从多因子到多策略.docx

目录

单因子策略 6

构建单因子策略 6

从策略到收益来源 8

因子和收益的异同 11

小节 12

多因子和多策略 13

从单因子到多因子 13

不同方式构建的策略表现 14

多因子和多策略的异同 15

小节 19

总结 19

风险提示 21

图表目录

图1：2024年初合成因子和合成收益的区别 6

图2：因子对选股头部组合影响 6

图3：单因子收益和分组超额收益 8

图4：单因子策略主成分分析第一成分转换向量 8

图5：单因子策略主成分分析第一成分转换向量（仅量价因子） 8

图6：全体系第一成分收益和平均收益 9

图7：量价体系第一成分收益和平均收益 9

图8：因子值相关性 11

图9：因子收益相关性 11

图10：各因子收益和市值收益相关性 12

图11：盈利因子收益和市值风格关系 12

图12：因子添加对策略收益的影响 17

图13：因子添加对策略信息比的影响 17

图14：沪深300板块多因子和多策略时序比较 17

图15：中证500板块多因子和多策略时序比较 17

图16：2024年沪深300多因

IC-多因子 IC-多策略 风险平价-多因子 风险平价-多策略

子多策略累积超额收益 18

图17：2024年中证500多因子多策略累积超额收益 18

表1：选股因子定义 7

表2：Kmeans聚类因子分类结果 10

表3：因子值、因子收益和重合比例的背离 11

表4：因子值相关性和因子收益相关性的四种情况 13

表5：不同因子关系下多因子和多策略的对比 14

表6：不同权重分配下多因子和多策略风险指标 15

表7：多因子和多策略各个权重配置下收益相关性 16

表8：2024年不同时间段多因子多策略风险指标 18

单因子策略

2024年年初，以非流动性为代表的量价因子在超额收益上产生了较大回撤，致使多因子合成策略在Alpha端受到较大影响，但从图1中可以看到，但整体因子在Alpha端所受的影响有限。

图1：2024年初合成因子和合成收益的区别

1.14

图2：因子对选股头部组合影响

50%

1.10

1.06

1.02

0.98

0.94

2023-03 2023-05 2023-07 2023-09 2023-11 2024-01

45%

40%

35%

30%

25%

20%

15%

10%

5%

0%

波峰 波动

非流动性

量价相关性加权偏度短期反转短期动量空头意愿

合成收益 合成因子

资料来源：天软科技，，

因子合成权重 头部组合重合度

资料来源：天软科技，，

因为在合成因子的过程中，因子的信息表达会发生较大变化，图2展示了2024年1月

31日各个因子的合成权重，以及合成因子与各个因子多头组的个股重合度，因子合成权重和头部组合重合度两者相关性为54.29%，即整体上保持因子权重越高，其对头部影响越明显的特点，但仍存在如：

量价相关性因子，合成权重较低，但仍有较高的个股重合度，说明其收益来源和其他因子有重合；

非流动性因子，合成权重和其他因子相当时，个股重合度显著高于其他因子，说明合成后的因子更偏向其收益来源，这也是年初合成策略产生较大回撤的原因之一。

合成因子策略是综合各个选股因子对个股的评分，得到信息量更多的个股，但当因子在头部信息有重合时（且该情况无法通过线性方式剥离），构建的组合会在某些收益来源上不可控的偏离，在极致的市场风格下产生尾部风险，这就需要在组合的风险端给出可控的拆解形式，即从合成因子策略转向多策略。多因子到多策略的第一步为单因子策略的构建，即通过根据每个因子构建出一个选股策略。

构建单因子策略

本文单因子策略的构建目的在于刻画该因子选择多头股票获得超额收益的能力，且和合成因子策略在风险端相对可比，传统单因子收益构建的两种常用方式会有以下问题：

分组方法，根据因子大小对组合进行分组，以此得到多头相对空头的收益或多头相对基准的收益，Fama-French三因子模型采用了该方法得到因子收益，该方法可以得到超额收益，但组合无法完全做到风险端的控制；

纯因子方法，通过截面线性回归得到回归系数作为因子收益，Barra风险模型采用了该方法得到因子收益，该方法可以做到风险端的控制，但得到的收益为多空收益。

本文采取和合成因子策略构建相同的方法，即最大化因子值为目标得到多头组合，以组合优化控制组合风险，设置条件如下：风格中线性市值在0.05以内，行业偏离在0.5%以内，个股偏离在1%以内。本文共选择如下因子构建单因子策略：

表1：选股因子定义

大类

大类

因子

计算方法

理论方向

波动

空头