量化模型与构建方式 1. 模型名称：港股风险模型（基于Barra框架） - 模型构建思路：针对港股通、高流动性港股和全市场三个股票池分别构建风险模型，通过10个大类风格因子和行业因子解释市场收益来源[3] - 模型具体构建过程： 1. 底层数据处理：清洗港股市场数据，剔除仙股等异常标的[3] 2. 因子构建：包含贝塔、动量、流动性、BP（账面市值比）、盈利、市值、成长、非线性市值、波动率、杠杆等10类风格因子[3] 3. 行业因子：采用恒生行业分类标准，覆盖金融、资讯科技等主要板块[3] 4. 模型拟合：通过横截面回归计算因子暴露和收益贡献，2014年以来港股通池内模型平均R²为36.7%[3] - 模型评价：有效捕捉港股市场异质性，但全市场模型受低流动性股票影响较大[3] 量化因子与构建方式 1. 因子名称：贝塔因子 - 因子构建思路：衡量个股对市场整体波动的敏感性[3] - 因子具体构建过程： - 计算个股日收益率与恒生指数收益率的协方差，除以市场方差： $\beta_i = \frac{Cov(r_i,r_m)}{Var(r_m)}$ - 滚动60个交易日估计，港股通池内因子累计收益为正[3] 2. 因子名称：动量因子 - 因子构建思路：捕捉股票价格趋势效应[3] - 因子具体构建过程： - 过去12个月收益率剔除最近1个月（11M-1M策略）[3] - 标准化处理后在港股通池内表现显著 3. 因子名称：流动性因子 - 因子构建思路：反映股票交易活跃度差异[3] - 因子具体构建过程： - 计算过去20个交易日日均换手率对数： $Liquidity_i = \ln(\frac{1}{20}\sum_{t=1}^{20}Turnover_{it})$ - 港股通池内因子收益为正，全市场因子受仙股干扰[3] 4. 因子名称：BP因子（账面市值比） - 因子构建思路：衡量价值效应[3] - 因子具体构建过程： - 使用最新财报股东权益除以市值： $BP_i = \frac{Book\ Equity_i}{Market\ Cap_i}$ - 需调整港股会计准则差异（如IFRS与CAS处理差异）[2][3] 5. 因子名称：波动率因子 - 因子构建思路：识别个股特异性风险[3] - 因子具体构建过程： - 计算过去60个交易日残差收益率标准差： $\sigma_i = \sqrt{\frac{1}{59}\sum_{t=1}^{60}(r_{it}-\hat{r}_i)^2}$ - 全市场池内累计收益为正，与A股表现分化[3] 模型与因子回测效果 1. 港股通池内因子表现： - 贝塔因子：年化IR 0.85[3] - 动量因子：年化IR 1.12[3] - 流动性因子：年化IR 0.73[3] - BP因子：年化IR 0.68[3] 2. 全市场因子表现： - 波动率因子：年化IR 0.92（剔除仙股后降至0.45）[3] - 杠杆因子：年化IR 0.57（与A股负相关）[3] 3. 行业因子解释力： - 金融行业因子：年化收益贡献4.2%[3] - 资讯科技因子：年化收益贡献3.8%[3] 注：所有测试结果基于2014-2025年历史数据，港股通池采用550只标的股票[3][27]