多因子ALPHA系列报告之(十三)考虑因子非线性特征多因子ALPHA略20120924.ppt

* Table_Header1 证券研究报告_XX 月月 日 Table_Title Tab_A orleuth Table_Summary Table_FooterContact Table_Top Table_AuthorTemp 15306 证券研究报告_量化投资专题 2012年 609 1419 日 考虑因子非线性特征的多因子 Alpha 策略 16274 ——多因子 Alpha 系列报告之（十三） 罗军 首席分析师 电话：0208655 Table_Temp eMail：lj33@ 执业编号：S0260511010004 Alpha 因子存在非线性特征 最早的多因子Alpha模型来源于套利定价理论（APT），APT模型假设每一只股票的预期收益由股票的因子头寸决 定，且两者呈线性关系，然而实际研究中，我们常常发现因子与股票预期收益之间并非严格的线性关系，因子与股票 收益之间存在非线性关系常见的有以下几种：（1）非线性因子中间较好，两端较差；（2）第二种非线性因子整体呈 线性，但及好的一端出现掉头；（3）第三种非线性因子同样整体呈线性，但及差的一端出现掉头。 报告所探讨的便是因子与股票收益之间存在的非线性关系，简而言之，我们将改变直接用因子的线性排序来对股 票未来收益进行预测的方式，而是要经过一步非线性到线性的变换，使得因子与股票收益具有更好的线性关系。 基于因子多项式形式的 Alpha 模型 因子线性变换的第一种方法，是采用因子的多项式形式来对股票收益进行预测。运用该方法我们大大改善了换手 率、总资产以及EP等存在明显非线性特征的因子有效性，结合非线性特征不明显的Alpha因子，我们分别构建了非线性 多因子模型以及混合多因子模型。 实证分析显示，多项式因子的线性变换方法无论对于单个因子还是多因子策略，均有显著的改善效果。 引入附加因子的 Alpha 模型 构造因子多项式的方法虽然简单但缺乏合理的经济解释，通过引入附加因子的方式我们设计了另一种方法。 何谓附加因子？举个简单的例子，我们采用全样本统计发现换手率跟股票收益率有显著的负相关，但是具有一定 的非线性特征，如果考虑把全部样本分为两部分：高市值样本和低市值样本，发现在两个不同样本内，换手率与股票 收益的关系显著不同，因此我们引入股票流通市值作为换手率因子的附加因素，从而构造一个虚拟变量（dummy） dhigh_cap，这个变量在股票属于大小市值的时候分别取值为0和1，这里流通市值便成为换手率因子的附加因子。 经实证检验，增加附加因子的方法同样能够大大提高多因子策略的有效性。 两种方法比较 本文抛弃了以往对Alpha因子与股票符合线性相关的假设，逐个分析了因子的非线性特征，并提出了上述两种因子 线性转换的方法。 方法一的优点是原理简单，对因子的非线性改善效果比较直观；而缺点则是该方法比较依赖于对历史数据的挖掘， 且缺乏严谨的经济逻辑解释。 方法二的优点是具有相对合理和直观的经济意义，且对因子的非线性改善效果更为显著；而缺点则是该方法需要 通过对大量因子之间进行配对比较，最终挑选效果较好且均有合理解释的配对因子，工作量较大，对于多个因子之间 的交叉影响作用也难以进行考虑，无法做到面面俱到。 在追寻Alpha的路上，我们一直在探寻提高多因子策略Alpha收益的方法，本报告首次从因子及个股截面上对两者 之间的线性关系提出了质疑，并提供了两种改善因子非线性特征的思路，且对Alpha策略的改善效果也非常显著。后续 我们仍将继续致力于该方向的研究，敬请关注我们后续的相关研究。 广发证券公司或其关联机构可能会持有报告中所涉及的公司所发行的证券并进行交易，亦可能为这些公司提供或争取提供承销等服 务。本报告中所有观点仅供参考，并请务必阅读正文之后的免责声明。 本报告联系人：史庆盛 sqs@ (一) (二) (一) (二) Table_Header2 量化投资专题 目录 一、 因子非线性特征 .............................................................................................................. 5 二、 基于因子多项式形式的 ALPHA 模型 ............................................................................ 7 单因子分析.................................................