量化因子与构建方式 1. 因子名称：地理相关系数因子 (GEOGCORR) - 因子构建思路：通过计算个股与其地理关联公司股票之间的整体相关程度，构建地理相关系数因子，用于预测个股未来收益[7][38] - 因子具体构建过程： 1. 在全市场范围内剔除ST/*ST、停牌股及上市不满一年的股票 2. 筛选出与目标股票办公地所属省份相同、申万一级行业不同的所有股票 3. 计算目标股票与每支关联股票在月度日频收益序列的皮尔森相关系数 4. 对所有相关系数进行加权求和，得到地理相关系数因子 公式： $CORR_{i,j,t}=\frac{cov(R_{i},R_{j})}{std(R_{i})*std(R_{j})}$ $GEOGCORR_{i,t}=\sum_{j=1}^{N}w_{j,t}*CORR_{i,j,t}$ 其中，$w_{j,t}$为权重，通常设置为等权[39] 2. 因子名称：地理相关系数变动因子 (GEOGCORRCHG) - 因子构建思路：通过计算个股与地理关联公司股票相关程度的变动，构建地理相关系数变动因子，用于捕捉相关性的变化对个股收益的影响[41] - 因子具体构建过程： 1. 计算目标股票与关联股票在月度日频收益序列的相关系数 2. 计算目标股票与关联股票在过去3个月的日频收益序列的相关系数 3. 计算两者相关系数的差值，衡量相关性的变动程度 4. 对所有关联股票的相关系数差值进行加权求和，得到地理相关系数变动因子 公式： $GEOGCORRCHG_{i,t}=\sum_{j=1}^{N}w_{j,t}*(CORR_{i,j,t}-CORR_{i,j,t-2,t})$ 3. 因子名称：地理相关系数拆解因子 (GEOGCORRP, GEOGCORRN, GEOGCORRIP, GEOGCORRJP) - 因子构建思路：通过将个股与地理关联公司股票的收益序列拆分为正收益和负收益，构建四种地理相关系数拆解因子，用于捕捉不同方向收益序列的相关性对个股收益的影响[43] - 因子具体构建过程： 1. 对目标股票与关联股票的日度收益序列进行调整，将负收益调整为0 2. 分别计算正收益序列与正收益序列、负收益序列与负收益序列、正收益序列与负收益序列、负收益序列与正收益序列的相关系数 3. 对所有相关系数进行加权求和，得到四种地理相关系数拆解因子 公式： $R_{i}^{+}=max(R_{i},0)$ $R_{i}^{-}=min(R_{i},0)$ $GEOGCORRP_{i,t}=\sum_{j=1}^{N}w_{j}*CORR(R_{i}^{+},R_{j}^{+})$ $GEOGCORRN_{i,t}=\sum_{j=1}^{N}w_{j}*CORR(R_{i}^{-},R_{j}^{-})$ $GEOGCORRIP_{i,t}=\sum_{j=1}^{N}w_{j}*CORR(R_{i}^{+},R_{j}^{-})$ $GEOGCORRJP_{i,t}=\sum_{j=1}^{N}w_{j}*CORR(R_{i}^{-},R_{j}^{+})$ 因子的回测效果 1. GEOGCORR因子 - IC均值：0.074 - 正IC占比：88.00% - 多空策略年化收益率：22.11% - 多空策略信息比率：2.84 - 多头相对中证500策略年化收益率：13.21% - 多头相对中证500策略信息比率：1.55 - 多头平均换手率：77.77%[78][79][80] 2. GEOGCORRP因子 - IC均值：0.069 - 正IC占比：90.00% - 多空策略年化收益率：21.19% - 多空策略信息比率：3.234 - 多头相对中证500策略年化收益率：13.98% - 多头相对中证500策略信息比率：1.706 - 多头平均换手率：81.92%[78][92][96] 3. GEOGCORRIP因子 - IC均值：0.063 - 正IC占比：88.67% - 多空策略年化收益率：18.92% - 多空策略信息比率：3.099 - 多头相对中证500策略年化收益率：13.48% - 多头相对中证500策略信息比率：1.659 - 多头平均换手率：84.62%[78][104]