选股因子系列研究(四十):预期因子的底层数据处理

我们在之前的研究中已经验证过一致预期数据在选股和行业轮动中的作用,本篇报告深入到一致预期因子的底层处理方式上,比较了几种不同的因子加工处理方式,对于策略和因子有效性的最终影响。因子对象为预期ROE、净利润NP、净利润同比增速NPG以及两年复合增速G。

    加工一致预期因子的时候,推荐时间序列标准化的处理方式,构建预期调整因子。在准备基础数据的时候,底层因子有几种构成方法:平滑算法(采用不同财务年度预测值进行平滑,保证在不同时刻获取到的预期数据,均代表未来一年的预期值);锁定最近年度算法(在所有时点,都选择最近一个财务年度的预测值构建底层数据,可能会造成数据有跳跃波动情况);锁定财务年度(在所有时点,需要保证每一个底层预测数据针对的财务年份一样)。

    从因子IC表现来看,锁定财务年度算法,正交因子的IR基本最高。仅对于因子G,锁定财务年度的因子IR不是最高,这主要是该算法下因子G需要用到未来三年的预测数据,因子的预测准确度较低。从因子溢价来看,ROE、NP、NPG三个因子的因子溢价以及显著性水平都是锁定财务年度算法最优。因子多空收益具有类似特征。

    从时间序列表现来看,几个预期因子的因子溢价以及多空收益时间序列走势非常平稳,超额收益稳定。相对而言,锁定财务年度算法最优,优势在多空收益上更为明显(即极值组合特征)。

    从单因子的多头组合表现来看,几个因子的多头组合年化超额收益差异不大,超额收益均能够超过10%,且胜率在65%以上,单因子表现非常突出。相对而言,平滑算法的因子多头信息比最高,因子多头效应最稳定。以NP因子为例,虽然市场在2015-2018年期间经历了风格切换,但因子基本在所有年份,单因子超额收益均为正,推荐投资者关注。

    综合来看,从因子的全面表现分析,锁定财务年度的算法综合表现最优;如果投资者更为关心单因子的多头效应,平滑算法则是更好的选择。

    风险提示:流动性风险、模型失效风险、因子失效风险。