2023年度投資策略報(bào)告以“智”取勝以“快”制勝

2023年度投資策略報(bào)告-以“智”取勝以“快”制勝一、以“智”取勝：分析師預(yù)期選股策略1.1、分析師預(yù)期選股策略月度跟蹤1.1.1分析師預(yù)期修正選股策略1.1.1.1分析師預(yù)期修正選股策略概述證券分析師由于對某個(gè)行業(yè)研究較為深入，與所研究行業(yè)的上市公司聯(lián)系較緊密，其掌握的行業(yè)和個(gè)股信息通常比其他人要多，分析師預(yù)期數(shù)據(jù)已成為投資者重要的信息來源。分析師預(yù)期修正意為在一個(gè)時(shí)間段內(nèi)，分析師或機(jī)構(gòu)對之前預(yù)測值的調(diào)整。預(yù)期調(diào)整有一定的趨勢性，當(dāng)新信息出現(xiàn)時(shí)，有些分析師會運(yùn)用該信息領(lǐng)先自己的同行對自己的預(yù)期進(jìn)行調(diào)整，最后往往會伴隨著其他分析師對自己的預(yù)測進(jìn)行同向的調(diào)整。在這一過程中，預(yù)期均值會伴隨修正趨勢進(jìn)行變動(dòng)。具體表現(xiàn)為前一期預(yù)期均值的調(diào)整往往會帶動(dòng)后一期預(yù)期均值繼續(xù)往同向調(diào)整。分析師預(yù)期修正的調(diào)整對下一月的分析師預(yù)期值有著同向的影響。其中，預(yù)期EPS、預(yù)期凈利潤的上調(diào)和下調(diào)均有較強(qiáng)的趨勢性，因此我們選取這兩個(gè)指標(biāo)作為后續(xù)模型的候選股因子。實(shí)際上，我們可以進(jìn)一步將預(yù)期的上調(diào)細(xì)分為兩個(gè)階段：在上調(diào)第一個(gè)階段，稱為P1階段，只有少部分分析師對自己的預(yù)期值做出上調(diào)，大部分分析師并沒做出預(yù)期調(diào)整，這樣可以觀察到預(yù)期均值出現(xiàn)上升，而分析師間預(yù)期的分歧度也開始上升，我們以離散程度（預(yù)期標(biāo)準(zhǔn)差）來衡量分歧度，即預(yù)期離散程度開始上升；而在上調(diào)第二個(gè)階段，稱為P2階段，其他分析師也會逐漸上調(diào)自己的預(yù)期，最終所有的分析師預(yù)期將會接近一個(gè)值，即我們可以觀察到預(yù)期均值出現(xiàn)上升，而預(yù)期離散程度則出現(xiàn)下降。1.1.1.2分析師預(yù)期修正選股策略效果跟蹤經(jīng)過歷史樣本內(nèi)回測和樣本外跟蹤（自2019年7月31日開始樣本外跟蹤），2009年7月31日至2022年11月30日，組合累計(jì)絕對收益923%，相對中證全指累計(jì)超額收益709%，年化超額收益17%，超額收益夏普比率1.94，超額收益最大回撤7.5%。另外，從2019年7月開始樣本外跟蹤（專題報(bào)告數(shù)據(jù)截至2019年8月），截至2022年11月底，累計(jì)絕對收益94%，累計(jì)超額收益70%，樣本外跟蹤40個(gè)月只有9個(gè)月超額收益為負(fù)，月度勝率78%，回撤為-3%，樣本外表現(xiàn)非常優(yōu)秀。我們基于最新2022年11月底的分析師預(yù)期數(shù)據(jù)進(jìn)行選股，共選77只分析師主動(dòng)上調(diào)預(yù)期的股票（P1階段股票），其中有8只創(chuàng)業(yè)板股票，精選的77只分析師主動(dòng)上調(diào)預(yù)期的股票里按照中信一級行業(yè)分類，其中電新和電子最多，為9只，然后是機(jī)械8只，短期我們也值得重點(diǎn)關(guān)注這些行業(yè)的表現(xiàn)。1.1.2分析師預(yù)期修正增強(qiáng)選股策略1.1.2.1分析師預(yù)期修正增強(qiáng)選股策略概述分析師對于自身過去預(yù)測的調(diào)整往往意味著新信息的到來，而分析師對于不同股票的預(yù)測調(diào)整力度又能反映出不同股票間的邊際改善差異和分析師對于新信息的處理能力。進(jìn)一步地，基于這種分析師調(diào)整幅度的差異能夠有利于我們構(gòu)建選股效果較好的選股因子。然后我們在每月末，針對分析師預(yù)期修正策略股票池，按照盈利預(yù)期調(diào)整幅度因子排序，選取指標(biāo)值最大的20只股票，構(gòu)建事件疊加盈利預(yù)期調(diào)整幅度因子的選股組合。其中樣本池踢掉了停牌、上市半年之內(nèi)新股、ST和當(dāng)天漲跌停的股票，這個(gè)組合我們稱為分析師預(yù)期修正增強(qiáng)組合。1.1.2.2分析師預(yù)期修正增強(qiáng)組合效果跟蹤經(jīng)過歷史樣本內(nèi)回測和樣本外跟蹤（自2020年12月31日開始樣本外跟蹤），從2010年1月至2022年（截至11月底）12年時(shí)間，組合年化收益30.60%，相對中證500指數(shù)的年化超額收益為27.31%。另外，從2021年1月開始樣本外跟蹤，截至2022年11月底，累計(jì)絕對收益41.69%，累計(jì)超額中證500收益45.97%，樣本外跟蹤23個(gè)月只有7個(gè)月超額收益為負(fù)，月度勝率70%，回撤為-11.30%，樣本外表現(xiàn)非常優(yōu)秀。我們基于最新2022年11月底的分析師預(yù)期數(shù)據(jù)進(jìn)行選股，從77只分析師主動(dòng)上調(diào)預(yù)期的股票（P1階段股票）中精選出了20只股票，其中有1只創(chuàng)業(yè)板股票，精選的20只分析師預(yù)期修正增強(qiáng)的股票里按照中信一級行業(yè)分類，其中電子、電子最多為5只，交運(yùn)2只，短期我們也值得重點(diǎn)關(guān)注這些行業(yè)的表現(xiàn)。1.2、分析師文本預(yù)增選股策略1.2.1分析師預(yù)增的主要形式1.2.1.1分析師預(yù)增事件定義和類型在之前的《分析師預(yù)期調(diào)整事件增強(qiáng)選股策略全攻略》報(bào)告中，我們測試了投資評級上調(diào)、目標(biāo)價(jià)上調(diào)以及分析師預(yù)期主動(dòng)上調(diào)事件，并從中挖掘出了非常出色的超額收益表現(xiàn)。本文將在之前報(bào)告的基礎(chǔ)上，進(jìn)一步捕捉分析師對個(gè)股的強(qiáng)烈看好態(tài)度事件，以完善分析師信息中的超額收益事件挖掘。本文定義分析師預(yù)增事件為分析師在研報(bào)中通過標(biāo)題、摘要以及預(yù)測值中體現(xiàn)出來的強(qiáng)烈看好個(gè)股的事件，包括分析師上調(diào)盈利預(yù)測值事件、標(biāo)題和摘要文本上調(diào)事件、標(biāo)題和摘要文本強(qiáng)烈正面事件。1.2.1.2本文思路框架我們基于分析師研報(bào)標(biāo)題與摘要文本信息，提取分析師上調(diào)盈利預(yù)測、分析師正面強(qiáng)烈看好等事件。同時(shí)，基于分析師調(diào)整盈利預(yù)測數(shù)據(jù)，提取預(yù)期上調(diào)事件。疊加這幾類事件的股票池，得到分析師預(yù)增事件股票池。進(jìn)一步地，我們基于分析師研報(bào)標(biāo)題與摘要文本信息和通聯(lián)數(shù)據(jù)的研報(bào)情感信息，構(gòu)建出分析師態(tài)度類因子。最后，我們將嘗試?yán)梅治鰩煈B(tài)度類因子、之前提出的分析師調(diào)整類因子、基本面類成長因子以及技術(shù)面類高頻因子對分析師預(yù)增事件股票池進(jìn)行增強(qiáng)，得到最終的分析師預(yù)增事件精選組合。1.2.2分析師上調(diào)盈利預(yù)測值事件同樣，我們可以利用盈利預(yù)測值構(gòu)造選股事件。在每月末，對過去一個(gè)月的研報(bào)，識別所有分析師預(yù)期調(diào)整幅度值為正的研報(bào)。進(jìn)一步地，將這類研報(bào)對應(yīng)的股票組合定義為分析師上調(diào)盈利預(yù)測值事件組合。1.2.3標(biāo)題和摘要文本上調(diào)事件——研報(bào)標(biāo)題和摘要上調(diào)盈利預(yù)測事件表現(xiàn)在每月末，將研報(bào)標(biāo)題上調(diào)盈利預(yù)測事件組合和研報(bào)摘要上調(diào)盈利預(yù)測事件組合進(jìn)行合并，得到研報(bào)標(biāo)題與摘要上調(diào)盈利預(yù)測事件組合。我們每月末統(tǒng)計(jì)當(dāng)月存在研報(bào)標(biāo)題和摘要上調(diào)盈利預(yù)測事件樣本股未來1個(gè)月的歷史收益表現(xiàn)。1.2.4標(biāo)題和摘要文本強(qiáng)烈正面事件——研報(bào)標(biāo)題和摘要文本強(qiáng)烈正面事件在每月末，將研報(bào)標(biāo)題文本強(qiáng)烈正面事件組合和研報(bào)摘要文本強(qiáng)烈正面事件組合進(jìn)行合并，得到研報(bào)標(biāo)題與摘要文本強(qiáng)烈正面事件組合。我們每月末統(tǒng)計(jì)當(dāng)月存在研報(bào)標(biāo)題和摘要文本強(qiáng)烈正面事件樣本股未來1個(gè)月的歷史收益表現(xiàn)。1.2.5文本因子因子效果分析師正面態(tài)度因子_

