047_选股因子系列研究（三十）——因子择时模型改进与择时指标库构建.pdf

[Table_MainInfo] 金融工程研究 证券研究报告 金融工程专题报告 2017 年12 月24 日 [Table_Title] 选股因子系列研究（三十）——因子择时模 相关研究 [Table_ReportInfo] 《选股因子系列研究(二十)——基于条件 期望的因子择时框架》2017.06.12 型改进与择时指标库构建 《选股因子系列研究（二十六）——因子 加权、正交和择时的若干性质》2017.10.9 自2017 年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此， 因子收益的预测就变得至关重要。系列前期专题报告《选股因子系列研究(二十)— —基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。 模型样本外跟踪至2017 年11 月底依旧具有较好的表现。 [Table_AuthorInfo] 结合模型实际跟踪经验与投资者交流反馈，本报告旨在对于因子择时模型进行改进 与简化，希望得到一个易于理解、易于操作同时具有较强扩展性的因子择时模型。 由于需要讨论的内容较多，故而相关内容会在本文与《选股因子系列研究(三十一) ——因子择时指标的选择》两篇报告中进行详细讨论。  条件期望因子择时模型2017 年表现较好。截止至2017 年 11 月30 日，因子择 时组合在2017 年以来的收益约为 11%，不择时组合同期收益约为-20% ，因子择 时组合相对于不择时组合的超额收益约为31%。 分析师:冯佳睿 Tel:(021  条件期望择时模型存在提升空间。虽然基于条件期望的因子择时模型能够在风格 Email:fengjr@ 多变的市场环境中提升因子收益预测的灵活性，但是该模型在实际使用的过程中 证书:S0850512080006 依旧存在众多有待提升的地方：1 ）择时指标备选范围过窄；2 ）使用相同的择时 分析师:袁林青 指标预测不同因子的未来收益；3 ）择时指标的筛选流程较为复杂；4 ）无法和衰 减加权的收益预测方法有效结合；5 ）难以扩展为风格择时模型。 Tel:(021 Email:ylq9619@  回归法下的因子择时模型更易于理解与应用。因子择时旨在解决因子收益的预 证书:S0850516050003 测，所以可构建因子收益的预测模型。在回归法的框架下，模型更加易于理解与 应用。  可从宏观经济、金融市场与因子表现三个层次构建择时变量备选库。在宏观经济 层面，我们会构建指标从通胀、工业、消费、外贸、金融、财政等方面刻画宏观 经济状态。在金融市场层面，我们会分别从债券市场与股票市场构建指标。在债 券市场中，我们重点关注利率水平、期限利差、信用利差等方面。在股票市场中， 我们重点关注市场涨跌、波动、换手、流动性、估值等方面。在因子收益层面， 我们重点关注各常见因子的历史收益表现。  风险提示。市场系统性风险、资产流动性风险以及政策变动风险会对策略表现产