多因子Alpha模型研究：沪深300成份股的应用分析(上).pdf

多因子Alpha模型研究：沪深300成份股的应用分析(上).pdf

《多因子Alpha模型研究：沪深300成份股的应用分析(上).pdf》由会员分享，可在线阅读，更多相关《多因子Alpha模型研究：沪深300成份股的应用分析(上).pdf（86页珍藏版）》请在冰豆网上搜索。

证券研究报告_量化投资专题报告2011年05月19日广发证券公司或其关联机构可能会持有报告中所涉及的公司所发行的证券并进行交易，亦可能为这些公司提供或争取提供承销等服务。

本报告中所有观点仅供参考，并请务必阅读正文之后的免责声明。

多因子Alpha模型研究：

沪深300成份股的应用分析（上）-多因子Alpha策略系列报告之一-多因子Alpha策略系列报告之一罗军金融工程分析师胡海涛金融工程分析师罗军金融工程分析师胡海涛金融工程分析师电话：

020-87555888-655电话：

020-87555888-406eMail：

eMail:

SAC执业证书编号：

S0260511010004SAC执业证书编号：

S0260511020010Alpha策略策略V.S期权期权Vega策略：

同属风险中性策略策略：

同属风险中性策略把收益充分分解，通过对冲工具规避风险较大或者“性价比”较低的因素而获取较有把握的收益，称之为风险中性策略。

股票组合的多因子Alpha策略与期权Vega策略本质都是风险中性业务，Alpha策略不愿承担市场风险，期权业务通常不做Delta。

业务开展的共同特点均为定价因素充分分解、风险因素充分对冲。

二种策略的差异在于风险结构、定价模型以及对冲工具的不同。

多因子多因子Alpha策略的业务流程策略的业务流程我们的Alpha模型构建体系分为如下4个组成部分：

1）建立基本因子库，以FF排序打分的方法来定义因子回报。

2）对历史因子回报进行分析，通过比较IR、T检验、胜率以及累积收益率等指标，筛选出具有持续获得稳定正收益能力的因子。

3）运用等权、聚类、均值方差最优等三类方法为因子配置权重，试图对三类方法的实证效果进行分析。

4）计算股票的最终得分（AlphaScore），并以此推荐超低配组合基于沪深基于沪深300成份股的因子分析成份股的因子分析选择十四类共84个因子做为备选因子包括：

盈利、成长、杠杆、流动性、营运能力、现金流、估值、交易量、动量/反转、规模、波动性、红利、一致预期以及评级改变等因子。

通过历史数据分析，从因子累积收益、IR、胜率、T检验以及换手率等角度综合分析，最终选择估值、动量/反转、规模、盈利、成长、杠杆、营运能力、现金流、红利、一致预期以及评级改变等24个因子构建Alpha模型。

其中，相对PE、相对PS、存货周转率（同比）、负债权益比以及一个月内评级改变具备较高的IR，Alpha的预测能力相对较强。

因子的权重分配方法对比以及因子的权重分配方法对比以及alpha股票组合构建策略的实证将在下篇报告中推出股票组合构建策略的实证将在下篇报告中推出我们以两篇报告详细分析基于沪深300成份股的Alpha策略。

本篇报告以沪深300为样本，主要分析该样本空间下的因子收益情况。

下篇报告则基于本篇报告的结论实证分析沪深300成份股空间内不同因子权重配置方法以及不同组合构建方法产生的Alpha策略的优劣对比分析，敬请继续关注！

.识别风险，发现价值2011-05-19第2页量化投资专题报告目录索引目录索引一、一、Alpha策略与多因子模型策略与多因子模型.4

（一）Alpha策略V.S期权业务：

同属风险中性策略.4

（二）多因子Alpha策略的业务流程.4二、广发多因子模型的构建方法二、广发多因子模型的构建方法.6

（一）多因子模型构建体系概况.6

（二）因子库建设与因子回报定义.7（三）Alpha因子选择方法.8（四）多因子模型与股票组合构建.9三、沪深三、沪深300指数与成分股概况指数与成分股概况.9四、基于沪深四、基于沪深300成份股的因子分析成份股的因子分析.11

