因子测试框架和估值因子初测.docxVIP

目录 多因子模型原理、假设和背景 5 CAPM 和 FAMA-FRENCH 模型 5 APT 和 BARRA 多因子模型 7 理论框架 8 具体步骤 9 数据样本 9 数据清洗 9 因子标准化 10 因子测试框架 10 OLS、WSL、RLM 回归 12 因子有效性检验 12 因子分层回测 13 估值因子测试实证分析示例 13 EP 因子 13 BP 因子 16 SP 因子 19 CFP 因子 22 估值因子测试结果分析 25 后续报告 26 图目录 图 1：市场中个股对于市场收益的因子暴露 6 图 2：单只股票（000002.SZ）OLS 回归 BETA 6 图 3：系列框架图 8 图 4：申万行业平均 PE（TTM） 11 图 5：不同市值股票的估值（PE） 11 图 6：EP 因子T 值时间序列 14 图 7：EP 因子 IC 值时间序列 14 图 8：EP 因子 IC 值分布 14 图 9：EP 因子滚动累计 IC 净值 15 图 10：EP 因子分组回测结果 15 图 11：EP 因子行业分组回测收益结果 16 图 12：BP 因子T 值时间序列 17 图 13：BP 因子 IC 值时间序列 17 图 14：BP 因子 IC 值时间序列 17 图 15：BP 因子滚动累计 IC 净值 18 图 16：BP 因子分组回测结果 18 图 17：BP 因子行业分组回测收益结果 19 图 18：SP 因子T 值时间序列 20 图 19：SP 因子 IC 值时间序列 20 图 20：SP 因子 IC 值分布 20 图 21：SP 因子累计滚动 IC 净值 21 图 22：SP 因子分组回测结果 21 图 23：SP 因子行业分组回测收益结果 22 图 24：CFP 因子 T 值时间序列 23 图 25：CFP 因子 IC 值时间序列 23 图 26：CFP 因子 IC 值分布 23 图 27：CFP 因子滚动累计 IC 净值 24 图 28：CFP 因子分组回测结果 24 图 29：CFP 因子行业分组回测收益结果 25 表格目录 表格 1：估值因子说明 13 表格 2：EP 因子各组投资组合收益率数据 15 表格 3：EP 因子分组回测换手率 16 表格 4：BP 因子各组投资组合收益率数据 18 表格 5：BP 因子分组回测换手率 19 表格 6：SP 因子各组投资组合收益率数据 21 表格 7：SP 因子分组回测换手率 22 表格 8：CFP 因子各组投资组合收益率数据 24 表格 9：CFP 因子分组回测换手率 25 多因子模型的本质是对人类逻辑思维的抽象。广义的多因子模型方法是以海量数据为基础，应用数理方法将主观弱逻辑的定性判断量化成强逻辑的判断指标。除了数理能力和数据处理能力外，其对金融学和经济学变量含义的理解要求较高。 本系列将从风格因子开始，通过严格的假设、清晰的流程和优化的处理方法，构建一套成熟的多因子策略。另外，不同于多数量化交易策略，多因子策略更偏向中长期配置，不会因为策略趋同而造成超额收益削减的现象。本系列将实现山西证券金融工程研究从无到有的突破，并为其他金工系列报告打下基础。 多因子模型原理、假设和背景 CAPM 和 Fama-French 模型 资本资产定价模型（CAPM）是由威廉夏普于 1964 年在马克维茨的资产组合理论和资本市场理论的基础上发展起来的，主要确定了证券市场中资产的预期收益率与资产风险间的数量关系，为风险资产的均衡价格定价提供了理论基础，可以说是现代金融市场价格理论的支柱。CAPM 具体表达式如下： E(ri) - rf = + βi · E(rm - rf) +εi rf——无风险资产收益率 rm——市场收益率 εi——残差 βi——Cov(rm , ri)) / Var(rm) 资本资产定价模型总结出证券投资者所获得的收益分为两部分：来自市场的收益以及无风险收益。在完美的有效市场下，来自市场的平均收益是我们没法控制的，非系统风险可以通过组合分散投资消除，超额收益只与系数 beta 有关。现实中投资者不断追求的超额收益 alpha 包含在残差当中，在完美市场当中其期望收益为 0。但现实市场并不完美，后续的多因子模型出现的意义都是尽量挖掘 alpha 中的因子可解释部分，从而实现跑赢市场的收益率。 这是首次提出将资产收益解释为因子收益和因子暴露的模型。从计量经济学角度来讲，这里主