（中性化）表現(xiàn)出優(yōu)異的選股能力。Q1組相對Q10組具有接近18%的超額收益（其中Q1接近13%的多頭超額收益，Q10僅-3.95%）。因子年化多空收益17.42%，夏普比率1.95，IC均值4.07%，年化IC_IR達(dá)到1.77。1.2.6分析師文本預(yù)增事件增強(qiáng)組合1.2.6.1因子下面我們介紹增強(qiáng)組合使用的相關(guān)因子，除了分析師預(yù)期因子之外，還包括基本面因子和技術(shù)面因子（高頻因子）?；久娉砷L因子我們選取了單季度凈利潤同比增長率，其表現(xiàn)出優(yōu)異的選股能力。Q1組相對Q10組具有接近9%的超額收益（其中Q1超過8%的多頭超額收益，Q10僅0.27%）。因子年化多空收益7.78%，夏普比率1.04，IC均值2.93%，年化IC_IR達(dá)到1.58。1.2.6.2組合針對第一類初始股票池《研報(bào)標(biāo)題與摘要上調(diào)盈利預(yù)測事件》，我們采用如下步驟增強(qiáng)：

根據(jù)分析師調(diào)整幅度因子，每月末選取因子值最大的20只股票，作為最終的因子增強(qiáng)組合1針對第二類初始股票池《研報(bào)標(biāo)題與摘要文本強(qiáng)烈正面事件》，我們采用如下步驟增強(qiáng)：

