公司資訊

您的位置 > 首頁 > 公司資訊 > 研究視點
公司資訊

研究視點

專欄:因子策略思考

來源:基金視窗 作者:摩根士丹利華鑫基金數量化投資部 王應林 發布日期:2019-12-31

多因子模型是目前量化基金中應用最廣泛的一種因子投資方式。本文就筆者對因子投資的理解及對因子策略構建的思考做簡要的介紹。

一、      因子投資

1、 定義:凡是通過主動管理的方式有意識地暴露到某些因子上來試圖獲得超額收益的投資方式稱為因子投資。比較常見的因子有:估值、市值、波動率、動量/反轉、低換手率、股息率、財務質量等。

2、 超額收益:在認為市場是有效的前提下,因子能帶來額外超額收益必然承擔了額外的風險,即因子溢價就是風險溢價。行為金融學則認為市場中并非都是理性人,而是有一部分人在系統性地犯某些錯誤,即因子溢價賺取的是其他人行為偏差帶來的額外收益。市場在大多數時候和總體上有效的,但是筆者認為在少數時間以及局部上是非有效的。

3、 因子投資策略:從超額收益的來源可知,首先,大多數因子在大多數時候都是風險因子,因子投資的超額收益都是來源于因子的風險溢價,所以在構建因子投資策略的時候對風險因子暴露度的控制就尤為重要,我們可以對愿意承擔一定風險的風險因子進行適當暴露,而嚴格控制其它風險因子的暴露度。其次,少數因子在特定的股票池和時間內,因子溢價賺取的是市場定價偏差的錢,這些因子有望獲取穩定的阿爾法,我們需要在組合中著重暴露這些阿爾法因子。

4、 因子投資流程:傳統的結構化多因子模型的投資流程首先是對N個因子進行去極值、標準化和正交化的數據預處理;其次基于因子打分模型對多因子進行組合得到個股的因子得分;最后利用組合優化算法,在控制個股權重、行業權重和風格暴露等條件下,確定最大化目標函數的股票權重。非結構化的多因子模型是在傳統多因子模型的基礎上對因子的應用情景進行限定,同時考慮到因子的適用范圍(因子域)和有效時間(因子擇時),本質上是條件概率函數。

二、      因子策略構建的幾點思考

1、 因子域:對于不同的股票池,因子的有效性差別較大,所以基于特定股票池的邏輯添加一些有效因子到組合里面是必要的,比如科技行業里面的研發支出占比因子。所以在構建因子策略的時候可以在大模型基礎上針對細分的股票池做精細化管理。

2、 因子擇時:短期的因子擇時難度很大,但是長周期的因子擇時則是必要的,因子策略構建時可以通過對風險因子暴露度的控制來達到因子擇時的目的。因子擇時的效果依賴于對外在市場風格的大方向判斷,比如當前估值因子持續回撤,從均值回復的角度來看,未來繼續回撤的概率較低。

3、 因子組合:在做因子加權之前應該做相關性和底層邏輯分析,關聯性較大的多個因子可以當成一類因子處理,因子加權方式可以用ICIR和因子收益預測等加權方式,但對每類因子的權重有必要約束到一定水平。

4、 因子有效性:1)定期對組合收益進行因子分解,更好的定位每類因子的收益情況;2)對風險因子的有效性進行跟蹤,對于一些極端的因子(因子擁擠度很高,和過去一段時間因子回撤較大),在構建因子組合的時候可以采用更加保守的做法,把因子的暴露度降低。

5、 阿爾法因子來源:1)基于A股交易制度形成的阿爾法因子,比如A股做空比較難,所有很多因子的空頭端的負超額收益比較明顯,由于T+1的交易制度,一些短線的日內回轉策略收益也較高。2)基于投資者結構的因子,隨著外資的話語權的不斷提升,陸股通持倉占比等因子的有效性逐漸明顯;3)基于公司基本面的財務因子:需要對公司商業模式和護城河有深刻的理解,比如ROE因子一方面反映了公司的盈利能力,另一方面,對ROE進行拆分可以得到不同公司商業模型和管理水平的差異。

6、 負向阿爾法因子:因為A股較難做空,負向因子的阿爾法對于大多數策略來說很難獲取,但對于指數增強模型,可以利用負超額阿爾法因子進行股票池的剔除,也可以在底倉中做因子多空的策略,并且多數財務及技術面因子的空頭端的負超額收益都比較顯著。

大嘴棋牌游戏官网