因子

搜索文档
【金工】市场小市值风格明显,大宗交易组合超额收益显著——量化组合跟踪周报20250628(祁嫣然/张威)
光大证券研究· 2025-06-28 22:32
量化市场跟踪 - 本周全市场股票池中Beta因子和流动性因子分别获取正收益1.06%和0.37%,市值因子和残差波动率因子分别获取负收益-0.64%和-0.31%,市场表现为小市值风格,盈利因子获取负收益-0.30% [2] - 沪深300股票池中表现较好的因子有单季度净利润同比增长率(1.94%)、5日反转(1.83%)和标准化预期外收入(1.79%),表现较差的因子有大单净流入(-0.87%)、ROIC增强因子(-0.63%)和单季度ROA(-0.45%) [3] - 中证500股票池中表现较好的因子有总资产增长率(1.84%)、单季度营业收入同比增长率(1.56%)和单季度营业利润同比增长率(1.07%),表现较差的因子有营业利润率TTM(-1.79%)、单季度EPS(-1.67%)和大单净流入(-1.60%) [3] - 流动性1500股票池中表现较好的因子有单季度营业利润同比增长率(2.31%)、单季度净利润同比增长率(2.09%)和6日成交金额的移动平均值(1.55%),表现较差的因子有市盈率因子(-1.74%)、市盈率TTM倒数(-1.69%)和单季度ROE(-1.41%) [3] 因子行业内表现 - 基本面因子在各行业表现分化,净资产增长率因子、每股净资产因子和每股经营利润TTM因子在综合行业正收益明显 [4] - 估值类因子中EP因子和BP因子在综合行业正收益明显 [4] - 残差波动率因子和流动性因子在非银金融行业正收益明显 [4] - 市值风格上本周综合、通信行业大市值风格显著 [4] 组合跟踪表现 - PB-ROE-50组合在中证800和全市场股票池中获取正超额收益,中证500股票池中获得超额收益-1.38%,中证800股票池中获得超额收益0.50%,全市场股票池中获得超额收益0.09% [5] - 公募调研选股策略相对中证800获得超额收益0.40%,私募调研跟踪策略相对中证800获得超额收益0.79% [6] - 大宗交易组合相对中证全指获得超额收益1.16% [7] - 定向增发组合相对中证全指获得超额收益1.05% [8]
净利润断层本周超额基准3.24%
天风证券· 2025-06-28 21:28
量化模型与构建方式 1. **模型名称:戴维斯双击策略** - **模型构建思路**:通过以较低市盈率买入具有成长潜力的股票,待成长性显现后卖出,实现EPS和PE的乘数效应收益[1][7] - **模型具体构建过程**: 1. 筛选盈利增速加速增长的标的,控制PE下行风险 2. 结合PEG指标评估股票定价合理性(盈利增速越高,理论上估值应更高)[7] - **模型评价**:策略在2010-2017年回测期内年化收益26.45%,超额基准21.08%,年度超额收益均超过11%,稳定性强[8] 2. **模型名称:净利润断层策略** - **模型构建思路**:基于基本面(净利润超预期)与技术面(股价向上跳空)共振选股[2][11] - **模型具体构建过程**: 1. 筛选过去两个月内业绩预告或财报超预期的股票 2. 按盈余公告日跳空幅度排序,选取前50只股票等权构建组合[11] - **模型评价**:2010年至今年化收益29.21%,超额基准27.45%,市场认可度高[14] 3. **模型名称:沪深300增强组合** - **模型构建思路**:基于GARP、成长型、价值型投资者偏好构建因子,增强基准指数收益[3][16] - **模型具体构建过程**: 1. **PBROE因子**:计算PB与ROE分位数之差,筛选低估值高盈利股票 2. **PEG因子**:计算PE与增速分位数之差,挖掘低估成长股 3. 结合营业收入、净利润增速(成长型)和长期稳定ROE(价值型)综合选股[16] - **模型评价**:历史回测超额收益稳定,因子逻辑贴合主流投资风格[20] --- 模型的回测效果 1. **戴维斯双击策略** - 全样本年化收益24.01%,超额基准21.74%,最大回撤-20.14%,收益回撤比1.08[10] - 2025年累计超额中证500指数14.14%,本周超额-0.15%[8] 2. **净利润断层策略** - 全样本年化收益29.21%,超额基准27.45%,最大回撤-37.12%,收益回撤比0.74[12] - 2025年累计超额基准24.98%,本周超额3.24%[14] 3. **沪深300增强组合** - 全样本年化超额收益9.13%,最大回撤-9.18%,收益回撤比0.99[18] - 2025年累计超额沪深300指数13.23%,本周超额-0.10%[20] --- 量化因子与构建方式 1. **因子名称:PBROE因子** - **因子构建思路**:结合估值(PB)与盈利能力(ROE),寻找低PB高ROE股票[16] - **因子具体构建过程**: $$ \text{PBROE} = \text{rank}(\text{PB分位数}) - \text{rank}(\text{ROE分位数}) $$ 分位数差值为负时,表明估值低于盈利水平,具备投资价值[16] 2. **因子名称:PEG因子** - **因子构建思路**:平衡估值(PE)与成长性(增速),挖掘低估成长股[16] - **因子具体构建过程**: $$ \text{PEG} = \text{rank}(\text{PE分位数}) - \text{rank}(\text{增速分位数}) $$ 分位数差值为负时,表明估值增速匹配度较优[16] --- 因子的回测效果 (注:报告中未单独列出因子指标值,仅体现于组合效果中)