第一，我們基于分析師相對態(tài)度因子，每月末選取分析師態(tài)度為正的股票。第二，根據(jù)分析師調(diào)整幅度因子，每月末選取因子值最大的100只股票。第三，根據(jù)高頻因子MCI_B，每月末選取因子值最大的50只股票。第四，根據(jù)單季度凈利潤同比增速因子，每月末選取因子值最大的20只股票，作為最終的因子增強(qiáng)組合2。最后，將因子增強(qiáng)組合1和因子增強(qiáng)組合2進(jìn)行合并，得到最終的組合。針對第二類初始股票池《研報(bào)標(biāo)題與摘要文本強(qiáng)烈正面事件》，我們分別采用各個(gè)因子篩選排名前100的股票。針對第一類初始股票池，最終得到事件增強(qiáng)組合1。年化超額收益27%，超額最大回撤-7%，信息比率2.4，效果非常顯著。針對第二類初始股票池，最終得到因子增強(qiáng)組合2。年化超額收益高達(dá)37%，因?yàn)榧恿思夹g(shù)類因子，因此超額最大回撤-19%，但信息比率仍有2.57，效果非常顯著。合并事件增強(qiáng)組合1和增強(qiáng)組合2，得到最終的事件增強(qiáng)組合——分析師文本預(yù)增事件增強(qiáng)組合。最終增強(qiáng)組合（分析師文本預(yù)增事件增強(qiáng)組合）年化超額收益32%，超額最大回撤-6%，信息比率高達(dá)3.36，效果是所有增強(qiáng)組合里面最好的。最后我們看下組合的分年表現(xiàn)，組合從2010年回測到2021年7月底，年化超額收益31.51%，基本上每年都有顯著超額收益，月度超額最大回撤也很低，2018年和2019年連續(xù)兩年的月度超額收益勝率為100%。另外，我們也統(tǒng)計(jì)了增強(qiáng)組合相對于滬深300和中證500的超額收益，基本上每年都會有顯著超額收益。另外我們在股票和偏股型基金里做了排名，除了在2016年2017年之外，其他年份增強(qiáng)組合基本上都能排到前10%內(nèi)，表現(xiàn)還是相當(dāng)不錯(cuò)的。1.2.6.3樣本外跟蹤效果我們從2021年7月底開始樣本外跟蹤，截至2022年7月底，分析師文本預(yù)增選股組合絕對收益達(dá)11%，中證500指數(shù)收益-13.14%，相對中證500指數(shù)超額收益達(dá)到29.49%，值得重點(diǎn)關(guān)注。1.3、分析師預(yù)期收益率生命周期模型及分析師因子再增強(qiáng)1.3.1分析師目標(biāo)價(jià)介紹分析師目標(biāo)價(jià)是是分析師基于當(dāng)時(shí)信息所給出的其認(rèn)為股票未來可以達(dá)到的一個(gè)合理價(jià)格，該價(jià)格來自于分析師的主觀判斷，不同的分析師給出的目標(biāo)價(jià)往往會有所差異，這代表了分析師看法的不同。我們認(rèn)為，一方面，分析師目標(biāo)價(jià)相比盈利數(shù)據(jù)而言，包含了除基本面以外的分析師主觀的情感信息，目標(biāo)價(jià)往往代表了分析師對一只股票的“看好”或是“看壞”的真實(shí)狀態(tài)；另一方面，目標(biāo)價(jià)作為量化指標(biāo)，相比評級指標(biāo)而言更加具體、更加靈活，目標(biāo)價(jià)格的變化往往會引起更少的麻煩（評級下調(diào)往往會更加敏感，但目標(biāo)價(jià)格的下調(diào)通常不會造成太大影響），鑒于此，我們認(rèn)為目標(biāo)價(jià)格比評級更能真實(shí)地表達(dá)分析師的觀點(diǎn)。1.3.2分析師目標(biāo)價(jià)因子1.3.2.1分析師預(yù)期目標(biāo)價(jià)調(diào)整因子TPM——指標(biāo)構(gòu)建及因子表現(xiàn)在每個(gè)月末T，我們?nèi)∵^去6個(gè)月所有分析師（若相同的分析師在過去六個(gè)月做出多次目標(biāo)價(jià)預(yù)測，我們只取其最新的預(yù)測）對于股票s的目標(biāo)價(jià)格的平均值作為最終的分析師目標(biāo)價(jià)因子值，具體公式如下：

_,=(__,,)(?6<≤)其中，i為所有在過去6個(gè)月對股票s進(jìn)行目標(biāo)價(jià)預(yù)期的分析師。在每個(gè)月末T，分析師目標(biāo)價(jià)動(dòng)量因子值具體公式如下：

