600720-中金：非线性假设下的情景分析因子模型

摘要

百润股份股吧,百润股份股吧

传统量化多因子模型往往在全商场范围内对股票一致进行打分，而很少考虑个股之间的根本面状况差异和因子在不同风格股票池内的适用性差异。根据情形剖析法(ContextualModelingStrategy)的多因子模型则能够补偿传统多因子模型的缺乏。

000795英洛华,000795英洛华

多因子模型中的情形剖析法

东方财富经典版下载安装？东方财富经典版下载安装

根据非线性假定的情形剖析办法。传统的因子查验办法无论是回归法仍是相关系数查验法，均含有默许的假定即因子对股票收益的影响是线性的。但是实践出资过程中咱们会发现不同板块、不同风格的股票往往存在不同的出资逻辑，也就是说因子关于股票收益的猜测才能对错线性的。

各种收益理财产品,各种收益理财产品

情形特征(ContextualFeature)的界说。区别不同情形剖析模型的中心在于情形特征的界说。情形特征的界说办法包含：风格因子特征、板块特征、企业生命周期特征和计算聚类特征等。

情形剖析因子模型的构建流程

情形剖析模型的构建能够首要分为三个过程：选定Alpha因子、选定情形特征、确认因子加权办法。其间情形特征的挑选和查验是模型的要害。

情形特征因子的查验结构。适宜的情形特征因子应该具有逻辑明晰、安稳性好、掩盖度高、区别度高的特色。而为了查验所选特征是否显着影响因子的猜测才能，能够经过双样本T查验、组合收益测验和Fama-MacBeth回归查验来进行测验。

A股情形特征：规划、流动性和估值特征有用性较高

Fama-MacBeth回归测验标明规划特征、盈余特征和估值特征具有较高的显着性，双样本T查验的效果显现规划特征和盈余特征在分股票池内的IC具有显着的差异。组合收益测验中则是规划特征、估值特征和流动性特征较为有用，全体上看，规划、流动性和估值特征是A股商场有用性和显着性较高的特征因子。

根据情形剖析因子模型的选股组合：收益安稳性进步

全商场多头组合：收益才能较好，安稳性显着进步。根据流动性特征的全商场组合的收益才能较强，除了能够长时刻安稳的打败沪深300和中证500这两大宽基指数以外，组合相关于商场上的自动权益基金司理的体现也是有较显着优势的。

中证500增强组合：年化收益进步2.5个百分点。与原始的最优化IR组合比较，根据流动性特征的情形因子中证500增强组合在2017、2018和2020年有比较显着的收益进步。组合的年化超量收益由原先15.84%进步至18.38%，进步2.5个百分点，信息比也由2.73进步至3.02。

正文

多因子模型中的情形剖析法(ContextualModelingStrategy)

因子的最优组合办法一直是量化多因子模型中最首要的研讨内容之一。传统多因子模型往往是在全商场范围内对一切股票天公地道地进行打分，而很少考虑个股之间的根本面状况差异和因子在不同风格股票池里的适用性差异。根据情形剖析法的多因子模型(ContextualModelingStrategy)则能够必定程度上补偿传统多因子模型的缺乏。

为什么要选用情形剖析因子模型？

情形剖析因子模型的概念开端来自于Sloan[2001]等人的学术研讨，情形剖析法(ContextualModelingStrategy)能够理解为针对不同的股票池内因子的有用性差异的研讨办法。

关于因子进行情形剖析其实包含了一个重要的理念，即以为因子对股票的收益影响并非是线性的。而传统的因子查验办法，无论是回归法仍是相关系数查验办法，均含有默许的假定即因子对股票收益的影响是线性的。但是实践出资过程中咱们会发现不同板块、不同风格的股票往往存在不同的出资逻辑。例如，海外的研讨标明动量因子的收益在高生长和低生长的股票池内具有十分显着的差异，在高生长的股票池内动量因子具有显着更高的猜测才能。因而，情形剖析因子模型背面的理念根底是更契合实在商场特征的。

2017年的商场风格极点分解的行情下，国内的传统量化多因子模型大多遭受了不小起伏的回撤，也正是从2017年下半年人们开端遍及关怀和评论因子择时模型。咱们也在2018年开端对因子择时进行了一系列的研讨，包含根据因子估值差和拥堵度的因子择时、根据机器学习模型(例如SVM支撑向量机)的因子择时和根据微观和商场根本面的估值因子择时等等。海外学术界和业界关于因子择时的评论也由来已久而且效果丰厚，例如Barroso，Santa-Clara(2015)和Daniel，Moskowitz(2016)分别对动量因子的择时进行了研讨；Asness，Friedman，Krail，Liew(2000)对估值因子的择时进行了评论；Chen，DeBondt(2004)风格动量在因子复合中的运用进行了研讨。

但针对因子猜测才能的非线性特征这一点，学术界和业界的评论并不算丰厚。Sorensen，Hua和Qian(2005)的研讨标明，在不同维度的情形(Context)下(例如，高估值/轻视值，高生长/低生长，高动摇/低动摇)最优的因子组合办法也有显着改变。他们以为在危险调整的根底上，运用根据情形特征的因子加权办法构建的因子组合优于静态加权的因子组合。

传统因子模型的局限性&情形剖析因子模型的优势

首要咱们以估值因子近期的回撤为例，来阐明传统因子剖析结构的局限性。咱们知道A股商场上2018年以来估值因子的收益体现呈现了较大起伏且较长时刻的接连回撤。以市盈率倒数(EP_TTM)因子为例，能够看到2018年今后的因子IC和因子多空收益体现均呈现的大幅的下滑。

但假定咱们依照市值将股票池分为大市值和小市值两组，分别在两个组内测验估值因子(EP_TTM)的体现，会发现估值因子在小市值股票池内长时刻有比较安稳的超量收益，而在大市值股票池内的多空收益体现与全商场相似，2018年今后的回撤起伏乃至大于全商场内多空收益的回撤起伏。

图表：估值因子分组收益与多空收益序列