41-16.57CorrRM-2.089.56-31.3229.94-0.22-8.78CorrRV-3.138.54-29.8326.18-0.37-14.75CorrRVPM-1.224.92-19.2326.65-0.25-9.96，上交所，深交所，量價背離因子降頻后表現(xiàn)量價背離的現(xiàn)象對隔日股票的收益率具有明顯的預(yù)測作用但對于大多數(shù)機構(gòu)投資者來說，日頻的預(yù)測周期相對較短交易難以實現(xiàn)且在手續(xù)費較高的情況下比較難獲得實際收益在這種情況下擴大因子預(yù)測周期降低因子預(yù)測頻率是一個重要的解決方法綜合考慮因子有效性的衰減以及交易的可行性我們降低預(yù)測頻率到周頻對股票收益進行預(yù)測。在這里我們采用整體的方法即計算了過去一周單一股票所有日內(nèi)快照成交量與價格的相關(guān)系數(shù)構(gòu)建量價背離因子構(gòu)建方法與日頻因子類似這樣做的好處是既保留了局部價格與成交量的相關(guān)信息，也降低頻率，得到更長的預(yù)測周期。從下表的周頻因子的表現(xiàn)可以看出，量價背離因子的IC均值差異較，其中CorrPVW因（W后綴代表周頻因子下同和CorrPMW因子的IC相對較高IC均值分別達到和-6.37，而日頻因子中表現(xiàn)較好的CorrPVPM因子在周頻下表現(xiàn)較為一般。圖表45：量價背離因子IC指標(biāo)（周）因子平均值標(biāo)準(zhǔn)差最小值最大值風(fēng)險調(diào)整的ICt統(tǒng)計量CorrPMW-6.378.03-31.3822.55-0.79-14.62CorrPVPMW-1.315.22-20.5817.71-0.25-4.61CorrPVW-7.008.21-31.0419.78-0.85-15.69CorrRMW-2.949.34-29.4232.24-0.31-5.79CorrRVPMW-2.965.78-26.7214.26-0.51-9.44CorrRVW-4.148.90-26.3928.65-0.47-8.57，上交所，深交所，我們進一步研究了周頻因子的多空組合的表現(xiàn)可以看出CorrPMW因子和CorrPVW因子的多空組合表現(xiàn)優(yōu)異，收益持續(xù)性相比日頻因子更好，同時近幾年因子也持續(xù)有效。CorrPVW因子的多空組合年化收益率達到了47.18，夏普比率達到了4.04。我們認(rèn)為，這主要是因為隨著近些年高頻因子在私募機構(gòu)中的廣泛使用，策略逐步擁擠，導(dǎo)致之前有效的日頻因子對隔日股票收益率的預(yù)測的波動性逐步加大甚至因子出現(xiàn)失效。而周頻因子通過降低預(yù)測頻率可以在一定程度上平滑量價波動從而提高預(yù)測的穩(wěn)健性。orrW orrW orrPWorrVPW orrVWorrW orrW1451251058565452505，上交所，深交所，同樣我們選取了周頻因子中表現(xiàn)相對較好的CorrPMW因子和CorrPVW因子構(gòu)建合成因子。從下表的相關(guān)性分析可以看出成交筆數(shù)和成交量相關(guān)性較高基于此構(gòu)建的這兩個因子的相關(guān)系數(shù)也較高，我們將這兩個因子等權(quán)合成，得到代表這一類量價關(guān)系的因子CorrFactorW，同時通過市值行業(yè)中性化得到CorrFactorWAdjCI。圖表47：量價背離因子相關(guān)系數(shù)（周頻）因子CorrPMWCorrPVPMWCorrPVWCorrRMWCorrRVPMWCorrRVWCorrPMW1.000.050.870.310.080.29CorrPVPMW0.051.000.400.120.060.13CorrPVW0.870.401.000.340.100.33CorrRMW0.310.120.341.000.220.89CorrRVPMW0.080.060.100.221.000.41CorrRVW0.290.130.330.890.411.00，上交所，深交所，從因子的IC指標(biāo)來看中性化后的合成因子相比單因子雖然C均值提升不明顯但風(fēng)險調(diào)整后IC達到了0.93說明因子的穩(wěn)定性進一步提高從多空凈值來看中性化后的合成因子的年化收益率低于中性化前的合成因子，但夏普比率大幅提升。