20210228-中金公司-量化多因子系列（2）：非线性假设下的情景分析因子模型.pdfVIP

金融工程研究 2021 年2 月28 日 量化策略 量化多因子系列（2 ）：非线性假设下的情景分析因子模型 传统量化多因子模型往往在全市场范围内对股票统一进行打分，而很少 个股 考虑个股之间的基本面情况差异和因子在不同风格股票池内的适用性差 异。基于情景分析法（Contextual Modeling Strategy ）的多因子模型则可 分析员 周萧潇 以弥补传统多因子模型的不足。 SAC 执证编号：S0080521010006 xiaoxiao.zhou@ 多因子模型中的情景分析法 分析员 刘均伟 基于非线性假设的情景分析方法。传统的因子检验方法无论是回归法还 SAC 执证编号：S0080520120002 是相关系数检验法，均含有默认的假设即因子对股票收益的影响是线性 SFC CE Ref：BQR365 的。然而实际投资过程中我们会发现不同板块、不同风格的股票往往存 junwei.liu@ 在不同的投资逻辑，也就是说因子对于股票收益的预测能力是非线性的。 分析员 王汉锋，CFA SAC 执证编号：S0080513080002 情景特征（Contextual Feature ）的定义。区分不同情景分析模型的核心 SFC CE Ref：AND454 在于情景特征的定义。情景特征的定义方式包括：风格因子特征、板块 hanfeng.wang@ 特征、企业生命周期特征和统计聚类特征等。 情景分析因子模型的构建流程 情景分析模型的构建可以主要分为三个步骤：选定 Alpha 因子、选定情 景特征、确定因子加权方式。其中情景特征的筛选和检验是模型的关键。 情景特征因子的检验框架。合适的情景特征因子应该具有逻辑清晰、稳 定性好、 覆盖度高、区分度高的特点。而为了检验所选特征是否显著 影响因子的预测能力，可以通过双样本 T 检验、组合收益测试和 Fama-MacBeth 回归检验来进行测试。 相关研究报告 A 股情景特征：规模、流动性和估值特征有效性较高 Fama-MacBeth 回归测试表明规模特征、盈利特征和估值特征具有较高的 • 量化策略 | 量化多因子系列（1 ）：QQC 综合质量因 子与指数增强应用 (2021.01.14) 显著性，双样本T 检验的结果显示规模特征和盈利特征在分股票池内的 IC 具有显著的差异。组合收益测试中则是规模特征、估值特征和流动性 特征较为有效，整体上看，规模、流动性和估值特征是A 股市场有效性 和显著性较高的特征因子。 基于情景分析因子模型的选股组合：收益稳定性提升 全市场多头组合：收益能力较好，稳定性显著提升。基于流动性特征的 全市场组合的收益能力较强，除了可以长期稳定的战胜沪深300 和中证 500 这两大宽基指数以外，组合相对于市场上的主动权益基金经理的表 现也是有较明显优势的。 中证500 增强组合：年化收益提高2.5 个百分点。与原始的最优化IR 组 合相比，基于流动性特征的情景因子中证 500 增强组合在 2017、2018 和 2020 年有比较明显的收益提升。组合的年化超额收益由原先 15.84% 提升