__,=_,?_,?1分析師目標(biāo)價(jià)動(dòng)量因子反映了市場所有分析師對于股票目標(biāo)價(jià)調(diào)整的平均水平。1.3.2.2分析師預(yù)期收益率因子TPP——指標(biāo)構(gòu)建及因子表現(xiàn)TPP因子，即分析師目標(biāo)價(jià)除以股價(jià)，不同股票之間的TPP因子可以橫向比較，這是因?yàn)門PP因子是分析師對于一只股票“期望收益率”的代理，TPP越高，代表著分析師對該股票越看好。然而資本市場瞬息萬變，分析師做出預(yù)測的時(shí)點(diǎn)與我們建倉的時(shí)點(diǎn)的不同可能會導(dǎo)致分析師的預(yù)測已經(jīng)“過時(shí)”，也就是說，像上文構(gòu)建TPM因子那樣用過去六個(gè)月的目標(biāo)價(jià)平均值來直接除以我們建倉時(shí)候的股票價(jià)格是不可取的。我們直接使用朝陽永續(xù)于建倉日給出的一直目標(biāo)價(jià)，除以建倉日收盤價(jià)，構(gòu)建TPP因子。朝陽永續(xù)對目標(biāo)價(jià)的算法是，90天超過一家機(jī)構(gòu)預(yù)測則加權(quán)計(jì)算一致目標(biāo)價(jià)，若僅為一家機(jī)構(gòu)預(yù)測則直接以該預(yù)測值作為一致目標(biāo)價(jià)；90天內(nèi)若無評級則記為Na。加權(quán)方式為按機(jī)構(gòu)影響力和發(fā)布時(shí)間影響力雙重加權(quán)計(jì)算。用該方法構(gòu)建TPP因子的優(yōu)勢是其考慮了最新的價(jià)格信息以及時(shí)間窗口過短股票覆蓋度較低的問題，且用時(shí)間加權(quán)的方式克服了時(shí)效性的問題。分析師目標(biāo)價(jià)格動(dòng)量因子表現(xiàn)出優(yōu)異的選股能力。因子年化多空收益12.76%，夏普比率1.18，IC均值3.24%，年化IC_IR達(dá)到1.14。1.3.3分析師預(yù)期收益率生命周期模型1.3.3.1模型構(gòu)建基于上文的分析，我們建立了一個(gè)同時(shí)結(jié)合TPP和TPM因子的生命周期模型，該模型利用TPP和TPM因子將股票分為四類（也就是生命周期模型的四個(gè)階段），分別是“觸底”、“攀升”、“見頂”、“下滑”，處于同一個(gè)階段的股票構(gòu)成了一個(gè)投資組合。當(dāng)一只股票TPP處于高位，而TPM為正時(shí)，意味著該股票價(jià)格相對目標(biāo)價(jià)較低，且目標(biāo)價(jià)相對上個(gè)月有所提升，這意味著股票處于“觸底”階段。當(dāng)一只股票TPP處于低位，而TPM為正時(shí)，意味著該股票價(jià)格相對目標(biāo)價(jià)開始攀升，且目標(biāo)價(jià)相對上個(gè)月有所提升，這意味著股票處于“攀升”階段。當(dāng)一只股票TPP處于低位，而TPM為負(fù)時(shí)，意味著該股票價(jià)格相對目標(biāo)價(jià)較高，且目標(biāo)價(jià)相對上個(gè)月有所下降，這意味著股票處于“見頂”階段。當(dāng)一只股票TPP處于高位，而TPM為負(fù)時(shí)，意味著該股票價(jià)格相對目標(biāo)價(jià)開始下滑，且目標(biāo)價(jià)相對上個(gè)月有所下降，這意味著股票處于“下滑”階段。1.3.3.2分析師預(yù)期收益率生命周期模型四階段效果對比“觸底”組合的年化收益為14.89%，夏普比率為0.57，其表現(xiàn)遠(yuǎn)遠(yuǎn)好于其它組合；而“見頂”組合的表現(xiàn)最差，年化收益僅1.66%,夏普比率僅為0.07。將股票按TPM和TPP因子分為四個(gè)階段的回測表現(xiàn)的區(qū)分度是十分可觀的，這說明了該策略具備優(yōu)秀的選股能力。1.3.4策略改進(jìn)1.3.4.1預(yù)期雙擊組合表現(xiàn)“觸底”組合+分析師盈利預(yù)期調(diào)整_因子增強(qiáng)精選前20只，簡稱“預(yù)期收益率觸底增強(qiáng)”組合?！胺治鰩燁A(yù)期修正增強(qiáng)+預(yù)期收益率觸底增強(qiáng)”雙擊組合，簡稱“預(yù)期雙擊”組合。1.3.4.2預(yù)期雙擊組合收益分年統(tǒng)計(jì)最后我們統(tǒng)計(jì)下組合的分年表現(xiàn)，我們看到最近10年基本上每年相比基準(zhǔn)中證500指數(shù)均有顯著超額收益，超額收益最大回撤也非常低，尤其是2020年超額收益達(dá)近50%，回撤也非常低。1.3.4.2預(yù)期雙擊組合行業(yè)輪動(dòng)在每月，我們先計(jì)算“預(yù)期雙擊”組合每個(gè)行業(yè)的持股數(shù)占各自行業(yè)總股票數(shù)量的比例：

__,=_,/__,然后我們挑出__,排名前五的行業(yè)，再用這五個(gè)行業(yè)的行業(yè)指數(shù)月等權(quán)收益率作為

“預(yù)期雙擊”組合行業(yè)輪動(dòng)的月收益率。“預(yù)期雙擊”組合行業(yè)輪動(dòng)具體效果如下所示，年化收益為12.03%，年化超額為7.36%（相對行業(yè)等權(quán)指數(shù)收益率的超額收益率），信息比率為0.90。1.3.5樣本外跟蹤1.3.5.1“預(yù)期雙擊”組合“預(yù)期雙擊”組合，從2022年初開始樣本外跟蹤（專題報(bào)告數(shù)據(jù)截至2022年5月底），截至2022年11月底，累計(jì)絕對收益-7.62%，累計(jì)超額收益9.94%，樣本外跟蹤11個(gè)月只有2個(gè)月超額收益為負(fù)，月度勝率81.82%，回撤為-6.94%，樣本外表現(xiàn)非常優(yōu)秀。1.3.5.2“預(yù)期雙擊”組合行業(yè)輪動(dòng)“預(yù)期雙擊”組合行業(yè)輪動(dòng)，從2022年年初開始樣本外跟蹤（專題報(bào)告數(shù)據(jù)截至2022年5月底），截至2022年11月底，累計(jì)絕對收益5.31%，累計(jì)超額收益18.60%，樣本外跟蹤11個(gè)月僅有3個(gè)月超額收益為負(fù)，月度勝率72.73%，回撤為-3.56%，樣本外表現(xiàn)非常優(yōu)秀。二、以“快”制勝：高頻因子選股策略——流動(dòng)性因子系統(tǒng)解讀與再增強(qiáng)2.1、流動(dòng)性介紹2.1.1流動(dòng)性的重要性流動(dòng)性在金融市場扮演著重要的角色，影響著市場效率和股票價(jià)格。股票市場的流動(dòng)性為投資者提供了轉(zhuǎn)讓和買賣證券的機(jī)會，也為籌資者提供了籌資的必要前提。如果市場缺乏流動(dòng)性，將導(dǎo)致交易難以完成，那么市場也就失去了存在的必要。因此，流動(dòng)性是市場的基礎(chǔ)，能夠?yàn)槭袌鲞\(yùn)行提供基本條件。流動(dòng)性作為股票的重要特性，個(gè)股流動(dòng)性的高低往往意味著不同的狀況。低流動(dòng)性可能意味著潛在的機(jī)會和風(fēng)險(xiǎn)，高流動(dòng)性可能意味著市場的交易擁擠和過度反應(yīng)。因此，流動(dòng)性是個(gè)股的反映，能夠透露個(gè)股的風(fēng)險(xiǎn)和機(jī)遇。2.1.2流動(dòng)性的定義股市流動(dòng)性是指股市迅速地、低成本地執(zhí)行大量交易并且不會造成價(jià)格大幅變化的特性。流動(dòng)性包括幾個(gè)方面的內(nèi)容：一是交易的即時(shí)性；二是交易的低成本性；三是可交易的股票數(shù)量巨大；四是價(jià)格偏低程度小。高流動(dòng)性的股市必須同時(shí)滿足兩個(gè)條件：價(jià)格合理和即時(shí)性。二者是缺一不可的。2.1.3流動(dòng)性的因子框架本文試圖歸納了過往已經(jīng)提出的流動(dòng)性因子，包括傳統(tǒng)換手率因子、傳統(tǒng)非流動(dòng)性因子以及高頻流動(dòng)性因子。并在此基礎(chǔ)上，進(jìn)一步嘗試做出改進(jìn)，得到了預(yù)期換手率因子、改進(jìn)非流動(dòng)性因子、增強(qiáng)非流動(dòng)性因子以及增強(qiáng)高頻因子，在因子效果上取得了良好的提升?？傮w而言，本文將流動(dòng)性的因子框架歸結(jié)為換手率類、非流動(dòng)性類和高頻類。2.2、預(yù)期換手率因子預(yù)期換手率因子（行業(yè)市值中性化）表現(xiàn)出較好的選股能力。Q1組相對Q10組具有15.61%的超額收益（其中Q1達(dá)到13.5%的多頭超額收益，Q10僅-2.11%）。因子年化多空收益14.68%，夏普比率1.45，IC均值-5.48%，年化IC_IR達(dá)到-2.16。2.3、非流動(dòng)性類因子2.3.1改進(jìn)非流動(dòng)性因子2從邏輯上講，反映了絕對價(jià)格變化和成交量之間的正相關(guān)關(guān)系。2顯然是正的，會對股票預(yù)期收益產(chǎn)生負(fù)向影響，即較高的2為投資者提供了更多的交易機(jī)會，使得流動(dòng)性上升，因此必要收益率下降。綜合來看，預(yù)期收益隨??2增加而增加。本質(zhì)上，改進(jìn)非流動(dòng)性因子也是遵循“低流動(dòng)性溢價(jià)”的邏輯。改進(jìn)非流動(dòng)性因子值越大，流動(dòng)性越差，預(yù)期未來的收益越高。因子

