Workflow
因子选股系列之一一三:时点风险模型
东方证券· 2025-04-20 11:41
量化模型与构建方式 1. **模型名称**:时点风险因子 - **构建思路**:针对外部风险事件的突发性,通过监测中证全指指数的振幅与成交额突破阈值(5日均值+1倍标准差)的突变时点,以个股当日涨跌幅构建风险因子,利用风险的短期集聚效应实现风险脱敏[4][9]。 - **具体构建过程**: 1. **振幅突变**:当日中证全指的振幅突破过去5日均值+1倍标准差时,以个股当日涨跌幅作为因子取值: $$f_{\_}tr_{t}=\begin{cases}re_{t}&if\,tr_{zxqz,t}>ts\_mean\big{(}tr_{zxqz,t-1},5\big{)}+ts\_std\big{(}tr_{zxqz,t-1},5\big{)},\\ f_{t-1}&else.\end{cases}$$ 2. **成交额突变**:当日中证全指的成交额突破阈值时,类似公式构造[32]。 3. **价量均突变**:同时满足振幅和成交额突破阈值时,以当日涨跌幅为因子取值: $$time\_risk_{t}=\begin{cases}ret_{t}&if\;tv_{xuzx,t}>ts\_mean\big{(}tr_{xuzx,t-1},5\big{)}+ts\_std\big{(}tr_{xuzx,t-1},5\big{)}\\ &and\;amt_{xuzx,t}>ts\_mean\big{(}amt_{xuzx,t-1},5\big{)}+ts\_std\big{(}amt_{xuzx,t-1},5\big{)},\\ f_{t-1}&else.\end{cases}$$ - **评价**:因子通过非参数化方式捕捉隐式风险,有效应对突发性市场冲击[4][32]。 2. **模型名称**:价格类风险因子(复合因子) - **构建思路**:通过多维度价格指标(如244日前高距离、Beta、波动率等)构建结构化风险因子,增强风险模型解释力[78][80]。 - **具体构建过程**: - **244日前高距离**:$$/_(_ (, 244) , 1)$$ - **Beta**:沿用Barra的Beta因子[80]。 - **波动率**:Barra的Volatility因子[80]。 - **评价**:覆盖全维度风险,与Barra模型结合后显著提升风险解释力(周度R2从7.88%提升至10.18%)[83]。 --- 模型的回测效果 1. **时点风险因子(中证500增强)**: - 超额收益:从4.67%提升至8.59%(20241031)[5][48]。 - 相对最大回撤:从-8.64%降至-4.65%[48]。 - 信息比(IR):从0.63提升至1.6[48]。 - 跟踪误差:从7.22%降至5.63%[48]。 2. **价格类风险因子(中证500增强)**: - 超额收益:14.26%(全样本期)[87]。 - 相对最大回撤:-4.32%[87]。 - 信息比(IR):3.74[87]。 --- 量化因子与构建方式 1. **因子名称**:振幅突变因子 - **构建过程**:同上述时点风险因子中的振幅突变部分[32]。 2. **因子名称**:成交额突变因子 - **构建过程**:同上述时点风险因子中的成交额突变部分[32]。 3. **因子名称**:价量均突变因子 - **构建过程**:综合振幅与成交额突变条件[32]。 --- 因子的回测效果 1. **振幅突变因子**: - IC均值:-0.009,IC绝对值均值:0.098,年化ICIR:-0.498[44]。 - 周度自相关系数:0.30[44]。 2. **价量均突变因子**: - IC均值:-0.012,IC绝对值均值:0.100,年化ICIR:-0.646[44]。 - 周度自相关系数:0.61[44]。 3. **价格类风险因子(如244日前高距离)**: - IC均值:-0.019,IC绝对值均值:0.125,年化ICIR:-0.82[78]。 --- 关键结论 - **时点风险因子**:显著改善突发风险下的组合表现,尤其适用于事件驱动型市场[5][48]。 - **价格类风险因子**:通过多维度覆盖提升风险模型稳健性,与Barra模型互补[83][87]。
红利风格投资价值跟踪:M1-M2同比剪刀差维持上行趋势,红利相对成交额逐步走高
信达证券· 2025-04-19 21:31
M1-M2 同比剪刀差维持上行趋势,红利相对成交额逐步走高 —— 红利风格投资价值跟踪(2025W16) [Table_ReportTime] 2025 年 4 月 19 日 [于明明 Table_ First 金融工程与金融产品首席 Author] 分析师 执业编号:S1500521070001 联系电话:+86 18616021459 邮 箱:yumingming@cindasc.com 周金铭 金融工程与金融产品分析师 执业编号:S1500523050003 联系电话:+86 18511558803 邮 箱:zhoujinming@cindasc.com 请阅读最后一页免责声明及信息披露 http://www.cindasc.com 1 证券研究报告 金工研究 [TableReportType] 金工专题报告 [Table_A 于明明 uthor 金融工程与金融产品 ] 首席分析师 执业编号:S1500521070001 联系电话:+86 18616021459 邮 箱:yumingming@cindasc.com 周金铭 金融工程与金融产品 分析师 执业编号:S1500523050003 联系电话:+ ...