东方因子周报:Beta风格领衔,一年动量因子表现出色-20250628
东方证券· 2025-06-28 20:36
量化模型与构建方式 1. **模型名称**:MFE组合构建模型 **模型构建思路**:通过最大化单因子暴露构建组合,同时控制行业、风格等约束条件[51] **模型具体构建过程**: - 目标函数:最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括: - 风格暴露约束:$$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离约束:$$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 个股权重偏离约束:$$w_{l}\leq w-w_{b}\leq w_{h}$$ - 成分股权重占比控制:$$b_{l}\leq B_{b}w\leq b_{h}$$ - 换手率约束:$$\Sigma|w-w_{0}|\leq to_{h}$$[51] **模型评价**:适用于多约束条件下的因子有效性检验,能更真实反映实际组合构建中的因子表现 量化因子与构建方式 1. **因子名称**:Beta风格因子 **因子构建思路**:衡量股票对市场波动的敏感性[13] **因子具体构建过程**:使用贝叶斯压缩后的市场Beta值[13] 2. **因子名称**:Trend因子 **因子构建思路**:捕捉股票价格趋势[13] **因子具体构建过程**: - Trend_120:$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240:$$EWMA(halflife=20)/EWMA(halflife=240)$$[13] 3. **因子名称**:Volatility因子 **因子构建思路**:衡量股票波动性[13] **因子具体构建过程**: - Stdvol:过去243天的标准波动率 - Ivff:Fama-French三因子特质波动率 - Range:最高价/最低价-1 - MaxRet_6/MinRet_6:过去243天最高/最低六日收益率均值[13] 4. **因子名称**:Liquidity因子 **因子构建思路**:衡量股票流动性[13] **因子具体构建过程**: - TO:过去243天平均对数换手率 - Liquidity beta:个股换手率与市场换手率的回归系数[13] 5. **因子名称**:Value因子 **因子构建思路**:基于估值指标构建[13] **因子具体构建过程**: - BP:账面市值比 - EP:盈利收益率[13] 6. **因子名称**:Growth因子 **因子构建思路**:衡量公司成长性[13] **因子具体构建过程**: - Delta ROE:过去3年ROE变动的平均值 - Sales_growth:销售收入TTM的3年复合增速 - Na_growth:净资产TTM的3年复合增速[13] 因子回测效果 1. **Beta因子**: - 近一周收益:6.95% - 近一年年化收益:42.35% - 历史年化收益:0.72%[12] 2. **Liquidity因子**: - 近一周收益:5.53% - 近一年年化收益:33.85% - 历史年化收益:-3.31%[12] 3. **Value因子**: - 近一周收益:-3.55% - 近一年年化收益:-26.81% - 历史年化收益:7.10%[12] 4. **一年动量因子**(中证全指): - 近一周收益:1.56% - 今年以来收益:-5.61% - 近一年年化收益:-13.27%[40] 5. **DELTAROE因子**(国证2000): - 近一周收益:8.27% - 近一年年化收益:75.23% - 历史年化收益:11.01%[33] 指数增强产品表现 1. **沪深300指数增强**: - 最近一周超额收益中位数:0.11% - 今年以来超额收益中位数:2.13%[44] 2. **中证500指数增强**: - 最近一周超额收益中位数:-0.37% - 今年以来超额收益中位数:3.32%[48] 3. **中证1000指数增强**: - 最近一周超额收益中位数:-0.23% - 今年以来超额收益中位数:5.22%[50]
因子周报:本周Beta与小市值风格强劲-20250628
招商证券· 2025-06-28 16:44
