量化模型与构建方式 条件期望因子择时模型 - 模型名称：条件期望因子择时模型 - 模型构建思路：通过条件期望的方式调整因子收益预测值，以提升因子收益预测的灵活性[12][14] - 模型具体构建过程： 1. 构建因子择时组合与基准组合，使用相同的因子和加权方法，唯一不同点在于因子收益预测方法 2. 因子择时组合使用条件期望调整因子收益预测值，基准组合仅使用因子历史24个月收益均值作为预测值 3. 公式如下： $r_{t}=\alpha+\beta_{1,t}f_{1,t}+\beta_{2,t}f_{2,t}+\cdots+\beta_{k,t}f_{k,t}+\varepsilon_{t}$ $\beta_{j,t}=\frac{1}{T}\sum_{m=1}^{T}\beta_{j,t-m}$ 其中，$r_t$为股票收益，$\beta_{j,t}$为因子暴露，$f_{j,t}$为因子收益[12][17] - 模型评价：模型在风格多变的市场环境中表现出较好的灵活性，但存在择时指标范围窄、筛选流程复杂等问题[5][15][16] 回归法因子择时模型 - 模型名称：回归法因子择时模型 - 模型构建思路：通过回归模型分解因子收益，利用外生变量的稳定相关性预测因子未来收益[5][17] - 模型具体构建过程： 1. 假设因子收益与外生变量之间存在稳定相关性 2. 使用回归模型预测因子未来收益，公式如下： $\beta_{j,t}=\alpha+C_{1,t}X_{1,t}+C_{2,t}X_{2,t}+\cdots+C_{N,t}X_{N,t}+\varepsilon_{t}$ 其中，$X_{n,t}$为外生变量，$C_{n,t}$为回归系数[17] 3. 通过动态调整外生变量，提升模型的扩展性和易用性[17][18] - 模型评价：相比条件期望模型，回归法模型更易理解、实现且具有更强的扩展性[5][17] --- 模型的回测效果 - 条件期望因子择时模型： - 2017年因子择时组合收益约为11%，不择时组合收益约为-20%，超额收益约为31%[5][14] - 在规模因子、反转因子、估值因子和盈利因子上的配置灵活性较强[14] --- 量化因子与构建方式 规模因子 - 因子名称：规模因子 - 因子构建思路：通过股票对数总市值计算，因子IC越高，市场越偏好大盘股；因子IC越低，市场越偏好小盘股[23] - 因子具体构建过程： 1. 使用股票对数总市值计算规模因子 2. 剔除行业影响后，分析因子IC与宏观经济、债券市场、股票市场指标的跨期相关性[23][24] - 因子评价：规模因子与多种宏观和市场指标具有显著相关性，能够较好地反映市场风格偏好[24][27] 中盘因子 - 因子名称：中盘因子 - 因子构建思路：通过对数总市值平方计算，因子值越小，股票越偏向中盘；因子IC越高，市场风格越偏向大盘或小盘[38] - 因子具体构建过程： 1. 使用对数总市值平方计算中盘因子 2. 分析因子IC与消费、信用利差、指数涨幅等指标的跨期相关性[38][39] - 因子评价：中盘因子能够捕捉市场风格在大盘、小盘和中盘之间的切换[45][48] 流动性因子 - 因子名称：流动性因子 - 因子构建思路：通过股票过去1个月日均换手率计算，因子IC越高，市场越偏好高换手股票；因子IC越低，市场越偏好低换手股票[49] - 因子具体构建过程： 1. 使用股票过去1个月日均换手率计算流动性因子 2. 分析因子IC与指数涨幅、波动差值等指标的跨期相关性[49][51] - 因子评价：流动性因子能够反映市场对高换手和低换手股票的偏好变化[54][56] 反转因子 - 因子名称：反转因子 - 因子构建思路：通过股票过去1个月收益率计算，因子IC越高，市场动量效应越强；因子IC越低，市场反转效应越强[59] - 因子具体构建过程： 1. 使用股票过去1个月收益率计算反转因子 2. 分析因子IC与信用利差、指数波动等指标的跨期相关性[59][60] - 因子评价：反转因子能够捕捉市场动量与反转效应的切换[64][67] 波动率因子 - 因子名称：波动率因子 - 因子构建思路：通过股票过去1个月收益率的FF3回归R方计算，因子IC越高，市场越偏好高系统波动占比股票；因子IC越低，市场越偏好高特质波动占比股票[68] - 因子具体构建过程： 1. 使用FF3回归R方计算波动率因子 2. 分析因子IC与指数波动等指标的跨期相关性[68][69] - 因子评价：波动率因子能够反映市场对系统性风险和特质风险的偏好变化[73] 估值因子 - 因子名称：估值因子 - 因子构建思路：通过股票对数PB计算，因子IC越高，市场越偏好高估值股票；因子IC越低，市场越偏好低估值股票[74] - 因子具体构建过程： 1. 使用股票对数PB计算估值因子 2. 分析因子IC与进出口增速、TED利差等指标的跨期相关性[74][75] - 因子评价：估值因子能够捕捉市场在成长与价值风格之间的切换[78][85] 盈利因子 - 因子名称：盈利因子 - 因子构建思路：通过股票单季度ROE计算，因子IC越高，市场越偏好高盈利股票；因子IC越低，市场越偏好低盈利股票[89] - 因子具体构建过程： 1. 使用股票单季度ROE计算盈利因子 2. 分析因子IC与TED利差、利率变动等指标的跨期相关性[89][91] - 因子评价：盈利因子能够反映市场对高盈利和低盈利股票的偏好变化[94][99] 盈利成长因子 - 因子名称：盈利成长因子 - 因子构建思路：通过股票单季度ROE同比变化计算，因子IC越高，市场越偏好高盈利成长股票；因子IC越低，市场越偏好低盈利成长股票[103] - 因子具体构建过程： 1. 使用股票单季度ROE同比变化计算盈利成长因子 2. 分析因子IC与CPI增速、指数估值等指标的跨期相关性[103][106] - 因子评价：盈利成长因子能够捕捉市场对成长性股票的偏好变化[109][110] --- 因子的回测效果 - 规模因子：与PPI同比增速、短期利率变动、宽