019_选股因子系列研究(二十)——基于条件期望的因子择时模型.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06 月12 日 [Table_Title] 选股因子系列研究(二十)——基于条件期 相关研究 [Table_ReportInfo] 《选股因子系列研究(十七)——选股因子 的正交》2017.01.19 望的因子择时框架 《从最大化复合因子单期 IC 角度看因子 权重》2017.02.14 2017 年以来，传统的多因子组合皆出现了不同程度的回撤。通过分析可以发现 传统模型之所以出现大幅回撤是因为模型中权重配置较高的市值、反转以及特异 度等因子皆出现了不同程度的失效。在这样一种大背景下，投资者对于因子择时 研究的需求也在逐渐上升。本文基于条件期望这一思路，在传统多因子模型权重 [Table_AuthorInfo] 分配框架下对于因子择时进行了应用，为投资者提供了一个量化的因子择时框 架。 本报告主要分为三部分。第一部分介绍了基于条件期望的因子择时模型；第二部 分展示了不同因子集合、不同历史数据时间窗口下不同条件变量因子择时模型的 表现；第三部分引入了AIC 筛选法并提出了AIC 筛选下的多条件变量因子择时模 型。  因子择时实际上就是对于因子收益以及收益协方差矩阵进行预测。什么是因子择 分析师:冯佳睿 时？在笔者看来，因子择时就是对于因子权重进行更加动态地调整。那么怎样才 Tel:(021 能更好地做到因子权重的动态调整呢？在大多数因子权重分配框架下，更好的因 Email:fengjr@ 子权重分配需要投资者对于因子收益以及因子收益协方差有更加精准的预测。 证书:S0850512080006 分析师:袁林青  使用条件期望模型可对于因子收益以及协方差预期进行调整。在条件期望框架 下，传统模型中的因子收益预测以及因子收益协方差预测实际上可以被看作是因 Tel:(021 子收益以及收益协方差的无条件期望，而改进后的预测实际上可以被看作是上述 Email:ylq9619@ 两个指标的条件期望。通过引入外生变量，择时模型能够根据市场环境的变化对 证书:S0850516050003 于因子收益以及收益协方差的预测进行更加及时的调整。  大部分波动率类指标、部分涨跌幅指标、个别指数估值、换手率指标具有一定的 因子择时效果。从整个区间回测效果上看，对于未加入市值类因子的多因子模型， 因子择时模型对于TOP100 组合具有一定的提升效果。而在加入了市值因子后， 仅有个别波动率类指标能够在区间年化收益上产生进一步的提升。从分年度收益 上看，大部分因子择时模型能够在 2016 年战胜原始模型，部分因子择时模型能 在 2014 年、2017 年等年份跑赢原始模型，但是仅有极少数因子择时模型能在 2015 年跑赢原始模型。