金融工程专题报告:行业多因子轮动模型

引言

    传统多因子模型中,市值因子和行业因子均为风险因子,往往需要做中性化处理。而在实际投资中,风险与收益并存,控制了风险暴露,也等于放弃了部分收益。

    行业多因子构建流程

    与股票多因子相比,行业因子需通过股票因子进行合成,我们比较了不同大类因子在不同合成方式下的效果,最终确定了合适的因子合成方式。因子合成后,通过单因子检验,我们选择了5大类共11个因子,分别为12个月换手率、1月超额收益动量、20反转、60反转、180反转、BasicEPS同比增长率、EPSTTM环比增长率、ROE同比增长率、ROA_ttm、季度ROE、季度Profitmargin。我们使用最大化ICIR法和对称正交法来进行大类因子合成与正交。

    回测

    回测过程中,使用均值法进行因子收益预测,并对不合逻辑的因子收益值做了修正,分别测试了持有预测收益最高的10、15、20个行业的净值走势。N越小,累计净值走势终值越高,满足一定的单调性,符合逻辑。从超额收益率走势来看,在2017年前,随着N越小,累计超额收益越高,在2017年下半年,N为10的超额收益出现一定下跌。N为20和30的条件下,超额收益走势更加稳定。对每期选择出来的行业,我们通过季度ROE因子排序来确定每个行业的龙头股票,每期选择20个行业,每个行业选择季度ROE排名靠前的两只股票,月频调仓,回测结果为:年度收益17.78%、年度超额收益11.39%、最大回测30.47%、波动率0.28、胜率60.17%、夏普比例0.5。从回测结果来看,超额收益表现稳定,仅在14年牛市期间出现较大回测,其余时间基本能跑赢Wind全A。

    风险提示

    模型过度优化风险,模型失效风险。