量化专题分析报告：多因子系列，行业内选股初探.pdfVIP

证券研究报告 | 金融工程研究 2020 年02 月18 日 量化专题报告 多因子系列之十：行业内选股初探 随着全市场基本面alpha 增量信息的挖掘变得越来越困难，行业内选股模 型开始备受关注。一方面，分行业建模能够更方便的加入行业特质因子， 另一方面，由于不同行业特性不同，分行业建模预测准确度可能更高。基 于上述两个原因，我们尝试构建行业内选股模型，期望该方法能够对原有 的全市场模型有所改进。 我们采用测试和逻辑相结合的方法来寻找行业内适用的因子。行业内适用 相关研究 因子的寻找有很多不同的方法，但我们在研究过程中发现基于纯测试的方 1、《量化周报：当下宜减不宜增》2020-02-16 法和基于纯逻辑的方法都存在一定的问题，因此我们采用了测试和逻辑相 2、《量化专题报告：多因子系列之九：海外市场市值和 结合的方法。由于行业成份股较少，缺乏大样本的显著性，对于每一个因 价值因子演化研究》2020-02-14 子，我们都尝试寻找到其合理的行业逻辑，以降低过拟合的概率。 3、《量化周报：后市走势不乐观》2020-02-09 4、《量化专题报告：风险配置新思路：宏观风险平价策 不同行业行业内建模的表现有所差别。银行和证券行业行业内模型要显著 略》2020-02-06 好于全市场建模，而其他行业，二者差别较小，部分行业行业内建模较优， 5、《量化周报：疫情打乱市场节奏》2020-02-02 而部分行业全市场建模较优。行业内建模与全市场建模的预测相关性并不 是很高，将二者结合后，基本在每个行业，行业内模型都要优于原来的全 市场模型。 300 增强组合有所提升，而 500 增强组合提升不明显。我们基于结合后的 预测分别构建了两个增强组合并进行了归因，发现 300 增强的主要超额收 益的贡献来自于银行和券商两个行业，其他行业的增量有限。而对于 500 增强模型，提升不明显。这可能是由于500 的权重行业例如医药、电子等， 我们并没有找到很多的特质因子，因此增量信息并不多，另一方面，500 的 行业权重较为分散，如果想要有显著的提升，可能需要对大部分行业都要 有比较明显的提升。 对未来行业内选股研究的展望。本文是我们对行业内选股的初步探索，我 们采用传统多因子的方法，发现对原有组合的提升较为有限，只有银行券 商有较明显的提升效果，这与目前市场上的研究结论较为一致。对于未来 行业内选股的研究，我们认为有三点改进方向，首先，应将精力集中在新 信息的寻找，而非原有因子分域逻辑的研究。其次，对于因子的寻找可以 抛弃传统多因子大样本的思路，从细分样本的特质逻辑出发。最后，并不 是所有行业使用行业内建模都一定会有提升，我们需要针对具体的策略对 一些行业进行有针对性的建模。 风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环 境发生改变，不排除模型失效的可能性。 2020 年02 月18 日 内容目录 一、综述 3 二、行业内因子筛选 4 2.1 基础因子 6 2.2 特质因子10 2.2.1 银行10 2.2.2 券商11 2.2.3 地产11 2.2.4 其他12 2.3 汇总14 三、组合构建14 四、总结、思考与展望20 五、参考文献 21 风险提示21 图表目录 图表1：各