金融工程專題：KyFactor特色因子體系與應(yīng)用

金融工程研究團(tuán)隊(duì)魏建榕（首席分析師）證書編號(hào)：S0790519120001張翔（分析師）證書編號(hào)：S0790520110001傅開波（分析師）證書編號(hào)：S0790520090003高鵬（分析師）證書編號(hào)：S0790520090002蘇俊豪（分析師）證書編號(hào)：S0790522020001胡亮勇（分析師）證書編號(hào)：S0790522030001王志豪（分析師）證書編號(hào)：S0790522070003盛少成（分析師）證書編號(hào)：S0790523060003蘇良（分析師）證書編號(hào)：S0790523060004證書編號(hào)：S0790122080094陳威（研究員）證書編號(hào)：S0790123070027蔣韜（研究員）證書編號(hào)：S0790123070037KyFactor特色因子體系與應(yīng)用——金融工程專題KyFactor因子庫(kù)目前涵蓋交易行為、資金流、基本面和關(guān)聯(lián)網(wǎng)絡(luò)等多個(gè)維度的因子。不同維度下的精選因子均有深度報(bào)告與之對(duì)應(yīng)，詳細(xì)闡述了因子的構(gòu)造邏輯與歷史表現(xiàn)。KyFactor因子庫(kù)中的大部分因子在全區(qū)間內(nèi)表現(xiàn)出了顯著的選股能力，少數(shù)因子近期呈現(xiàn)失效的風(fēng)險(xiǎn)，如merge_sue和consensus_adjustment等分析師一致預(yù)期維度的不同大類因子之間整體相關(guān)性較弱，部分價(jià)量因子之間關(guān)聯(lián)度較高。偏價(jià)量的因子換手率整體較高，年度單邊換手率水平最高可達(dá)10倍以上，如smart_money、ideal_reverse等。偏基本面和低頻數(shù)據(jù)高頻化的因子，換手率則相對(duì)較低，如merge_sue、high_freq_shareholder。在測(cè)試期內(nèi)，中性化后的合成因子RankIC均值約為11.28%，年化RankICIR為5.36。合成因子RankIC為正的頻率在全區(qū)間超95%。合成因子十分組收益嚴(yán)格單調(diào)，多頭組年化收益率為29.26%，空頭組年化收益率為-16.96%，多空對(duì)沖年化收益率高達(dá)42%。合成因子與大部分Barra風(fēng)格因子處于較低關(guān)聯(lián)度，平均相關(guān)系數(shù)絕對(duì)值不到10%。在剝離Barra風(fēng)格后，未中性化的合成因子選股RankIC從12.72%下降到7.25%，下滑幅度較高，但年化RankICIR在剔除風(fēng)格因素影響后有微弱提升，從4.74小幅上漲到4.85。合成因子在小市值寬基指數(shù)中表現(xiàn)占優(yōu)，其中RankIC均值在滬深300中為在選股穩(wěn)定性上，合成因子亦在小市值寬基成分股中表現(xiàn)更好。2022年下半年以來(lái)，由于部分細(xì)分因子的失效，基于合成因子的指數(shù)增強(qiáng)策略 金融工程專題2/232/23 4 4 5 6 7 83、指數(shù)增強(qiáng) 5、附錄：因子加權(quán)方式效果對(duì)比 5.1、不同加權(quán)方式概述 5.2、不同加權(quán)方式結(jié)果對(duì)比 206、風(fēng)險(xiǎn)提示 21圖1：細(xì)分因子在全區(qū)間內(nèi)的選股能力測(cè)算 5圖2：不同細(xì)分因子累計(jì)RankIC走勢(shì) 6圖3：不同細(xì)分因子在預(yù)測(cè)能力上的相關(guān)性 7圖4：不同細(xì)分因子層次聚類結(jié)果 7圖5：不同細(xì)分因子換手率差異 8圖6：合成因子RankIC均值約11.28%，年化RankICIR為5.36 9圖7：合成因子在不同分組的年化收益率 9圖8：合成因子分組收益單調(diào) 圖9：合成因子與Barra風(fēng)格因子的時(shí)序關(guān)聯(lián)度 圖10：Barra風(fēng)格剝離前后合成因子選股表現(xiàn) 圖11：剝離Barra風(fēng)格因子后超額收益有所下滑 圖12：不同寬基指數(shù)下合成因子的RankIC表現(xiàn) 圖13：合成因子在小市值寬基指數(shù)中表現(xiàn)相對(duì)占優(yōu) 圖14：滬深300指數(shù)增強(qiáng)表現(xiàn) 圖15：中證500指數(shù)增強(qiáng)表現(xiàn) 圖17：國(guó)證2000指數(shù)增強(qiáng)表現(xiàn) 圖18：大部分細(xì)分因子階段2表現(xiàn)弱于階段1 