利率市场趋势定量跟踪:利率择时信号维持偏多,机构久期微升
招商证券· 2025-04-19 21:25
量化模型与构建方式 1. **模型名称**:利率价量多周期择时策略 - **模型构建思路**:通过核回归算法捕捉利率趋势形态,识别不同周期(长、中、短)下的支撑线和阻力线,结合突破信号生成多周期复合择时观点[10][12] - **模型具体构建过程**: 1. **信号生成**: - 长周期(月度)、中周期(双周)、短周期(周度)分别计算利率的支撑线和阻力线 - 判断利率是否突破支撑线(下行)或阻力线(上行) - 综合规则: - 至少2个周期同向突破且趋势非反向时,满配对应久期(如长久期或短久期) - 突破但趋势反向时,配置中久期与目标久期等权组合 - 其他情况等权配置三种久期[22] 2. **止损机制**:单日超额收益<-0.5%时切换为等权配置[22] - **模型评价**:策略通过多周期共振增强信号稳定性,长期胜率高 2. **模型名称**:公募债基久期测算模型 - **模型构建思路**:基于改进的回归模型动态跟踪公募基金的久期及分歧水平[13][16] - **模型具体构建过程**: 1. **数据输入**:全市场中长期纯债基金的持仓数据(含杠杆调整) 2. **计算指标**: - 久期中位数:$$ \text{Median}(D_i) $$,其中$D_i$为第$i$只基金的久期 - 久期分歧:截面标准差 $$ \sigma_D = \sqrt{\frac{1}{N}\sum_{i=1}^N (D_i - \bar{D})^2} $$ - 平滑处理:4周移动平均[13][14] - **模型评价**:有效捕捉机构行为变化,分位数指标提供历史参考 --- 量化因子与构建方式 1. **因子名称**:利率水平结构因子 - **因子构建思路**:反映利率绝对水平偏离历史均值的程度[7][9] - **因子具体构建过程**: 1. 计算1-10年期国债到期收益率(YTM)的均值 $$ \text{Level} = \frac{1}{10}\sum_{t=1}^{10} \text{YTM}_t $$ 2. 标准化为分位数:滚动3/5/10年窗口计算历史分位[9] 2. **因子名称**:利率期限结构因子 - **因子构建思路**:刻画长短期利差特征[7][9] - **因子具体构建过程**: 1. 计算期限利差 $$ \text{Slope} = \text{YTM}_{10} - \text{YTM}_1 $$ 2. 分位数标准化同水平结构[9] 3. **因子名称**:利率凸性结构因子 - **因子构建思路**:衡量收益率曲线凸性变化[7][9] - **因子具体构建过程**: 1. 计算凸性值 $$ \text{Convexity} = \text{YTM}_5 - \frac{\text{YTM}_1 + \text{YTM}_{10}}{2} $$ 2. 分位数标准化[9] --- 模型的回测效果 1. **利率价量多周期择时策略** - 长期年化收益率:6.22% - 最大回撤:1.53% - 收益回撤比:2.27 - 超额收益率(vs久期等权基准):1.69%[23][26] - 逐年胜率(绝对收益>0):100%[4] 2. **公募债基久期测算模型** - 当前久期中位数:3.03年(历史5年分位数82.63%) - 久期分歧:1.48年(历史5年分位数54.44%)[14] --- 因子的回测效果 1. **利率水平结构因子** - 当前读数:1.54%(3/5/10年分位数:7%/4%/2%)[9] 2. **利率期限结构因子** - 当前读数:0.22%(3/5/10年分位数:1%/0%/4%)[9] 3. **利率凸性结构因子** - 当前读数:-0.07%(3/5/10年分位数:4%/2%/2%)[9]
VIX持续回落,小盘短期风险仍然偏高
信达证券· 2025-04-19 15:41
