金融工程深度报告：市场板块效应减弱，选股因子超额收益回归正常.docx

目录

纯因子表现 5

多因子表现 6

当前选股因子 6

高频因子库选股表现 9

指数池因子表现 13

指数增强 14

ETF轮动 16

总结 18

风险提示 19

图表目录

图1：风格纯因子收益 5

图2：行业纯因子收益 5

图3：ETF轮动纯因子分组超额收益 14

图4：沪深300指数增强净值 15

图5：中证500指数增强净值 15

图6：中证1000指数增强净值 15

图7：中证2000指数增强净值 15

图8：合成因子ETF轮动分组净值 16

表1：风格因子定义 5

表2：选股因子定义 6

表3：2010年以来全市场单因子分组回测表现 7

表4：近一年全市场单因子分组回测表现 8

表5：常见宽基指数成分内单因子分组回测表现（信息比） 8

表6：高频因子库选股因子定义 9

表7：2010年以来全市场高频因子库因子分组回测表现 10

表8：近一年以来全市场高频因子库因子分组回测表现 11

表9：常见宽基指数成分内高频因子库因子分组回测表现（信息比） 12

表10：ETF轮动因子定义 13

表11：近一年ETF轮动纯因子分组风险指标 14

表12：指数增强风险指标 16

表13：合成因子ETF轮动风险指标 17

表14：合成因子指数打分（前30只） 17

纯因子表现1

本文依据《多因子模型系列报告之一——模型理论随想和纯因子组合构建》中描述的方法，选取市场主流的大类风格及行业定义，监控其纯因子的历史表现。相较于传统的分组多空组合，纯因子组合控制了投资组合其他风格和行业因子上的暴露度，更直接地体现该因素带来的收益。本文的行业以长江一级行业为基础，大类风格因子定义如表1所示。

表1：风格因子定义

因子

计算方法

理论方向

规模

流通市值对数

-1

价值

市净率倒数

-1

盈利

净资产收益率(TTM)

1

成长

净利润同比(TTM)

-1

动量

近12个月去除最近1个月收益率

-1

反转

近1个月收益率

1

换手率

近1个月平均换手率

-1

波动率

过去21个交易日个股收益和沪深300收益回归残差波动率

1

Beta

过去21个交易日个股收益和沪深300收益回归残差斜率项

1

资料来源：

图1和图2分别给出风格纯因子、行业纯因子的历史表现：

近三个月表现较好的风格为波动率、成长、价值因子，且近一年均可以贡献正收益，规模因子回撤显著；

近三个月表现较好的行业为电子、非银金融、通信，除非银金融外近一年均可以贡献正收益。

图1：风格纯因子收益 图2：行业纯因子收益

10%

8%

6%

4%

2%

0%

-2%

-4%

-6%

波动率 成长 价值 动量 Beta 反转 换手率 规模 盈利

2010年以来(年化) 近一年 近三月

资料来源：天软科技，，

资料来源：天软科技，，

1本节收益、夏普比、信息比部分，均为年化后数值。

多因子表现

2024年初，长江因子体系从1.0扩展为2.0，从信息体系构建的角度，空间上因子覆盖维度更全（数据维度、构建方法及参数），时间上因子更新速度更快（日度频率），以更好的应用在更为广泛的领域。虽然因子体系更为丰富，但目前跟踪的指数增强等选股策略仍基于1.0的因子体系，这里针对更新后的因子体系中有月度频率下选股的有效因子

（主要通过长江因子体系2.0中的高频因子对量价因子进行更新），进行一次重新选股因子的筛选。

当前选股因子

在目前跟踪的因子月报中，我们选择了以下选股因子作为指数增强策略的组成因子，其中量价因子的选择按照《高频因子（十四）：交易行情高频因子收益来源》中划分的五类量价因子的收益来源（即量价因子的“特质”风险），选择了9个量价因子。

大类因子计算方法理论方向表

大类

因子

计算方法

理论方向

特异率 一减过去21个交易日Fama-French三因子模型回归拟合优度 -1

波动

残差波动率 过去21个交易日Fama-French三因子模型回归残差波动率 -1

交易意愿 空头意愿 以5分钟成交量为划分，筛选后20%的数据计算每笔成交额，除以全时间段每笔成交额 1

量价相关性 过去21日成交量和复权收盘价秩相关系数 -1

交易拥挤度

加权偏度 过去21日成交量加权收盘价偏度 -1

流动性

波峰 以日内1分钟成交量k线数据均值+1倍标准差作为峰值筛选，以局部峰值筛选后的局部

1峰值k线数量的20日均值

1

局部定价

非流动性 收益率轨迹路径/总成交额 1

短期动量 以5分钟成交量/成交笔数为划分，筛选前20%的数据的对数收益率求和 1