圖19：不同細(xì)分因子在不同寬基指數(shù)中的選股能力比較 圖20：進(jìn)行因子擇時(shí)后，每期納入合成的因子數(shù)量處于動(dòng)態(tài)變化中 圖21：精簡(jiǎn)后的合成因子在選股能力上并未有明顯下滑 圖22：滬深300指數(shù)因子擇時(shí)表現(xiàn) 圖23：中證500指數(shù)因子擇時(shí)表現(xiàn) 圖24：中證1000指數(shù)因子擇時(shí)表現(xiàn) 圖25：國(guó)證2000指數(shù)因子擇時(shí)表現(xiàn) 圖26：不同細(xì)分因子在不同行業(yè)中的選股表現(xiàn) 圖27：最大化ICIR下不同細(xì)分因子每期權(quán)重變動(dòng) 圖28：不同半衰期下不同期限對(duì)應(yīng)的權(quán)重 203/3/23圖29：根據(jù)不同間隔長(zhǎng)度RankIC均值差異可得到因子半衰期大小 20圖30：等權(quán)合成的因子在多頭收益上占優(yōu) 21圖31：等權(quán)合成因子具有更優(yōu)的多空超額收益 21表1：KyFactor特色因子體系 5表2：合成因子歷年收益率 表3：不同加權(quán)方式合成因子績(jī)效對(duì)比 21 金融工程專題4/234/23生成最終的選股因子，可以看到合成因子無(wú)論在選股有效性抑或穩(wěn)定性上都占有明第四部分，我們討論了因子擇時(shí)對(duì)指數(shù)增強(qiáng)效果的改善，擇時(shí)優(yōu)選后的因子合成效果在多頭絕對(duì)收益和超額相對(duì)收益上均有所改善。附錄部分，我們討論了不同的因者的買賣行為和跟蹤北上資金的調(diào)倉(cāng)動(dòng)作。在個(gè)人投資者依然占據(jù)A股主要生態(tài)位維度，同時(shí)囊括了傳統(tǒng)基本面財(cái)務(wù)指標(biāo)的升級(jí)改進(jìn)。關(guān)聯(lián)網(wǎng)絡(luò)則是以上研究方向的和大小單行為的相似性上均有不錯(cuò)表現(xiàn)。 金融工程專題5/5/23表1：KyFactor特色因子體系high_freq_shareholdertraction_fpe_changetraction_si從測(cè)試期內(nèi)來(lái)看（2013.01.31~2023.10.31大部分因子在全區(qū)間內(nèi)表現(xiàn)出了顯著的選股能力，但是亦可以發(fā)現(xiàn)部分因子呈現(xiàn)失效的風(fēng)險(xiǎn)，如merge_sue和consensus_adjustment等分析師一致預(yù)期維度的因子。注意，北上資金相關(guān)的因子0.080.060.040.02 50 金融工程專題6/6/23smart_moneyactive_tradinga pe_change high_freq_shareholdertraction_fsmall_trader_ret_errortraction_nstraction_silong_momentum2merge_sueconsensus_adjustment度上存在一定的差異，無(wú)法很好地做到數(shù)據(jù)長(zhǎng)度對(duì)齊，我們嘗試使用不同因子的時(shí)表明二者存在較強(qiáng)的負(fù)相關(guān)性，底層原因在于大、小單殘差因子分別刻畫了市場(chǎng)中偏機(jī)構(gòu)類型的投資者和偏個(gè)人類型的投資者在買賣行為上的差異，而二者的操作行 金融工程專題7/237/23 為了更直觀的展示各因子之間的相關(guān)性大小，我們使用層次聚類的方法將上述其余因子為一類。我們通過(guò)將因子分成十分組，按照前后兩期多頭組的成分股變動(dòng)比例來(lái)簡(jiǎn)單估算因子每個(gè)月的換手率水平，并對(duì)月度換手水平取均值后做年化處理，得到全區(qū)間的換手率值。如無(wú)特別說(shuō)明，下文換手率均指年度單邊換手 金融工程專題8/8/23 large_trader_ret_error traction_fconsensus_adjustment high_freq_shareholder 以剔除不同因子量綱差異的影響。其次，我們對(duì)負(fù)向因子進(jìn)行取反操作，使得不同因子在預(yù)測(cè)方向上保持一致。最后，我們按照等權(quán)的思路對(duì)各細(xì)分因子進(jìn)行加總得 金融工程專題9/9/2323468957234689570.25 0.15 0.05 9753125%20%15%10% 00額收益的波動(dòng)有所放大。 金融工程專題864200表2：合成因子歷年收益率不到10%。其中l(wèi)iquidity與合成因子負(fù)相關(guān)性較高，歷史均值約 金融工程專題0sizenon_linear_sizemomentumliquidityleveragegrowthearnings_yieldbeta結(jié)果的影響。