根据提供的研报内容,以下是量化模型与因子的详细总结: 量化模型与构建方式 1. **模型名称:股指期货分红点位预测模型** - **构建思路**:基于历史数据和成分股分红信息,预测股指期货合约存续期内标的指数的分红点位[9] - **具体构建过程**: 1. 对中证500、沪深300、上证50、中证1000指数未来一年分红点位进行预测 2. 按合约存续期(当月/次月/当季/下季)拆分预测结果 3. 计算公式: $$分红占比 = \frac{下季合约存续期内分红点位}{未来一年总分红点位} \times 100\%$$ 示例:中证500下季合约IC2509分红占比1.51%[9] 2. **模型名称:基差修正模型** - **构建思路**:剔除分红影响后计算年化基差,反映期货合约真实定价偏差[22] - **具体构建过程**: 1. 计算实际基差:合约收盘价 - 标的指数收盘价 2. 调整预期分红: $$调整后基差 = 实际基差 + 存续期内未实现预期分红$$ 3. 年化处理: $$年化基差 = \frac{调整后基差}{指数价格} \times \frac{360}{合约剩余天数}$$ 示例:IC2506合约年化基差-11.21%[23] 3. **模型名称:期现对冲策略** - **构建思路**:通过做空股指期货对冲现货风险,包含连续对冲和最低贴水两种策略[46][48] - **具体构建过程**: - **连续对冲策略**: 1. 持有季月/当月合约至到期前2日平仓 2. 同步开仓下一季月/当月合约 - **最低贴水策略**: 1. 每日计算所有可交易合约的年化基差 2. 选择贴水幅度最小的合约开仓 3. 持有8个交易日或至到期前2日 量化因子与构建方式 1. **因子名称:Cinda-VIX波动率指数** - **构建思路**:反映期权市场对标的资产未来波动率的预期[64] - **具体构建过程**: 1. 基于不同期限(30/60/90/120日)期权隐含波动率计算 2. 示例:中证1000VIX_30取值为28.63[64] 2. **因子名称:Cinda-SKEW偏斜指数** - **构建思路**:衡量期权市场对极端风险的定价,>100预示市场担忧下跌风险[70] - **具体构建过程**: 1. 分析虚值看涨/看跌期权隐含波动率差异 2. 示例:沪深300SKEW取值为102.42[71] 模型的回测效果 | 策略类型 | 年化收益 | 波动率 | 最大回撤 | 净值 | 年换手次数 | |------------------|----------|--------|----------|--------|------------| | IC季月连续对冲 | -1.68% | 4.89% | -8.34% | 0.9549 | 4 | | IC最低贴水策略 | -0.77% | 4.80% | -7.97% | 0.9791 | 18.01 | | IF季月连续对冲 | 1.06% | 3.45% | -4.03% | 1.0290 | 4 | | IF最低贴水策略 | 1.65% | 3.24% | -4.06% | 1.0454 | 15.43 | | IH季月连续对冲 | 2.20% | 3.66% | -3.75% | 1.0609 | 4 | | IM最低贴水策略 | -3.40% | 5.35% | -11.11% | 0.9102 | 16.54 | [50][55][59][61] 因子的回测效果 | 因子名称 | 当前值 | |------------------|----------| | 上证50VIX_30 | 19.27 | | 沪深300VIX_30 | 20.0 | | 中证500VIX_30 | 32.09 | | 中证1000VIX_30 | 28.63 | | 上证50SKEW | 101.91 | | 沪深300SKEW | 102.42 | | 中证1000SKEW | 102.36 | [64][71] 模型评价 - **分红预测模型**:有效捕捉成分股分红对期货定价的影响,但依赖历史分红数据的稳定性[9] - **最低贴水策略**:在多数指数上表现优于连续对冲策略,但换手成本较高[50][55][59] - **Cinda-VIX**:能灵敏反映市场波动预期变化,尤其对中小盘波动预警效果显著[64]
因子周报:本周估值风格显著,规模因子表现出色-20250419
招商证券· 2025-04-19 15:36
量化模型与因子分析总结 量化因子与构建方式 1. **估值因子** - 构建思路:衡量股票账面价值与市场价值的比率[17] - 具体构建:BP = 归母股东权益/总市值[17] - 评价:反映市场对低估值资产的偏好 2. **成长因子** - 构建思路:综合衡量营业收入和净利润增长[17] - 具体构建:成长因子 = (SGRO + EGRO)/2 - SGRO:过去五个财年年报的每股营业收入回归系数除以均值[17] - EGRO:过去五个财年年报的每股归母净利润回归系数除以均值[17] 3. **盈利因子** - 构建思路:衡量公司盈利能力[17] - 具体构建:盈利因子 = (ETOP + CETOP)/2 - ETOP = 归母净利润TTM/总市值[17] - CETOP = 经营活动产生的现金流量净额TTM/总资产[17] 