（原始因子值）表現(xiàn)出優(yōu)異的選股能力。Q1組相對Q10組具有22.55%的超額收益（其中Q1超過17%的多頭超額收益，Q10僅-5.35%）。因子年化多空收益22.6%，夏普比率1.08，IC均值6.88%，年化IC_IR達(dá)到1.63。改進(jìn)非流動(dòng)性因子

（原始因子值）表現(xiàn)出優(yōu)異的選股能力。Q1組相對Q10組具有29.6%的超額收益（其中Q1超過22%的多頭超額收益，Q10僅-7.45%）。因子年化多空收益31.7%，夏普比率1.86，IC均值8.75%，年化IC_IR達(dá)到2.31。2.3.2增強(qiáng)非流動(dòng)性因子因子本文參考文獻(xiàn)刻畫成交額對收益率的影響力度，構(gòu)建增強(qiáng)非流動(dòng)性因子。具體的構(gòu)建方式如下：

在每月末，對股票i過去一個(gè)月的數(shù)據(jù)進(jìn)行如下回歸：

,=,+,×,?1+,×(,)×,+,,[?1,]其中，,是,對(,)×,回歸的斜率系數(shù)，即為所構(gòu)造的增強(qiáng)非流動(dòng)性因子。增強(qiáng)非流動(dòng)性因子度量了帶方向的成交額對收益率的影響，其更精細(xì)地刻畫了成交額對股票收益的沖擊。邏輯上，增強(qiáng)非流動(dòng)性因子越大，說明成交額對股票收益的沖擊越大，股票的流動(dòng)性越差，未來的預(yù)期收益越高。增強(qiáng)非流動(dòng)性因子

（原始因子值）表現(xiàn)出優(yōu)異的選股能力。Q1組相對Q10組具有29.97%的超額收益（其中Q1超過22%的多頭超額收益，Q10僅-7.67%）。因子年化多空收益31.07%，夏普比率1.5，IC均值8.92%，年化IC_IR達(dá)到2.13。2.4、高頻類流動(dòng)性因子——因子增強(qiáng)高頻因子度量了帶方向的成交額對收益率的影響，其更精細(xì)地刻畫了成交額對股票收益的沖擊。邏輯上，增強(qiáng)高頻因子越大，說明成交額對股票收益的沖擊越大，股票的流動(dòng)性越差，未來的預(yù)期收益越高。增強(qiáng)高頻因子

（原始因子值）表現(xiàn)出優(yōu)異的選股能力。Q1組相對Q10組具有29.59%的超額收益（其中Q1超過22%的多頭超額收益，Q10僅-7.53%）。因子年化多空收益30.59%，夏普比率1.47，IC均值9.36%，年化IC_IR達(dá)到2.28。2.5、樣本外跟蹤效果我們從今年開始樣本外跟蹤，截至2022年9月底，六個(gè)流動(dòng)性因子今年的跟蹤效果都非常顯著，累計(jì)多空收益14%-32%。效果最好的為Gamma因子，累計(jì)多空收益高達(dá)31%。三、組合構(gòu)建方法探究——基于大類因子與分析師預(yù)期事件的指數(shù)增強(qiáng)策略3.1、前言3.1.1指數(shù)增強(qiáng)策略概述本篇報(bào)告以多因子模型為核心、以中信建投金融產(chǎn)品團(tuán)隊(duì)特色的選股因子和分析師事件為主體，分別構(gòu)建滬深300、中證500、中證800和中證1000的指數(shù)增強(qiáng)策略。首先是精選阿爾法因子集，并采用線性加權(quán)的因子配權(quán)方法得到多因子得分，而后線性疊加事件信號得到最終得分，將其與風(fēng)險(xiǎn)項(xiàng)、約束設(shè)置一并輸入到組合優(yōu)化模型中，最終得到策略持倉。經(jīng)過測試發(fā)現(xiàn)：1）對于滬深300增強(qiáng)策略，使用分析師+流動(dòng)性+高頻+成長的因子集、等權(quán)因子配置、大比重疊加分析師事件信號，可獲得年化超額收益11.2%，信息比率2.52；2）對于中證500增強(qiáng)策略，使用分析師+流動(dòng)性+高頻+成長的因子集、衰減和多頭加權(quán)下的ICIR因子配置，可獲得年化超額11.3%，信息比率2.32；

