基于因子spread的因子估值体系与因子轮动策略.PDF

[Table_MainInfo] ┃研究报告 ┃ 因子投资 2017-2-8 基于因子 spread 的因子估值体系与 金融工程┃专题报告 因子轮动策略 [Table_Author] 报告要点 分析师 覃川桃 021  本文将因子收益分解为因子strength 和因子spread 两部分 qinct@ 从跷跷板理论出发 ，因子的多空收益可以分解为两个部分，其一为跷跷板的斜 执业证书编号：S0490513030001 率，即因子 strength （因子的收益区分能力），这是量化投资者过去一直在寻找 联系人 林志朋 的；其二为跷跷板的长度，即因子 spread ，这个是过去一直被量化投资者忽略 021 linzp@ 的一个影响因子多空收益的重要因素  根据因子spread 构建因子的估值体系 联系人 杨靖凤 021 我们定义 History_Spread 为因子 spread 在长期的相对位置 ，用于衡量当前的 yangjf@ 因子 spread 是相对较高还是相对较低 ，从而确定该因子是高性价比还是低性价 比；定义 Dspread 为因子 spread 的变化率，用于衡量短期因子的相对性价比 分析师 相关研究  基于LS 收益分解的因子收益预测模型 [Table_Doc] 《长江金工专题报告：择时买卖点选取与行业非 因子的未来收益可以分解为过去因子的平均收益率 ，未来长期的因子收益率漂 定期轮动》2017-2-3 移和未来短期的因子收益率漂移，其中未来长期的因子收益率漂 移可以用 《基于网络的动量选股策略》2017-1-22 History_Spread 进行有效预测 ，而未来短期的因子收益率漂移可以用 Dspread 《运用C#实现算法交易》2017-1-11 进行有效