CorrFactorWAdjCI因子的多空組合的年化收益率達到了38.88，夏普比率達到了4.08圖表48：量價背離合成因子IC指標(biāo)（周頻）因子平均值標(biāo)準(zhǔn)差最小值最大值風(fēng)險調(diào)整后ICt統(tǒng)計量CorrFactorW6.858.23-21.1631.890.8315.32CorrFactorWAdjCI6.276.74-11.5823.350.9317.13，上交所，深交所，orrcororrcordjIorrcorW86420，上交所，深交所，結(jié)合量價背離因子的中證1000指數(shù)增強策略周頻量價背離因子具有顯著的預(yù)測能力但由于單一類型的因子波動性較大同時由于高換頻（日頻周頻的策略的換手率相對較高其對交易成本比較敏感因此對因子預(yù)測的勝率和收益有較高的要求所以我們選擇將該因子與傳統(tǒng)因子一起使用構(gòu)建策略，達到控制換手率提高收益的效果下面我們將周頻量價背離因子與傳統(tǒng)因子結(jié)合到一起，構(gòu)建中證1000指數(shù)增強策略。我們進一步探究了周頻量價背離合成因子與傳統(tǒng)因子的相關(guān)性可以看出量價背離合成因子與大部分因子的相關(guān)性不高，其與技術(shù)因子Technique_regM）因子相關(guān)系數(shù)最高，但也僅為0.21。因此，基于日內(nèi)高頻量價數(shù)據(jù)的因子的確可以提供與傳統(tǒng)因子不同信息。0250201502502015010050，上交所，深交所，在構(gòu)建中證1000指數(shù)增強策略前，我們首先在該成分股池中，檢驗了各個類別因子的有效性。從下表可以看出，中小市值成長風(fēng)格的中證1000股票池中，一致預(yù)期因子（ConsensusFactor成長因（GrowthFactor以及技術(shù)因Technique_regM的預(yù)測能力相對較強。而量價背離因子表現(xiàn)僅次于技術(shù)因子，好于一致預(yù)期因子和成長因子。我們將一致預(yù)期因子成長因子技術(shù)因子以及量價背離因子以等權(quán)的方式合成量價背離增強因CGTCAdj同時為了對比量價背離合成因子帶來的增量信息我們將前三個因子等權(quán)合成為傳統(tǒng)合成因子CGT。從因子表現(xiàn)可以看出，量價背離增強因子的IC達到了7.66，相比單因子有了較大提高，風(fēng)險調(diào)整后IC達到了1.02，而傳統(tǒng)合成因子IC僅為5.91，風(fēng)險調(diào)整后IC為0.79。圖表51：中證1000成分股中因子IC指標(biāo)（周頻）因子平均值標(biāo)準(zhǔn)差最小值最大值風(fēng)險調(diào)整后ICt統(tǒng)計量ConsensusFactor1.335.65-14.7817.490.244.33GrowthFactor2.507.52-17.8125.390.336.11Technique_regM7.188.28-16.7928.320.8715.98CorrFactorWAdjCI6.276.74-11.5823.350.9317.13CGT5.917.46-17.3027.060.7914.60CGTCAdj7.667.52-16.8931.051.0218.75，上交所，深交所，我們進一步構(gòu)建多空組合從凈值可以看出量價背離增強因子的多空凈值穩(wěn)步增加好于傳統(tǒng)合成因子以及其他單因子，多空組合的年化收益率達到了55.60，夏普比率達了4.95，因子收益有較大的提高。而傳統(tǒng)合成因子的多空組合的表現(xiàn)也好于單因子，但年化收益率僅為43.57，夏普比率為3.73，遜于量價背離增強因子。Gotactr Gotactr ecnqergMGT GAdjosesusacor oFctrAjI20181614121086420，上交所，深交所，圖表5