3）對于中證800增強(qiáng)策略，使用分析師+流動(dòng)性+高頻+成長+估值+盈利的因子集、等權(quán)因子配置、大比重疊加分析師事件信號，可獲得年化超額收益12.5%，信息比率2.80；4）對于中證1000增強(qiáng)策略，使用分析師+流動(dòng)性+高頻+成長的因子集、衰減和多頭加權(quán)下的ICIR因子配置，可獲得年化超額16.4%，信息比率2.74。3.1.2指數(shù)增強(qiáng)模型框架指數(shù)增強(qiáng)模型框架主要分為四個(gè)模塊：因子庫、收益預(yù)測模型、風(fēng)險(xiǎn)估計(jì)模型和組合優(yōu)化模型。數(shù)據(jù)庫方面，以萬德底層數(shù)據(jù)庫、朝陽永續(xù)數(shù)據(jù)庫和交易所高頻數(shù)據(jù)作為數(shù)據(jù)源，分別搭建阿爾法因子庫和風(fēng)險(xiǎn)因子庫；

其中阿爾法因子庫既包含常規(guī)選股因子如盈利類、成長類、波動(dòng)率類等因子，也包含中信建投金融產(chǎn)品團(tuán)隊(duì)特色的分析師預(yù)期類因子和高頻類因子，風(fēng)險(xiǎn)因子庫則參考BarraCNE5的十類風(fēng)格因子的構(gòu)建方法。收益預(yù)測模型方面，涉及單因子選股效果檢驗(yàn)、因子預(yù)處理流程、因子集合篩選以及因子權(quán)重配置模型。風(fēng)險(xiǎn)估計(jì)模型方面，參考Barra發(fā)布的相關(guān)技術(shù)文檔做了實(shí)現(xiàn)，涉及因子收益率估計(jì)、因子協(xié)方差估計(jì)及調(diào)整、特質(zhì)方差估計(jì)及調(diào)整。組合優(yōu)化模型方面，基于收益預(yù)測模型和風(fēng)險(xiǎn)估計(jì)模型的結(jié)果，再結(jié)合設(shè)定的約束條件，由優(yōu)化器求得最優(yōu)持倉組合。3.2、單因子測試3.2.1阿爾法因子庫概覽因子庫分為9大類共11個(gè)因子。其中盈利類、估值類、成長類、規(guī)模類、反轉(zhuǎn)類、流動(dòng)性類、波動(dòng)率類為常規(guī)大類因子，分析師類的Income_Adjust和高頻類的MCIB均為中信建投金融產(chǎn)品團(tuán)隊(duì)的特色選股因子。此外，我們對每個(gè)因子都進(jìn)行去極值、標(biāo)準(zhǔn)化和市值行業(yè)中性化的預(yù)處理步驟。去極值處理采用絕對值差中位數(shù)法（MAD），即根據(jù)因子值中位數(shù)和因子值中位數(shù)偏差絕對值的中位數(shù)確定閾值范圍，將超出閾值范圍的因子值做縮減；標(biāo)準(zhǔn)化處理采用zscore，轉(zhuǎn)換成均值為0且標(biāo)準(zhǔn)差為1的因子值分布；市值行業(yè)中性化采用截面回歸方法，即將因子對市值和行業(yè)啞變量做回歸并取殘差值。3.2.2IC回測表現(xiàn)IC是反映當(dāng)期因子值與未來收益率之間的相關(guān)程度，若相關(guān)程度高則表明因子選股能力較強(qiáng)，具體度量方法是使用Pearson相關(guān)系數(shù)。類似的指標(biāo)還有RankIC，其度量方法是使用Spearman相關(guān)系數(shù)，相較于IC更側(cè)重反映單調(diào)性的相關(guān)程度，并且對變量的分布要求更低?？紤]到實(shí)際投資構(gòu)建的是多頭組合，難以實(shí)現(xiàn)空頭端收益，而常規(guī)相關(guān)性度量則是同等看待所有個(gè)股。若以IC指標(biāo)作為因子篩選依據(jù)，容易誤選空頭貢獻(xiàn)度高但實(shí)際組合貢獻(xiàn)度小的因子。因此，我們嘗試對IC指標(biāo)做出改進(jìn)，目標(biāo)是凸顯多頭的選股效果。具體是通過指數(shù)衰減得到多頭加權(quán)IC，個(gè)股i的權(quán)重公式如下，分位值的范圍從0（多頭）至1（空頭），衰減度設(shè)置為0.25，表明0.25分位相對0分位的權(quán)重占一半。為了統(tǒng)一因子方向，對規(guī)模、反轉(zhuǎn)、波動(dòng)率和流動(dòng)性因子做取反調(diào)整。依據(jù)IC回測結(jié)果，可以發(fā)現(xiàn)：1）流動(dòng)性、波動(dòng)率等技術(shù)類因子的IC均值較高，分析師因子的穩(wěn)定性較強(qiáng)；2）相較于等權(quán)IC，多頭加權(quán)IC的數(shù)值普遍下降；3）技術(shù)類因子的選股效果經(jīng)過多頭加權(quán)后有明顯削弱，尤其1月反轉(zhuǎn)因子的IC下降幅度超過50%；

4）估值類與高頻類因子經(jīng)過多頭加權(quán)后受到影響較小，甚至MCIB因子的多頭加權(quán)IC比等權(quán)IC數(shù)值更高，表明多頭貢獻(xiàn)占比較高。3.2.3分組多空回測表現(xiàn)我們對單因子進(jìn)行分組，并統(tǒng)計(jì)多空組合的績效表現(xiàn)?；販y細(xì)節(jié)如下：