量化模型与构建方式 1. **模型名称**:中性约束条件下最大化因子暴露组合 - **模型构建思路**:在确保投资组合相对基准指数在行业和风格暴露保持中性的基础上,最大化目标因子在组合中的暴露[19] - **模型具体构建过程**: 1. 对股票池进行筛选,剔除上市时间不满1年的新股及存在风险警示的股票[44] 2. 对每个单因子进行中性化处理,消除其与行业、风格(规模、估值、成长)因子的相关性[44] 3. 使用优化方法在行业和风格中性约束下最大化目标因子暴露[19] 量化因子与构建方式 1. **因子名称**:Beta因子 - **因子构建思路**:捕捉个股与市场指数的弹性关系[15] - **因子具体构建过程**: - 将个股过去252个交易日的日收益率与中证全指日收益率进行半衰指数加权回归,半衰期为63个交易日,取回归系数作为BETA值 $$BETA = \text{回归系数(个股日收益 vs 中证全指日收益,半衰加权)}$$[15] 2. **因子名称**:规模因子(LNCAP) - **因子构建思路**:反映市值对收益的影响[15] - **因子具体构建过程**: $$LNCAP = \ln(\text{总市值})$$[15] 3. **因子名称**:动量因子(RSTR) - **因子构建思路**:捕捉个股中长期趋势[15] - **因子具体构建过程**: - 计算过去504个交易日个股累计收益率(排除最近21日),收益率序列使用半衰指数加权(半衰期126日) $$RSTR = \sum_{t=1}^{504} w_t \cdot r_t \quad (w_t=0.5^{t/126})$$[15] 4. **因子名称**:60日反转因子 - **因子构建思路**:捕捉短期反转效应[18] - **因子具体构建过程**: - 直接取个股过去60个交易日收益率 $$60日反转 = \sum_{t=1}^{60} r_t$$[18] 5. **因子名称**:20日特异度因子 - **因子构建思路**:衡量个股收益与三因子模型的偏离程度[18] - **因子具体构建过程**: - 将个股过去20个交易日日收益与Fama-French三因子回归,取拟合优度(R²)的负值 $$20日特异度 = -R^2$$[18] 模型与因子的评价 - **Beta因子**:近期表现突出,反映市场风险偏好提升[15][16] - **规模因子**:小市值效应强化,但长期多空收益为负[15][16] - **动量因子**:中长期有效性稳定,但近期受市场反转影响[15][18] - **反转因子**:短期反转效应显著,尤其在中证1000股票池中表现强劲[26][35] 模型与因子的测试结果 风格因子表现 | 因子名称 | 近一周多空收益 | 近一月多空收益 | |----------------|----------------|----------------| | Beta因子 | 7.50% | 8.74% |[16] | 规模因子 | -4.23% | -5.29% |[16] | 动量因子 | 1.48% | -1.62% |[16] 选股因子表现(沪深300股票池) | 因子名称 | 近一周超额收益 | 近一月超额收益 | |------------------------|----------------|----------------| | 对数市值 | 0.83% | 2.44% |[21] | 单季度营业利润同比增速 | 0.72% | 1.83% |[21] | 20日特异度 | 0.71% | 0.20% |[21] 全市场因子Rank IC | 因子名称 | 近一周Rank IC | 近一月Rank IC均值 | |----------------|---------------|--------------------| | 对数市值 | 24.81% | 9.05% |[44] | 20日特异度 | 21.07% | 11.25% |[44] | 60日反转 | 19.50% | 10.07% |[44]
多因子选股周报:反转因子表现出色,中证1000增强组合年内超额12.30%-20250628
国信证券· 2025-06-28 16:28
量化模型与因子分析总结 量化因子与构建方式 估值类因子 1. **BP因子**:构建思路为净资产与总市值的比率,反映公司账面价值与市场价值的相对关系[17] $$ BP = \frac{净资产}{总市值} $$ 2. **EPTTM因子**:构建思路为使用滚动12个月的归母净利润与总市值的比率[17] $$ EPTTM = \frac{归母净利润TTM}{总市值} $$ 3. **股息率因子**:构建思路为最近四个季度预案分红金额与总市值的比率[17] $$ 股息率 = \frac{最近四个季度预案分红金额}{总市值} $$ 反转类因子 1. **一个月反转因子**:构建思路为过去20个交易日的涨跌幅,反映短期反转效应[17] $$ 一个月反转 = 过去20个交易日涨跌幅 $$ 2. **三个月反转因子**:构建思路为过去60个交易日的涨跌幅,反映中期反转效应[17] $$ 