前文我們測(cè)試了市值行業(yè)中性化后化后的因子值已剔除市值風(fēng)格，為了使得對(duì)比結(jié)果更具說(shuō)服力，我們直接比較原始7.25%，下滑幅度較高，但年化RankICIR反而在剔除風(fēng)格因素影響后0.10RankICRankICIR 金融工程專題50maxaTws.t.分股的示性向量，cl表示成分股權(quán)重之和下限。具體而言，約將上文合成因子分別應(yīng)用在不同寬基指數(shù)中，計(jì)算合成因子 金融工程專題具體來(lái)看，合成因子在小市值寬基指數(shù)中表現(xiàn)占優(yōu)，其中RankIC均值在滬深 06543210我們按照公募指數(shù)增強(qiáng)產(chǎn)品的框架，分別測(cè)算了合成因子在各寬基指數(shù)中的超 金融工程專題年三年的核心資產(chǎn)行情戛然而止，2022年以來(lái)小市值風(fēng)格開始占據(jù)微盤股更是表現(xiàn)亮眼，逐漸成為2023年市場(chǎng)中最受關(guān)注的風(fēng)月。分階段來(lái)看，不同細(xì)分因子在階段2的表現(xiàn)均有所下滑，僅有部分因子，如long_momentum_2保持了較強(qiáng)的預(yù)測(cè)能力，歸納來(lái)看，捕捉市場(chǎng)反轉(zhuǎn)效應(yīng)的因子在RankIC_階段1RankIC_階段2RankICIR_階段1RankICIR_階段2smart_money-7.51%6.79%3.97%-8.83%4.61%7.48%9.74%-8.00%-5.86%5.37%4.48%3.49%-6.23%4.80%4.23%7.85%3.19%3.31%-6.26%5.71%6.14%-9.70%1.13%1.94%3.06%-8.54%-0.12%4.40%2.43%0.84%-1.37%-0.67%2.56%8.52%-0.22%-0.82%-11.4410.368.63-11.326.6911.486.695.646.535.363.286.888.344.804.093.664.340.831.471.552.442.190.482.363.41active_tradingideal_volopt_synergy_effectlarge_trader_ret_erroroffense_defenseideal_reverseherd_effecthigh_freq_shareholdertraction_fpe_changesmall_trader_ret_errortraction_nstraction_silong_momentum2merge_sueconsensus_adjustment域根據(jù)因子有效性進(jìn)行篩選后再進(jìn)行因子合成。篩 金融工程專題86420在進(jìn)行因子篩選后，雖然納入合成的因子數(shù)量有所下8%6%4%000300.SH000905.SH06543210針對(duì)不同寬基指數(shù)分別進(jìn)行因子擇時(shí)后，我們基于新合成的因子分別在對(duì)應(yīng)的寬基指數(shù)中測(cè)試了增強(qiáng)表現(xiàn)。為了讓因子擇時(shí)前后的增強(qiáng)結(jié)果可比，我們將起始區(qū) 金融工程專題6543210216543210543218642054321886420654321 金融工程專題 在本節(jié)，我們嘗試討論不同的因子間加權(quán)方式是否對(duì)合成的因子的表現(xiàn)有顯著加權(quán)以及半衰期加權(quán)。為了降低短期波動(dòng)對(duì)結(jié)果的影響，在各種加權(quán)方法過(guò)程中，IC加權(quán)相當(dāng)于因子動(dòng)量，會(huì)給予過(guò)去一段t為t期不同因子權(quán)重構(gòu)成的向量，ICt為t期不同因子的IC值。以該值作為對(duì)應(yīng)細(xì)分因子的權(quán)重。ICIR加權(quán)方法能夠綜合考慮因子wt=t/σt 金融工程專題性，同時(shí)考慮了因子之間的相關(guān)性，但缺點(diǎn)在于因子之間的協(xié)方差矩陣不易估計(jì)。√Σt high_freq_shareholdtraction_f pe_change0半衰期加權(quán)認(rèn)為近期數(shù)據(jù)影響大于遠(yuǎn)期，越靠近當(dāng)前時(shí)刻，賦予因子值的權(quán)重著兩個(gè)調(diào)倉(cāng)周期前的權(quán)重為當(dāng)前時(shí)刻的一半。i?T?12Hiwt,i=tΣ12?Hit,i為第i個(gè)因子在t時(shí)刻的權(quán)重，T為回溯周期