1）股票池：全市場、剔除新股、剔除ST2）回測區(qū)間：2011年7月至2022年7月*中證1000相關(guān)的回測區(qū)間為2014年11月至2022年7月3）分組數(shù)量：10組；組合權(quán)重：等權(quán)4）交易限制：剔除停牌個(gè)股和一字板個(gè)股5）調(diào)倉頻率：月頻；調(diào)倉日期：次月首個(gè)交易日；成交價(jià)格：均價(jià)依據(jù)多空回測結(jié)果，可以發(fā)現(xiàn)：1）流動(dòng)性類和高頻類因子的總體表現(xiàn)最優(yōu)，年化收益率超過20%、勝率超過70%、夏普比率超過2；2）高頻類和成長類因子的穩(wěn)定性較強(qiáng)，年化波動(dòng)率近7%、最大回撤率小于10%、勝率高于60%；3）反轉(zhuǎn)類和波動(dòng)率類因子收益高波動(dòng)大，雖然年化收益率高于15%、勝率超過60%，但歷史回撤較大，風(fēng)險(xiǎn)調(diào)整后指標(biāo)表現(xiàn)欠佳；4）估值類、盈利類和規(guī)模類因子表現(xiàn)不佳，年化收益率均低于10%、勝率低于60%、收益回撤比低于0.50，難有亮點(diǎn)。進(jìn)一步地，將股票池由全市場改為指數(shù)內(nèi)，可測試指數(shù)內(nèi)的多空績效。此外，為了保證不同股票池回測的可比性，將回測區(qū)間統(tǒng)一改為2014年11月至2022年7月。下表主要展示因子在不同股票池內(nèi)的風(fēng)險(xiǎn)調(diào)整后收益，將各個(gè)指數(shù)分別與全市場進(jìn)行對比，可以發(fā)現(xiàn)：1）滬深300內(nèi)，大部分因子的表現(xiàn)出現(xiàn)大幅滑坡，唯有分析師類僅小幅下滑；2）中證500內(nèi)，大部分因子表現(xiàn)也出現(xiàn)下滑，但相比滬深300幅度略小，而估值類的EP因子、盈利類的ROE因子表現(xiàn)則略有提升；3）中證800內(nèi)，技術(shù)類因子依然有明顯下滑，而分析類表現(xiàn)最優(yōu)且與全市場表現(xiàn)基本持平；4）中證1000內(nèi)，技術(shù)類和成長類因子全面崛起，流動(dòng)性因子的夏普比率更是突破2.5。綜合各指數(shù)表現(xiàn)來看，分析師類因子在300和800內(nèi)有突出表現(xiàn)；成長類因子在四大指數(shù)內(nèi)表現(xiàn)相對均衡；高頻類因子在500和1000內(nèi)表現(xiàn)占優(yōu)；流動(dòng)性類因子盡管在大市值股票池內(nèi)有明顯削弱，但相對于其它因子依然有一定優(yōu)勢。3.2.4增強(qiáng)組合回測表現(xiàn)我們對IC回測會側(cè)重于分析多頭表現(xiàn)，對分組多空回測則側(cè)重于分析指數(shù)內(nèi)表現(xiàn)，而最后階段的增強(qiáng)組合回測會通盤考量指數(shù)內(nèi)、多頭、組合限制等諸多現(xiàn)實(shí)因素，向?qū)嵺`層面更邁進(jìn)一步。構(gòu)建單因子增強(qiáng)組合主要涉及三個(gè)部分：單因子暴露、風(fēng)險(xiǎn)估計(jì)模型和組合優(yōu)化模型，因子計(jì)算方法可參閱2.1章節(jié)，后文著重介紹后兩部分相關(guān)內(nèi)容。回測設(shè)置如下：剔除新股與ST股；過濾不可交易個(gè)股；調(diào)倉頻率為月頻；調(diào)倉日期為次月首個(gè)交易日；成交價(jià)格為均價(jià)；費(fèi)率為雙邊千三。我們參照Barra發(fā)布的相關(guān)技術(shù)文檔搭建風(fēng)險(xiǎn)估計(jì)模型，涉及計(jì)算因子暴露、估計(jì)因子收益率、估計(jì)因子協(xié)方差矩陣以及估計(jì)特質(zhì)波動(dòng)率。風(fēng)險(xiǎn)因子包括國家因子、風(fēng)格因子和行業(yè)因子，其中風(fēng)格因子暴露的計(jì)算方法參考BarraCNE5文檔，將小類因子在類內(nèi)加權(quán)合成為10個(gè)大類風(fēng)格因子，行業(yè)因子采用中信一級行業(yè)分類標(biāo)準(zhǔn)。在每個(gè)交易日的截面上，將當(dāng)日因子暴露與下一交易日的收益率做帶約束的WLS回歸，得到日頻因子收益率。因子協(xié)方差的估計(jì)步驟為：計(jì)算經(jīng)Newey-West調(diào)整后的EWMA因子協(xié)方差矩陣、Eigen-factorRisk調(diào)整和VolatilityRegime調(diào)整。特質(zhì)波動(dòng)率的估計(jì)步驟為：計(jì)算經(jīng)Newey-West調(diào)整后的EWMA特質(zhì)波動(dòng)率、結(jié)構(gòu)化模型調(diào)整、貝葉斯收縮調(diào)整和VolatilityRegime調(diào)整。組合優(yōu)化是在收益、風(fēng)險(xiǎn)和成本三者之間做出權(quán)衡，將投資邏輯和規(guī)則限制表達(dá)為優(yōu)化問題，并利用優(yōu)化器求得最優(yōu)持倉。根據(jù)指數(shù)增強(qiáng)策略的特性和要求，我們設(shè)定如下優(yōu)化問題形式：1）優(yōu)化目標(biāo)：最大化阿爾法暴露；2）基本限制：滿倉做多；3）策略硬性限制：指數(shù)內(nèi)權(quán)重下限；4）策略特性限制：個(gè)股權(quán)重偏離、行業(yè)權(quán)重偏離、風(fēng)格暴露偏離、跟蹤誤差上限；5）成本限制：換手上限。其中，指數(shù)內(nèi)權(quán)重下限固定為不低于80%，個(gè)股權(quán)重偏離不高于1.5%，行業(yè)權(quán)重偏離不高于2%，相對于10個(gè)大類風(fēng)格暴露偏離不高于0.2，跟蹤誤差不大于4%，單邊換手不高于25%?？