量化因子与构建方式 - WTR因子 - 构建思路：基于分析师目标价格预测，考虑报告发布时的价格而非月末价格，赋予目标价格权重，权重由股票价格走势是否验证目标价格决定[79][80][83] - 公式： $WTR = \sum{\frac{P_{i}^{e}}{P_{i}^{0}}} = \frac{\sum P_{i}^{e} \times P / P_{i}^{0}}{P} = \sum{\frac{P_{i}^{e}}{P}} \omega_{i} = TR \times W$ 其中，$P_{i}^{0}$为机构发布价格预测前一个交易日的收盘价，$P_{i}^{e}$为机构发布的股票目标价格，$P$为月末计算因子时的股票收盘价，$\omega_{i}$为权重[80] - 评价：因子收益主要集中在多头端，说明高预期收益率的股票表现更优，分析师对个股价格预测具有选股能力[84] - MTR因子 - 构建思路：基于WTR因子的同比变化，反映分析师预期调整对市场的短期冲击[88][89] - 公式： $MTR = diff(WTR)$[88] - 评价：空头端收益显著，分析师下调预期收益率的负面信息更强烈，而上调预期收益率对未来收益率的预测敏感性较低[91] - CTR因子 - 构建思路：结合WTR因子和分析师关注度因子C的排序值，反映股票热度差异性[94] - 公式： $CTR = Rank(WTR) \times Rank(C)$ 其中，$Rank(WTR)$为WTR因子的排序值，$Rank(C)$为关注度因子的排序值[94] - 评价：多头收益显著，关注度较高的股票存在溢价，尤其在市场风格切换时表现偏弱[98] - TR_ICIR因子 - 构建思路：将WTR、MTR和CTR因子通过ICIR加权合成，提升因子稳定性[99][100] - 评价：合成因子在选股效果和稳定性上优于原始因子[100] --- 因子的回测效果 WTR因子 - ICIR：N=20时为1.52，N=40时为1.41，N=60时为1.346，N=90时为1.264[85][86] - IR：N=20时为1.265，N=40时为1.047，N=60时为0.996，N=90时为0.997[85][86] - 年化收益：N=20时为14.4%，N=40时为14.2%，N=60时为14.1%，N=90时为14.7%[85][86] - 夏普比率：N=20时为0.522，N=40时为0.517，N=60时为0.515，N=90时为0.538[85][86] - 月度胜率：N=20时为69.6%，N=40时为66.7%，N=60时为66.7%，N=90时为62.3%[85][86] MTR因子 - ICIR：N=20时为2.022，N=40时为1.87，N=60时为1.808，N=90时为1.933[92][93] - IR：N=20时为1.772，N=40时为1.486，N=60时为1.537，N=90时为1.616[92][93] - 年化收益：N=20时为12.3%，N=40时为11.7%，N=60时为11.5%，N=90时为11.7%[92][93] - 夏普比率：N=20时为0.456，N=40时为0.434，N=60时为0.426，N=90时为0.43[92][93] - 月度胜率：N=20时为70.3%，N=40时为68.1%，N=60时为68.1%，N=90时为68.8%[92][93] CTR因子 - ICIR：N=20时为1.061，N=40时为0.973，N=60时为0.919，N=90时为0.823[99] - IR：N=20时为1.233，N=40时为1.108，N=60时为1.124，N=90时为0.967[99] - 年化收益：N=20时为12.5%，N=40时为13.5%，N=60时为14.4%，N=90时为14.4%[99] - 夏普比率：N=20时为0.469，N=40时为0.506，N=60时为0.546，N=90时为0.549[99] - 月度胜率：N=20时为62.3%，N=40时为64.5%，N=60时为67.4%，N=90时为60.9%[99] TR_ICIR因子 - ICIR：1.533[100] - IR：1.401[100] - 年化收益：14.9%[100] - 夏普比率：0.545[100] - 月度胜率：67.4%[100]