4. **规模因子** - 构建思路:衡量公司市值大小[17] - 具体构建:LNCAP = 总市值的对数[17] 5. **动量因子** - 构建思路:衡量股票价格趋势[17] - 具体构建:RSTR = 过去504个交易日个股累计收益率(不含最近21日),使用半衰指数加权[17] 6. **流动性因子** - 构建思路:衡量股票交易活跃度[17] - 具体构建:流动性因子 = (STOM + STOQ + STOA)/3 - STOM = 个股过去1个月换手率加总的对数[17] - STOQ = 过去3个月STOM的均值[17] - STOA = 过去12个月STOM的均值[17] 7. **非线性市值因子** - 构建思路:捕捉市值非线性效应[17] - 具体构建:NLSIZE = 总市值对数的三次方与对数市值进行加权最小二乘回归的残差[17] 因子回测效果 风格因子表现 | 因子名称 | 近一周多空收益 | 近一月多空收益 | |---------|--------------|--------------| | 估值因子 | 2.06%[19] | 10.18%[19] | | 规模因子 | -2.87%[19] | -1.08%[19] | | 非线性市值因子 | -0.89%[19] | 0.92%[19] | | 杠杆因子 | 0.48%[19] | 2.63%[19] | | 盈利因子 | 0.46%[19] | 7.77%[19] | 沪深300股票池因子表现 | 因子名称 | 最近一周超额收益 | 最近一月超额收益 | |---------|----------------|----------------| | 120日成交量比率 | 0.59%[27] | 0.00%[27] | | 单季度ROA同比 | 0.40%[27] | 0.88%[27] | | BP因子 | 0.36%[27] | -0.36%[27] | | 盈余公告次日开盘跳空超额 | 0.33%[27] | 1.28%[27] | | 前五大股东持股比例 | 0.30%[27] | 1.84%[27] | 中证500股票池因子表现 | 因子名称 | 最近一周超额收益 | 最近一月超额收益 | |---------|----------------|----------------| | 标准化预期外盈利 | 0.90%[29] | 1.46%[29] | | 流动比率 | 0.84%[29] | 1.84%[29] | | 单季度营业收入同比增速 | 0.82%[29] | 1.04%[29] | | 标准化预期外收入 | 0.82%[29] | 0.07%[29] | | 单季度毛利率 | 0.49%[29] | 0.56%[29] | 全市场股票池因子表现 | 因子名称 | 近一周Rank IC | 近一月Rank IC均值 | |---------|--------------|------------------| | 对数市值 | 23.24%[44] | 2.09%[44] | | EP_TTM | 12.35%[44] | 9.41%[44] | | 单季度EP | 11.98%[44] | 8.61%[44] | | BP | 10.22%[44] | 4.02%[44] | | 60日收益率标准差 | 10.18%[44] | 10.42%[44] | 量化基金表现 指数增强型基金 | 基准指数 | 近一周平均超额收益 | 近一月平均超额收益 | |---------|------------------|------------------| | 沪深300 | 0.16%[49] | -0.12%[49] | | 中证500 | 0.43%[49] | 1.01%[49] | | 中证1000 | 0.54%[49] | 1.73%[49] | 主动量化基金 - 汇安多策略A近一周绝对收益2.82%[52] - 诺安多策略A近一周绝对收益2.70%[52] - 九泰久盛量化先锋A近一周绝对收益2.44%[52] 对冲型基金 - 工银绝对收益A近一周绝对收益0.76%[52] - 富国量化对冲策略三个月持有A近一周绝对收益0.36%[52]
多因子选股周报:成长价值因子共振,三大指增组合本周均跑赢基准-20250419
国信证券· 2025-04-19 15:34
