20240121-东方证券-量化策略研究之七：周频多因子行业轮动模型.pdf

金融工程|专题报告

报告发布日期2024年01月21日

周频多因子行业轮动模型

——量化策略研究之七

杨怡玲yangyiling@

执业证书编号：S0860523040002

研究结论

衰减的选股Alpha与稳定的行业Beta

⚫近年来，随着越来越多的机构大量挖掘alpha选股因子，传统的选股因子尤其是以成

基于残差网络的端到端因子挖掘模型：—2023-08-24

长因子为代表的一类因子越来越拥挤，纷纷产生了短期失效的情况。以选股为主要—因子选股系列之九十六

超额收益来源的公募指数增强产品近年的超额收益中位数逐年下行，获取选股alphaUMR2.0——风险溢价视角下的动量反转2023-07-13

的难度越来越大。统一框架再升级：——因子选股系列之九

十四

⚫虽然选股alpha在持续衰减，但是行业间分化的收益一直持续较大，因此获取行业轮

基于时点动量的因子轮动：——因子选股2023-06-28

动的beta分化收益的性价比日益凸显。近两年行业轮动的速度加快、月度动量消系列之九十二

失，因此我们希望构建一个周频调仓的多因子行业轮动模型。基于循环神经网络的多频率因子挖掘：—2023-06-06

微观与中观行业轮动因子—因子选股系列之九十一

行业动量的刻画：——《量化策略研究之2022-12-01

⚫在微观行业轮动因子维度，我们发现市值、估值、长期价量等因子对行业轮动来说六》

都是典型的风险因子，借鉴选股因子的市值行业中性化的思路，我们对每个因子先DFQ工业类行业轮动策略：中观行业数2022-05-18

在股票层面进行风格中性再合成行业轮动因子。我们从基本面、预期变化、量价等据、分析师预期、业绩超预期、资金流

维度构造微观行业轮动因子，经过风格中性化后大部分因子行业轮动的多空收益和向：——《量化策略研究之五》

多头超额都有明显提升。基于我们前期在深度学习选股因子方面的积累，我们发现基于主动买卖单的行业轮动模型：——2022-02-25

《量化策略研究之四》

深度学习因子合成行业因子后同样具有非常突出的行业轮动能力。

⚫在中观行业轮动因子维度，我们构造短期预期变