剑客
关注科技互联网

情景分层因子初探

情景分层因子初探

作者:范寒 原文链接: 情景分层因子初探

一.前言

传统多因子模型忽视了个股之间的基本面情况差异和选股因子在不同风格股票池里的适用性,因此产生了能够捕捉不同股票之间差异性的动态情景模型(Dynamic Contextual Alpha Model)

我们知道,不同个股的基本面属性可能存在非常大的区别,所以传统的基本面研究以行业或者市值作为划分标准的依据。人们尝试寻找在行业内有显著效果的因子对行业内的股票进行独立打分,然后再汇总个股的得分或者排序,从而得到全市场的排序。这一方法提高了Alpha模型的广度(Breadth),但也存在几个问题。比如,行业的分类主要依据是主营业务,所以公司的基本面并不一致;随着公司的成长,基本面也在发生着变化;行业内的股票有限,容易造成过拟合。

动态情景Alpha模型摒弃了行业内打分的做法,转而根据股票基本面的属性,比如估值,成长和盈利能力等,把股票分成不同的层面,对每个层面内的股票采用单独的评价体系进行打分或者排序,最后得到每个股票的综合得分。这种方法能有效的捕捉市场的风格切换,提升因子模型的适应能力。

二.因子分类

既然要对因子进行分层,首先就要将因子进行分类,比如从风格维度上来说,因子可以分为 规模,价值,成长,盈利,流动性水平 等。

优矿的DataAPI里面提供了因子的数据和分类,为了方便今后使用因子,不妨按照优矿的分类将因子整合一下

先将
DataAPI.MktStockFactorsOneDayGet 的详情描述复制粘贴存为excel,再把这个excel上传到研究环境的data里
情景分层因子初探

这样或许还不是很方便查找自己想要的因子,不妨写个函数,输入中文即可查找相关因子,满足像ctrl+F的功能

可以试一下原文中这个 函数

情景分层因子初探

这样就可以按照自己的想法方便地查找需要的因子了

三.情景分层因子的构建

模型构建的基础是找到用什么因子对股票进行分层,从而把握市场的风格。分层的目标是把具有相似的基本面的股票聚集在一起,同时不同的分层又能够刻画股票基本面上不同的属性。分层的理性结果是不同的Alpha因子在不同的分层(如大市值和小市值,高估值和低估值)有着显著的绩效差别。

鉴于以上目标和平时研究因子性质的需要,我把整个过程写成了如下的类,处理的问题就是看一段时间内因子在所指定因子分层下的表现。

具体的讲,就是:

1.指定一个分层因子和其它被观察的因子,以及研究的时间范围,数据频率(如周度,月度等),股票范围

2.在每个规定的时间点上,首先把想要研究的全部股票按照分层因子的值等分成两块(high,low),每一块的股票数量相同,如大市值股票和小市值股票

3.计算其它因子在不同股票池上的风险调整后的Rank IC ,和IC_IR

4.利用统计检验分析因子IC在不同分层下的显著性差异

这里的风险调整IC计算公式为:
情景分层因子初探 =corr(
情景分层因子初探 , ),其中
情景分层因子初探 是上期因子值中性化后的值,

是当期个股收益中性化后的结果,回归的方程表示为:

情景分层因子初探 r为当期个股收益,f为上期因子原始值,X为行业虚变量,log(mktcap)为市值的对数

在优矿上,可以用函数neutralize来代替回归这一步

IC_IR就是IC值得均值除以方差

这里的统计检验,我使用了三个, 一个是针对均值的t检验,一个是针对方差的检验levene检验,和对分布的K-S检验

情景分层因子初探

先解释一下上述结果,首先表格第一行给出了本次检验的基本信息,分层因子,时间范围,数据频率和股票范围

第二,三行是对下面数据的说明,比如mean表示均值,而high和low则分别表示分层因子值高的股票组合和分层因子值低的股票组合。

t检验的原假设是两个样本的均值相同,所以p值越低,说明两样本差异越大

levene检验的原假设是两个样本的方差相同,p值越低,说明两样本差异越大

k-s检验的原假设是两样本分布相同,p值越低,说明两样本差异越大

按照我们的经验,市值因子对市场风格的捕捉能力很强,09年起,小盘股在A股市场一骑绝尘,时而伴随着巨幅的大小盘风格切换。

我们首先来看看估值类因子在市值分层下的结果

情景分层因子初探

近三年,从中证全指的检验结果来看,估值类因子中,就Rank IC的均值t检验而言,PB和PS因子在大小盘分层下具有显著的绩效差别。对于小盘股,可以关注ASSI

再来看看盈利能力和收益质量类因子在市值分层下的表现
情景分层因子初探

从盈利能力和收益质量类因子来看,具有明显区分度的是OperatingExpenseRate,OperatingProfitRatio、OperatingProfitToTOR这三个因子,都是和营业利润相关的,并且在小盘股的表现明显优于大盘股。对于小盘股,估值时可多关注净资产和营业利润。

最后看一下,盈利能力和收益质量类因子在PB分层下的表现

情景分层因子初探

在PB分层下,似乎盈利能力和收益质量类因子因子的表现没有太大的差异。这可能不是一个好的情景分层因子

总结

关于情景分层因子的选择,Barra有相关的论文,感兴趣的矿友不妨去看看文献 China_Equity_Model_CNE5

选出了情景分层因子之后如何使用,希望有机会在今后一起探讨。

希望本帖提供的工具对各位有用,下面是上述函数的说明图。

情景分层因子初探 其他相关文章:

Quartz 1.x – 因子分析模板

基于因子IC的多因子模型

国海证券《因子预测能力初探》uqer实现(一)

国海证券《因子预测能力初探》uqer实现(二)

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址