量化模型与构建方式 1. **模型名称**:国信金工指数增强组合 - **模型构建思路**:以多因子选股为主体,分别构建对标沪深300、中证500及中证1000指数的增强组合,通过收益预测、风险控制和组合优化三部分实现稳定超额收益[11][12] - **模型具体构建过程**: 1. **收益预测**:基于估值、成长、盈利等30余个因子构建因子库(见表1)[17] 2. **风险控制**:控制行业暴露、风格暴露、个股权重偏离等约束条件[35] 3. **组合优化**:采用最大化单因子暴露组合(MFE)优化模型,目标函数为最大化因子暴露,约束条件包括风格中性、行业中性等[35][36] - **优化模型公式**: $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ - **模型评价**:通过MFE组合检验因子在实际约束下的有效性,提升组合稳健性[35] 模型的回测效果 1. **国信金工指数增强组合**: - 沪深300增强:本周超额0.79%,本年超额2.38%[14] - 中证500增强:本周超额0.58%,本年超额2.73%[14] - 中证1000增强:本周超额1.17%,本年超额4.33%[14] --- 量化因子与构建方式 1. **因子库概述**:涵盖估值、反转、成长、盈利等7大类30余个因子(见表1)[17] - **代表性因子构建过程**: - **BP因子**:净资产/总市值[17] - **单季EP因子**:单季度归母净利润/总市值[17] - **非流动性冲击因子**:过去20个交易日日涨跌幅绝对值/成交额均值[17] - **三个月换手因子**:过去60个交易日换手率均值[17] 2. **MFE组合构建**: - **构建方式**:每月末基于优化模型构建单因子MFE组合,控制行业/风格中性,个股偏离权重0.5%-1%[35][39] - **测试维度**:在沪深300、中证500、中证1000及公募重仓指数样本空间中检验因子表现[15] --- 因子的回测效果 沪深300样本空间因子表现[18][19] 1. **近期表现优异因子**: - 预期BP(本周0.62%,年化3.59%) - 预期净利润环比(本周0.62%,年化1.64%) - BP(本周0.59%,年化2.99%) 2. **近期表现较差因子**: - 特异度(本周-0.30%,年化1.55%) - 标准化预期外收入(本周-0.25%,年化4.12%) 中证500样本空间因子表现[20][21] 1. **近期表现优异因子**: - 单季净利同比增速(本周0.86%,年化7.14%) - 标准化预期外盈利(本周0.81%,年化8.46%) 2. **近期表现较差因子**: - 三个月反转(本周-0.76%,年化0.14%) - 一个月反转(本周-0.46%,年化0.00%) 中证1000样本空间因子表现[22][23] 1. **近期表现优异因子**: - 预期PEG(本周1.41%,年化3.59%) - 标准化预期外收入(本周1.17%,年化6.31%) 2. **近期表现较差因子**: - 一个月反转(本周-0.72%,年化-2.10%) - DELTAROA(本周-0.35%,年化7.62%) 公募重仓指数样本空间因子表现[24][25] 1. **近期表现优异因子**: - 预期净利润环比(本周0.62%) - 标准化预期外盈利(本周0.81%) 2. **近期表现较差因子**: - 三个月反转(本周-0.76%) - 高管薪酬(本周-0.61%) --- 附录 1. **公募重仓指数构建**: - **选样空间**:普通股票型及偏股混合型基金(规模≥5000万且成立半年以上)[37] - **构建方式**:按基金持仓权重降序选取累计权重90%的股票作为成分股[38]
分红对期指的影响20250418
东方证券· 2025-04-19 14:59
量化模型与构建方式 1. **模型名称**:分红预测模型 - **模型构建思路**:基于上市公司分红信息(年报、快报、预警等)和合理假设,预测指数成分股分红对股指期货合约的影响[7][9][22] - **模型具体构建过程**: 1. **预估成分股净利润**:优先采用年报数据,其次为快报、预警、三季报TTM或分析师预测均值[25][26] 2. **计算税前分红总额**: - 已公布分红预案的公司直接采用其数据 - 未公布预案的公司,若历史分红率>0,则假设分红率不变,公式: $$\text{预估分红总额} = \text{预估净利润} \times \text{历史分红率}$$ - 净利润为负或历史不分红的公司,分红率设为0[29] 3. **计算分红对指数的影响**: - 股息率 = 税后分红总额 / 最新市值 - 股息点 = 股票权重 × 股息率 - 权重调整公式(考虑涨跌幅R): $$\mathrm{w_{it}={\frac{w_{i0}\times\ (\ 1+R\ )}{\sum_{1}^{n}w_{i0}\times\ (\ 1+R\ )}}}$$[27] 4. **预测分红对各合约的影响值**: - 除权除息日预测:参考公司历史分红时间差中位数,结合股东大会日期推算[30][31] - 合约影响值 = 交割日前所有分红点的累计[31] - **模型评价**:依赖历史分红率和时间分布的假设,对未公告分红公司预测存在不确定性[7][34] 2. **模型名称**:股指期货理论定价模型 - **模型构建思路**:基于无套利原理,考虑分红现值和无风险利率,推导期货理论价格[34][35] - **模型具体构建过程**: 1. **离散红利分配**: - 期货定价公式: $$F_t = (S_t - D)(1 + r)$$ 其中,$D$为红利现值,$r$为无风险利率[34] 2. **连续红利分配**: - 期货定价公式: $$F_t = S_t e^{(r - d)(T - t)}$$ 其中,$d$为年化红利率[35] 模型的回测效果 1. **分红预测模型**: - 上证50(IH2505):分红点数0.00,年化对冲成本6.79%(365天)[10] - 沪深300(IF2505):分红点数7.65,年化对冲成本9.63%(365天)[11] - 中证500(IC2505):分红点数4.13,年化对冲成本17.67%(365天)[11] - 中证1000(IM2505):分红点数8.13,年化对冲成本19.08%(365天)[12] 2. **股指期货理论定价模型**: - 未提供具体回测数据,仅作为理论参考[34][35] 量化因子与构建方式 1. **因子名称**:分红点数因子 - **因子构建思路**:反映分红对股指期货合约价格的实际影响[7][10] - **因子具体构建过程**: - 计算合约交割日前所有成分股分红的累计点数[31] - 结合权重调整公式(见分红预测模型步骤3)[27] 2. **因子名称**:含分红价差因子 - **因子构建思路**:衡量实际价差与分红调整后价差的差异[10][11] - **因子具体构建过程**: - 含分红价差 = 实际价差 + 分红点数[10] - 示例(IH2506):实际价差-24.24,分红点数18.38 → 含分红价差-5.86[10] 因子的回测效果 1. **分红点数因子**: - IH2506:18.38点[10] - IF2509:76.00点[11] - IC2509:80.41点[11] - IM2509:68.42点[12] 2. **含分红价差因子**: - IH2509:0.69点(实际价差-58.04)[10] - IF2509:-42.33点(实际价差-118.32)[11] - IC2509:-208.11点(实际价差-288.52)[11] - IM2509:-286.26点(实际价差-354.69)[12]
港股投资周报:估值板块领涨,港股精选组合年内上涨12.72%-20250419
国信证券· 2025-04-19 14:53
量化模型与构建方式 1. **模型名称**:港股精选组合策略 - **模型构建思路**:基于分析师推荐事件(如盈利预测上调、首次关注、研报标题超预期)构建股票池,再通过基本面和技术面双重筛选选出优质股票[15][17] - **模型具体构建过程**: 1. **事件筛选**:选取分析师上调盈利预测、首次覆盖或标题含“超预期”的研报标的 2. **基本面筛选**:要求过去6个月至少有5份买入/增持评级研报 3. **技术面筛选**:过去250日涨跌幅位于全市场前20%,且通过股价位移路程比、创新高连续性等指标综合打分[24] 4. **组合构建**:等权重配置通过筛选的股票,满仓运行并考虑交易成本[17] - **模型评价**:长期表现稳健,年化超额收益显著,但短期可能受市场波动影响[17][20] 2. **因子名称**:平稳创新高股票筛选因子 - **因子构建思路**:结合动量效应与股价路径平滑性,筛选具有持续创新高能力的股票[21][23] - **因子具体构建过程**: 1. **初筛条件**: - 样本池:上市超过15个月的港股 - 分析师关注度:过去6个月≥5份买入/增持评级研报 - 股价强度:过去250日涨跌幅前20%[24] 2. **核心指标计算**: - **250日新高距离**: $$1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中`Closet`为最新收盘价,`ts_max(Close, 