（一）盈利因子.11

（二）盈利因子（同比增长率）.12（三）成长因子.13（四）杠杆因子.14（五）杠杆因子（同比）.15（六）交易量因子.16（七）流动性因子.17（八）流动性因子（同比）.18（九）动量因子.18（十）规模因子.19（十一）红利因子.20（十二）现金流因子.21（十三）现金流因子（同比）.22（十四）相对估值因子.23（十五）波动性因子.24（十六）营运能力因子.25（十七）营运能力因子（同比）.26（十八）一致预期因子.27（十九）评级因子.27五、基于沪深五、基于沪深300成份股的成份股的Alpha因子选择因子选择.28六、附录：

因子分析汇总图表六、附录：

因子分析汇总图表.29

（一）备选因子库汇总表.29

（二）因子回报分析图表汇总.33图表索引图表索引图1：

广发多因子模型构建体系的结构图.6图2：

沪深300主营业务与净利润图.10图3：

沪深300每股收益图.10图4：

沪深300行业分布.10识别风险，发现价值2011-05-19第3页量化投资专题报告表1：

FF方法与OLS回归方法对比分析.5表2：

T值与差异性关系表.9表3：

盈利类因子评价指标对比.11表4：

盈利类因子逐年累计收益.11表5：

盈利（同比）类因子评价指标对比.12表6：

盈利类因子（同比）逐年累计收益.12表7：

成长类因子评价指标对比.13表8：

成长类因子逐年累计收益.14表9：

杠杆类因子评价指标对比.14表10：

杠杆类因子逐年累计收益.15表11：

杠杆类因子（同比）评价指标对比.15表12：

杠杆类因子（同比）逐年累计收益.16表13：

交易量因子评价指标对比.16表14：

交易量因子逐年累计收益.17表15：

流动性因子评价指标对比.17表16：

流动性因子逐年累计收益.17表17：

流动性因子（同比）评价指标对比.18表18：

流动性因子（同比）逐年累计收益.18表19：

动量因子评价指标对比.18表20：

动量因子逐年累计收益.19表21：

规模因子评价指标对比.19表22：

规模因子逐年累计收益.20表23：

红利因子评价指标对比.21表24：

红利因子逐年累计收益.21表25：

现金流因子评价指标对比.21表26：

现金流因子逐年累计收益.22表27：

现金流因子（同比）评价指标对比.22表28：

现金流因子（同比）逐年累计收益.23表29：

相对估值因子评价指标对比.23表30：

相对估值因子逐年累计收益.24表31：

波动性因子评价指标对比.24表32：

波动性因子逐年累计收益.25表33：

营运能力因子评价指标对比.25表34：

营运能力因子逐年累计收益.25表35：

营运能力因子（同比）评价指标对比.26表36：

营运能力因子（同比）逐年累计收益.26表37：

一致预期因子评价指标对比.27表38：

一致预期因子逐年累计收益.27表39：

评级因子评价指标对比.28表40：

评级因子逐年累计收益.28表41：

有效Alpha因子汇总.28识别风险，发现价值2011-05-19第4页量化投资专题报告一、Alpha策略与多因子模型一、Alpha策略与多因子模型

（一）Alpha策略V.S期权业务：

同属风险中性策略

（一）Alpha策略V.S期权业务：

同属风险中性策略何谓风险中性策略？

我们的理解，依靠判断市场的方向获取系统性上涨或者下跌的趋势性收益通常风险较高，波动较大。

而把收益充分分解，通过对冲工具规避风险较大或者“性价比”较低的因素，而获取较有把握的收益，通常称之为风险中性策略。

对于风险中性策略，我们总结出以下一般特点：

1）构建Long-Short组合，风险部分或者全部对冲，获得稳健的低风险收益；2）寻找错误定价，风险完全对冲，获取套利收益；3）风险充分分解，寻找“便宜”的风险因素暴露，或者承担某风险因素的中介业务并对冲其他风险因素，如基于波动率交易策略的备兑权证发行业务等；4）买入性价比高的因子，对冲没把握的风险因子，如股票Alpha策略。

