金融工程深度报告：市场情绪企稳，因子收益回归，增强策略重回超额区间.docx

目录

纯因子表现 6

多因子表现 7

基本选股因子 7

扩充选股因子 9

高频因子库选股因子（节选） 13

指数池因子表现 16

指数增强 17

基本多因子指数增强 17

扩充多因子增强 19

中证A500增强 20

ETF轮动 21

总结 23

风险提示 24

图表目录

图1：风格纯因子收益 6

图2：行业纯因子收益 6

图3：ETF轮动纯因子分组超额收益 17

图4：沪深300基本指数增强净值 18

图5：中证500基本指数增强净值 18

图6：中证1000基本指数增强净值 18

图7：中证2000基本指数增强净值 18

图8：沪深300扩充指数增强净值 20

图9：中证500扩充指数增强净值 20

图10：中证1000扩充指数增强净值 20

图11：中证2000扩充指数增强净值 20

图12：中证A500指数增强净值 21

图13：合成因子ETF轮动分组净值 22

表1：风格因子定义 6

表2：基本选股因子定义 7

表3：全市场基本选股因子分组回测表现 8

表4：常见宽基指数成分内基本选股因子分组回测表现（信息比） 9

表5：扩充选股因子定义 10

表6：全市场扩充因子分组回测表现 11

表7：常见宽基指数成分内扩充因子分组回测表现（信息比） 12

表8：高频因子库选股因子定义 13

表9：全市场高频因子库选股因子分组回测表现 14

表10：常见宽基指数成分内高频因子库选股因子分组回测表现（信息比） 15

表11：ETF轮动因子定义 16

表12：近一年ETF轮动纯因子分组风险指标 17

表13：基本指数增强风险指标 19

表14：扩充指数增强风险指标 20

表15：中证A500指数增强险指标 21

表16：合成因子ETF轮动风险指标 22

纯因子表现1

本文依据《多因子模型系列报告之一——模型理论随想和纯因子组合构建》中描述的方法，选取市场主流的大类风格及行业定义，监控其纯因子的历史表现。相较于传统的分组多空组合，纯因子组合控制了投资组合其他风格和行业因子上的暴露度，更直接地体现该因素带来的收益。本文的行业以长江一级行业为基础，大类风格因子定义如表1所示。

表1：风格因子定义

因子

计算方法

理论方向

规模

流通市值对数

-1

价值

市净率倒数

-1

盈利

净资产收益率(TTM)

1

成长

净利润同比(TTM)

-1

动量

近12个月去除最近1个月收益率

-1

反转

近1个月收益率

1

换手率

近1个月平均换手率

-1

波动率

过去21个交易日个股收益和沪深300收益回归残差波动率

1

Beta

过去21个交易日个股收益和沪深300收益回归残差斜率项

1

资料来源：

图1和图2分别给出风格纯因子、行业纯因子的历史表现：

近三个月表现较好的风格为反转、规模、Beta因子，仅反转近一年可以贡献正收益；2

近三个月表现较好的行业为综合、计算机、商贸零售，且近一年均可以贡献正收益。

图1：风格纯因子收益 图2：行业纯因子收益

10%

8%

6%

4%

2%

0%

-2%

-4%

-6%

-8%

反转 规模 Beta 成长 波动率 价值 换手率 动量 盈利

2010年以来(年化) 近一年 近三月

资料来源：天软科技，，

资料来源：天软科技，，

1本节收益、夏普比、信息比部分，均为年化后数值。

2本报告近一年时间为2023年10月31日至2024年10月31日，近三个月时间为

2024年7月31日至2024年10月31日。

多因子表现

2024年初，长江因子体系从1.0扩展为2.0，从信息体系构建的角度，空间上因子覆盖维度更全（数据维度、构建方法及参数），时间上因子更新速度更快（日度频率），以更好的应用在更为广泛的领域。虽然因子体系更为丰富，但目前跟踪的指数增强等选股策略仍基于1.0的因子体系，这里针对更新后的因子体系中有月度频率下选股的有效因子

（主要通过长江因子体系2.0中的高频因子对量价因子进行更新），进行一次重新选股因子的筛选。

基本选股因子

在目前跟踪的因子月报中，我们选择了以下选股因子作为指数增强策略的组成因子，其中量价因子的选择按照《高频因子（十四）：交易行情高频因子收益来源》中划分的五类量价因子的收益来源（即量价因子的“特质”风险），选择了9个量价因子。

大类因子计算方法理论方向表

大类

因子

计算方法

理论方向

特异率 一减过去21个交易日Fama-French三因子模型回