250)`为过去250日最高价[23] - **股价平稳性**: - 位移路程比 = 过去120日涨跌幅绝对值 / 过去120日日涨跌幅绝对值加总 - 创新高持续性 = 过去120日250日新高距离的时序均值[23][24] 3. **最终筛选**:综合排序选取前50只股票,优先创新高距离趋近0且路径平滑的标的[24] - **因子评价**:有效捕捉港股动量效应,但需警惕市场风格切换风险[21][23] --- 模型的回测效果 1. **港股精选组合策略**: - 年化收益:17.02% - 超额收益(vs恒生指数):17.60% - 信息比率(IR):1.19 - 最大回撤:23.73%[20] 2. **平稳创新高因子**(以2025年4月筛选结果为例): - 入选股票平均250日涨跌幅:94.7%~450.5% - 创新高距离中位数:0.1%~9.8% - 板块分布:消费(6只)、医药(6只)、大金融(5只)[23][29] --- 其他量化指标 - **南向资金监控因子**: - 本周净流入232亿港元,年内累计净流入6045亿港元[35][37] - 资金偏好:阿里巴巴-W(+48.6亿港元)、腾讯控股(+29.1亿港元)[38] - **ETF申赎因子**: - 规模前三港股ETF:富国港股通互联网ETF(432.7亿元)、华夏恒生科技指数ETF(259.4亿元)[48]
一周市场数据复盘20250418
华西证券· 2025-04-19 14:52
根据提供的研报内容,以下是关于量化模型和因子的总结: 量化因子与构建方式 1. **因子名称:行业拥挤度因子** - **因子构建思路**:通过计算行业指数最近一周价格和成交金额变动的马氏距离,衡量行业的交易拥挤程度[17] - **因子具体构建过程**: 1. 使用行业指数价格和成交金额的变动数据 2. 计算价格与成交金额变动的马氏距离,公式为: $$D = \sqrt{(x - \mu)^T \Sigma^{-1} (x - \mu)}$$ 其中,\(x\)为价格和成交金额的变动向量,\(\mu\)为均值向量,\(\Sigma\)为协方差矩阵 3. 将结果划分为四个象限,第1象限为价量齐升,第3象限为价量齐跌 4. 椭圆之外的行业表示价格与成交金额偏离度置信水平超过99%,即显著拥挤的行业[17] - **因子评价**:该因子能够有效识别短期交易过热或过冷的行业,但需结合其他指标综合判断 因子的回测效果 1. **行业拥挤度因子** - 上周无行业出现交易拥挤[17] 其他量化相关数据 1. **宽基指数表现** - 上证综指近1周上涨1.19%,上证50上涨1.45%,创业板指下跌0.64%,科创50下跌0.31%[9] - 今年以来中证2000上涨0.45%,科创50上涨1.99%[9] 2. **行业指数表现** - 上周银行上涨4.04%,房地产上涨3.40%,国防军工下跌2.55%,农林牧渔下跌2.15%[13] - 今年以来有色金属上涨5.89%,银行上涨3.51%[13] 3. **估值分位数** - 钢铁PE分位数99%,建筑材料97%,房地产93%[14] - 公用事业PE分位数7%,食品饮料11%,农林牧渔12%[14] 注:研报中未提及具体的量化模型,仅包含行业拥挤度因子的构建方法和市场表现数据[17][9][13][14]
因子跟踪周报:小市值、成长因子表现较好-20250419
天风证券· 2025-04-19 14:52
金融工程 | 金工定期报告 金融工程 证券研究报告 因子跟踪周报: 小市值、成长因子表现较好 - 20250419 因子 IC 跟踪 IC 方面,最近一周,小市值、bp、1 个月非流动性冲击等因子表现较好, Beta、一致预期净利润复合增速、高管平均薪酬等因子表现较差;最近一 月,1 个月日均换手率、1 个月换手率波动、1 个月非流动性冲击等因子 表现较好,Beta、小市值、90 天分析师覆盖度等因子表现较差;最近一 年,Fama-French 三因子 1 月残差波动率、1 月特异度、1 个月超额收益 率波动等因子表现较好,一年动量、一致预期净利润复合增速、业绩预告 精确度等因子表现较差。 因子多头组合跟踪 多头组合方面,最近一周,前五大股东持股比例合计、季度资产周转率、 季度净利润同比增长等因子表现较好,1 个月反转、bp 三年分位数、Beta 等因子表现较差;最近一月,基于一致预期的标准化预期外盈利、前五大 股东持股比例合计、财报超研报预期程度等因子表现较好,Beta、小市 值、1 个月反转等因子表现较差;最近一年,小市值、业绩预告精确度、 季度净利润同比增长等因子表现较好,一年动量、90 天净上调预期占 ...