前期，推出一系列基于期权复制策略的相关报告，对期权的对冲策略有了全面详细的分析，我们理解基于多因子的股票Alpha策略与期权的风险中性策略存在较高的相似性。

以看多波动率的Vega策略与看多估值因子E/P的Alpha策略为例进行描述。

期权期权vega策略：

策略：

期权价格变化可以分解为：

.212PhodrThetadtVegadGammadsDeltadsdf+=如果看多波动率：

买入期权，构建期权组合Vega头寸为正，Gamma头寸中性；如果组合Delta非中性，通过买入或者卖空标的股票保持Delta中性；当波动率上涨时，组合获利，利润来源于Vega头寸的暴露。

Alpha策略：

策略：

股票收益率分解为：

.2211+=factorfactoralphar如果看多盈利价格比（E/P）因子：

允许卖空的策略：

构建多空股票组合，该组合E/P暴露为正，其他因子暴露为0；不允许卖空的策略：

构建股票多头组合，该组合E/P暴露超过HS指数暴露，其他因子暴露与HS300指数一致，同时做空股指期货。

如果下一期E/P高的股票跑的好，则利润均来自与E/P因子暴露。

通过以上举例分析，我们发现Alpha策略与期权Vega策略本质都是风险中性业务，Alpha策略不愿承担市场风险，期权业务通常不做Delta。

业务开展的共同特点均为定价因素充分分解、风险因素充分对冲。

二种策略的差异在于风险结构、定价模型以及对冲工具的不同。

（二）多因子Alpha策略的业务流程

（二）多因子Alpha策略的业务流程识别风险，发现价值2011-05-19第5页量化投资专题报告通过以上的举例发现，多因子Alpha策略的本质不是在挑股票，而是在挑因子。

通过选择产生Alpha的因子构建多因子模型并产生最终的股票组合获取Alpha收益。

我们认为，构建多因子Alpha策略的流程应该分为如下步骤：

1）因子回报度量，即能表征）因子回报度量，即能表征alpha信号的定义方法。

信号的定义方法。

比较常用的方法：

横截面回归法以及排序打分法。

横截面回归利用了因子的取值（风险暴露）与下期股票收益之间的线性关系，以最小二乘法拟合出的回归系数定义为因子回报。

另一种方法为FF排序打分法。

该方法的原型是由Fama和French提出。

他们在1992年和1993年所撰写的报告对于多因子模型的发展具有很大的影响。

通过对因子暴露进行排序，排名靠前的股票组合减去靠后的股票组合下一期的平均收益定义为因子回报，他们提出的排序法已经被广泛使用。

该方法的优点在于简单，直观，并且易于操作。

我们曾经通过假设真实的因子风险暴露与因子回报，基于这些真实的因子回报利用蒙特卡罗模拟法产生股票的收益。

然后针对模拟出来的股票收益以及因子暴露，用两种不同的方法产生因子回报，并与真实因子回报对比，发现均能产生较好的效果。

表1：

FF方法与OLS回归方法对比分析与真实因子回报平均相关性与真实因子回报平均相关性R方方FFOLS回归50%0.84710.91760%0.87220.943570%0.8910.963480%0.90790.978490%0.91970.9903100%0.92921数据来源：

广发证券研发中心2）如何挑选）如何挑选Alpha因子？

因子？

定义了因子回报方法后，面临的一个问题是什么样的因子才是合适的Alpha因子？

因子回报累积超额收益较高？

因子风险调整后收益较大？

因子信号的预测能力较强？

或者是无论牛市还是熊市都来带来alpha的因子？

我们认为因子的选择是极具“艺术”的技术活。

好的因子应该能产生长期稳定的alpha，并且稳健性高，与系统性因子Beta相关性低。

3）构建多因子模型：

寻找最优）构建多因子模型：

寻找最优IR的因子组合的因子组合每个因子随着时间的推移单独产生alpha，因此，每个因子可以被认为是一只“股票”，同样具备收益以及风险，并且各因子之间也有相关系数。

通常，不同风格子集有不