紤]到指數(shù)分布特點(diǎn)、市場環(huán)境變化等影響，對非固定約束會適當(dāng)放松限制幅度，避免出現(xiàn)無法求解的情況。我們對每個(gè)因子分別在300、500、800和1000內(nèi)構(gòu)建增強(qiáng)組合，而Income_Adjust因本身的覆蓋度和偏向性的問題僅在300和800內(nèi)做增強(qiáng)測試。根據(jù)指數(shù)內(nèi)各個(gè)因子的表現(xiàn)，可以發(fā)現(xiàn)：1）300內(nèi)，增強(qiáng)表現(xiàn)突出的是分析師類、成長類和流動(dòng)性類，其次是高頻類和盈利類，而反轉(zhuǎn)、波動(dòng)率和規(guī)模類未能跑贏基準(zhǔn)；2）500內(nèi)，增強(qiáng)表現(xiàn)突出的是成長類和高頻類，其次是流動(dòng)性類和規(guī)模類，反轉(zhuǎn)類和波動(dòng)率類依然未能跑贏基準(zhǔn)；3）800內(nèi)，整體表現(xiàn)與300內(nèi)基本一致，其中分析師類表現(xiàn)有進(jìn)一步提升；4）1000內(nèi)，成長類與高頻類的超額水平相當(dāng)，但前者的穩(wěn)定性略強(qiáng)，反轉(zhuǎn)類超額由負(fù)轉(zhuǎn)正，波動(dòng)率類依然比較低迷，盈利類表現(xiàn)不佳。綜合因子在各個(gè)指數(shù)內(nèi)表現(xiàn)，可以發(fā)現(xiàn)：1）估值類因子在指數(shù)間的表現(xiàn)基本一致，但增強(qiáng)效果略弱、勝率普遍低于60%；2）成長類因子在各指數(shù)內(nèi)均有不俗表現(xiàn)；3）盈利類因子在指數(shù)間的表現(xiàn)差異較大，隨域內(nèi)總體市值水平降低，增強(qiáng)效果顯著變?nèi)酰?）反轉(zhuǎn)類、波動(dòng)類呈現(xiàn)類似特點(diǎn)，總體上無增強(qiáng)效果；5）流動(dòng)性因子在各指數(shù)內(nèi)均有明顯增強(qiáng)效果，在1000內(nèi)尤為突出；6）分析師類在300和800內(nèi)的增強(qiáng)效果一枝獨(dú)秀；7）高頻類在各指數(shù)內(nèi)均有明顯增強(qiáng)效果，隨域內(nèi)總體市值水平降低，增強(qiáng)效果逐步走強(qiáng)。3.3、多因子增強(qiáng)組合3.3.1收益預(yù)測模型概覽收益預(yù)測模型歷經(jīng)探索、更迭與革新，各環(huán)節(jié)細(xì)節(jié)被不斷打磨、模型復(fù)雜度也與日俱增。不過，基于因子數(shù)量、樣本長度、調(diào)倉頻率等方面考量，我們選擇較為簡單且易于理解的構(gòu)建方法，具體包含：因子篩選、因子處理、模型選擇和參數(shù)調(diào)整。因子篩選方面，采用歷史回測結(jié)合人工篩選的方法，一是參考前期單因子測試效果，二是比較不同因子集合的績效表現(xiàn)，綜合篩選出表現(xiàn)突出的因子集。因子處理方面，針對篩選過的因子集進(jìn)行填補(bǔ)缺失值和正交化處理，一方面是避免個(gè)別因子值缺失導(dǎo)致樣本數(shù)量和股票池的縮減，另一方面是避免因子間高相關(guān)而間接超配個(gè)別因子。模型選擇方面，以等權(quán)配置作為基礎(chǔ)模型，還有幾類依據(jù)因子歷史表現(xiàn)配權(quán)的線性模型。參數(shù)調(diào)整方面，由于非等權(quán)模型牽涉到觀測長度、加權(quán)方法等細(xì)節(jié)設(shè)定，因此會對參數(shù)做些改動(dòng)以觀察績效變化。3.3.2因子集回測表現(xiàn)從因子間相關(guān)性來看：1）大類之間，盈利與估值、波動(dòng)率與流動(dòng)性、高頻與規(guī)模均呈現(xiàn)高度相關(guān)；2）大類內(nèi)部，估值類與成長類的內(nèi)部也呈一定程度正相關(guān)。對于因子集的配權(quán)方法，以最常用的等權(quán)配置作為測試模型。對于因子集篩選，主要參考單因子測試相關(guān)結(jié)果，按照整體表現(xiàn)的優(yōu)劣逐步納入因子。以組合1至組合5的表現(xiàn)來看：1）若僅使用我們特色的分析師和高頻因子，在各指數(shù)內(nèi)均能獲取顯著超額收益；2）若再納入流動(dòng)性和成長因子，會使得整體績效進(jìn)一步提升；3）若再納入估值和盈利因子，收益水平略有下降，但能有效分散風(fēng)險(xiǎn)、控制回撤；4）若再納入剩余的規(guī)模、波動(dòng)和反轉(zhuǎn)因子，整體績效均有明顯下降；5）相較于組合6至組合11，組合1至組合5全面占優(yōu)。因此，我們以5因子（分析師+高頻+流動(dòng)性+成長）、8因子（分析師+高頻+流動(dòng)性+成長+估值+盈利）這2種因子集作為后續(xù)測試的基準(zhǔn)因子集。3.3.3因子模型回測表現(xiàn)因子模型涉及5種：等權(quán)配置、IC均值加權(quán)模型、ICIR加權(quán)模型、最大化IR加權(quán)模型、FMB模型。IC均值(ICIR)加權(quán)模型，直接以回溯期的IC均值(ICIR)作為因子權(quán)重。最大化IR加權(quán)模型需要求解優(yōu)化問題，優(yōu)化目標(biāo)為最大化回溯期內(nèi)復(fù)合因子的IR，將最優(yōu)值作為因子權(quán)重。FMB模型是參考Fama-MacBeth回歸方法，將回溯期內(nèi)的每一期的因子暴露對下期收益做截面回歸得到因子溢價(jià)，統(tǒng)計(jì)因子溢價(jià)的均值作為因子權(quán)重。另外，非等權(quán)模型會涉及參數(shù)：1）