009_基于条件期望的因子择时模型.pdfVIP

证券研究报告 《选股因子系列研究(二十) ——基于条件期望的因子择时模型》 ——海通证券2017年金融工程与产品研究 袁林青 因子择时模型在实际应用中的问题 我们在前期的研究中对于单因子的择时进行了相关讨论。但是在实际应用因子择时研究成果 时存在着各种各样的问题，本研究希望在前期研究基础之上解决下述问题： 1 ）如何权衡择时模型的灵活性与传统模型的稳健性？ 2 ）如何将因子择时观点量化地转化为因子权重？ 3 ）如何基于多个条件变量对于多个因子进行择时？ 4 ）如何筛选变量并对于多个因子进行择时？ 目录 择时模型概述 单条件变量择时效果 多条件变量动态择时 结论 因子择时就是预测因子收益/协方差 ➢ 究其根本，多因子模型的因子择时实际上就是因子权重的确定。无论是在IC加权、最大 化IC加权、回归法加权或者是最大化ICIR加权的权重分配框架下，各因子权重实际上取 − 决于投资者对于因子未来的IC、未来的因子收益甚至因子未来IC协方差 的预期。  IC加权： ∝  最大化IC加权： ∝ −  回归法加权： ∝  最大化ICIR加权： ∝ − 因子择时：“稳健”VS “灵活” ➢ 虽然传统的模型使用各因子历史上的收益表现对于因子未来一期的表现进行预测，但是 这种方法在风格剧烈变化的市场环境中并不能够及时对于市场变化进行调整。（例如 2017年年初） ➢ 虽然对于因子权重进行及时调整能够在某些风格剧烈切换的时间段中获得不错的表现， 但是在权重的剧烈调整会带来更高的换手并降低组合长期表现的稳健性。 ➢ 为了能够在模型的稳健性和灵活性上取得平衡，本文基于传统因子IC预期以及条件变量 观测值对于最终的因子IC预测进行了调整。 基于条件期望的因子择时模型 ➢ 在传统的因子权重分配框架下，若仅使用因子历史IC或者历史进行预测，可将最终预 测值看做是因子IC的无条件期望。若引入相关条件变量，可得到因子IC的条件期望从而 对于因子IC预测进行修正。 ➢ 原始模型（无条件期望） ➢ 择时模型（条件期望） ത ത = + = − = = | | − ഥ = ( −)