短周期因子的挖掘与组合构建.docxVIP

第 PAGE 1 页 共 NUMPAGES 3 页 敬请参阅最后一页特别声明目 录 敬请参阅最后一页特别声明 1、 因子计算与调仓频率影响因子预测效果 5 、 量价类因子：效果强、时效短 5 、 进一步扩充技术因子库 6 2、 短周期技术因子生成 6 、 遗传规划框架与设置 6 、 因子生成结果 8 3、 因子筛选与组合构建 8 、 因子检验与挑选 8 、 构建短周期因子组合 10 4、 风险提示 16 5 、 附录 17 、 因子编号及其对应因子计算公式 17 、 单因子有效性测试详细数据 17 、 单因子分组测试详细数据 18 敬请参阅最后一页特别声明 敬请参阅最后一页特别声明 图 1：月频波动因子累计 IC 表现 5 图 2：短周期波动因子累计 IC 表现 5 图 3：有效因子相关系数热力图 8 图 4：因子相关性筛选后因子相关系数热力图 9 图 5：因子年化 IC（调整符号后）衰减示意图 11 图 6：因子年化 IR（调整符号后）衰减示意图 11 图 7：短周期Alpha17 中不同半衰期的因子个数统计 12 图 8：不同调仓周期下有效使用因子个数 12 图 9：不同交易成本下不同调仓组合的年化收益率表现 13 图 10：不同交易成本下不同调仓组合的夏普比率表现 13 图 11：短周期 Alpha17 量价组合每年双边换手 182 倍左右 14 图 12：短周期Alpha17 量价组合净值表现 14 图 13：量价组合绝对净值比较 15 图 14：量价组合相对中证 500 超额净值比较 15 敬请参阅最后一页特别声明 敬请参阅最后一页特别声明 表 1：量价数据设置 7 表 2：函数设置 7 表 3：单因子测试设置 10 表 4：短周期Alpha17 单因子测试整体表现 10 表 5：组合构建测试设置 11 表 6：短周期Alpha17 量价组合分年度表现 14 表 7：月频量价组合因子池 15 表 8：短周期Alpha17 量价组合与月频量价组合分年度比较 15 表 8：因子编号对应计算公式 17 表 9：单因子有效性测试统计数据 17 表 10：单因子分组测试统计数据 18 1、因子计算与调仓频率影响因子预测效果 在各个市场，Alpha 因子已经被交易者们广泛用于寻找股票间相对收益。不同的因子类型有着迥然不同的逻辑与特性，基本面因子逻辑直观，从公司经营效果层面获取超额收益，该类因子值改变频率低，信息衰减慢，市场容量大。而量价类因子，则是侧重于捕捉市场交易行为中产生的套利空间，由于市场本身随时在快速纳入新的交易与信息，该类因子值往往变化频率高， 信息衰减较快，市场容量相对较小。 既然因子逻辑与特性不同，那最适合的计算频率与调仓周期是否也应有所区别？在不同频率上是否因子的构造方式可以得到进一步扩充？本篇报告研究量价类因子在高于月频的频率上的构造扩充与表现效果。 、量价类因子：效果强、时效短 当我们在构建组合时，由于要考虑到市场冲击等交易成本，普遍采用的是月频的调仓周期。对于量价类因子而言，月频调仓虽然大大降低了换手率与交易成本；但随之而来的问题就是因子效果对市场风格切换的暴露大大增加。例如在今年（2019 年）二月，大量月频调仓的量价因子表现糟糕，但如果我们将因子周期缩得更短一些，会发现不少因子表现会稳定许多。 例如在下图我们比较了最近两年（2018 年、2019 年）波动因子在不同周期下的表现。月频波动因子以一个月日收益率标准差计算，与次月收益率数据计算 IC；短周期波动因子以最近 20 个小时收益率标准差计算，与次日收益率计算 IC。分别统计它们的累计 IC 净值，明显可以看出短周期波动因子的表现更为稳定，在 2018 年上半年并未如月频波动因子那般出现长期回 撤，在 2019 年 2 月的回撤也更小。 图 1：月频波动因子累计 IC 表现 图 2：短周期波动因子累计 IC 表现 Jan-18 Apr-18 Jul-18 Oct-18 Jan-19 Apr-19 累计IC 累计IC Jan-18 Apr-18 Jul-18 Oct-18 Jan-19 Apr-19 0 -0.2 -5 -0.4 -0.6 -0.8  -10 -1 -1.2 -1.4  -15 -20 累计IC资料来源： 资料来源： 累计IC 这样的现象启发我们思考：对于量价类因子而言，低频计算、月频调仓是否就是最佳的因子计算方式与调仓频率，在一些条件下，是否更短的调仓周期会更好？ 、进一步扩充技术因子库 除了月度组合中常用的主流量价因