三个月反转 = 过去60个交易日涨跌幅 $$ 动量类因子 1. **一年动量因子**:构建思路为近一年除近一月后的动量,反映长期动量效应[17] $$ 一年动量 = 近一年除近一月后动量 $$ 成长类因子 1. **单季净利同比增速因子**:构建思路为单季度净利润同比增长率[17] $$ 单季净利同比增速 = \frac{当期单季度净利润-去年同期单季度净利润}{去年同期单季度净利润} $$ 2. **单季营收同比增速因子**:构建思路为单季度营业收入同比增长率[17] $$ 单季营收同比增速 = \frac{当期单季度营业收入-去年同期单季度营业收入}{去年同期单季度营业收入} $$ 盈利类因子 1. **单季ROE因子**:构建思路为单季度归母净利润的两倍除以期初与期末归母净资产的平均值[17] $$ 单季ROE = \frac{单季度归母净利润×2}{期初归母净资产+期末归母净资产} $$ 流动性类因子 1. **一个月换手因子**:构建思路为过去20个交易日换手率的均值[17] $$ 一个月换手 = \frac{过去20个交易日换手率总和}{20} $$ 波动类因子 1. **特异度因子**:构建思路为1减去过去20个交易日Fama-French三因子回归的拟合度[17] $$ 特异度 = 1-R^2_{FF3} $$ 分析师类因子 1. **预期EPTTM因子**:构建思路为一致预期滚动EP值[17] $$ 预期EPTTM = 一致预期滚动EP $$ 因子回测效果 沪深300样本空间 1. **单季营利同比增速因子**:最近一周0.77%,最近一月1.84%,今年以来5.23%,历史年化2.98%[19] 2. **三个月反转因子**:最近一周0.66%,最近一月0.65%,今年以来3.01%,历史年化1.25%[19] 3. **特异度因子**:最近一周0.55%,最近一月-0.10%,今年以来2.28%,历史年化0.67%[19] 中证500样本空间 1. **一年动量因子**:最近一周1.26%,最近一月1.18%,今年以来2.77%,历史年化2.37%[21] 2. **特异度因子**:最近一周1.05%,最近一月2.04%,今年以来0.76%,历史年化1.67%[21] 3. **单季营收同比增速因子**:最近一周1.00%,最近一月3.50%,今年以来8.20%,历史年化3.29%[21] 中证1000样本空间 1. **一年动量因子**:最近一周1.45%,最近一月1.73%,今年以来0.26%,历史年化-0.55%[23] 2. **三个月反转因子**:最近一周1.09%,最近一月1.40%,今年以来0.38%,历史年化-0.61%[23] 3. **标准化预期外盈利因子**:最近一周0.77%,最近一月3.35%,今年以来6.17%,历史年化8.76%[23] 中证A500样本空间 1. **单季营利同比增速因子**:最近一周1.22%,最近一月2.75%,今年以来6.17%,历史年化1.80%[25] 2. **三个月反转因子**:最近一周1.08%,最近一月0.36%,今年以来3.64%,历史年化0.97%[25] 3. **一年动量因子**:最近一周0.74%,最近一月0.87%,今年以来-2.03%,历史年化0.85%[25] MFE组合构建方法 1. **构建思路**:通过组合优化方式构建最大化单因子暴露组合,控制行业暴露、风格暴露等约束条件[39] 2. **优化模型**: $$ \begin{array}{ll} max & f^{T}w \\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h} \\ & h_{l}\leq H(w-w_{b})\leq h_{h} \\ & w_{l}\leq w-w_{b}\leq w_{h} \\ & b_{l}\leq B_{b}w\leq b_{h} \\ & \mathbf{0}\leq w\leq l \\ & \mathbf{1}^{T}w=1 \end{array} $$ 其中f为因子取值,w为股票权重向量,wb为基准指数成分股权重向量[39][40]
因子跟踪周报:小市值、Beta因子表现较好-20250628
天风证券· 2025-06-28 16:15
量化因子与构建方式 1. 估值类因子 **因子名称**:bp **构建思路**:衡量公司净资产与市值的相对关系,反映估值水平[13] **构建过程**:$$ bp = \frac{当前净资产}{当前总市值} $$ **因子名称**:bp三年分位数 **构建思路**:通过分位数标准化当前bp值,消除时间序列波动[13] **构建过程**:计算股票当前bp在最近三年的分位数排名 **因子名称**:季度ep **构建思路**:反映单位净资产创造的净利润[13] **构建过程**:$$ 季度ep = \frac{季度净利润}{净资产} $$ **因子名称**:季度sp **构建思路**:衡量单位净资产产生的营业收入[13] **构建过程**:$$ 季度sp = \frac{季度营业收入}{净资产} $$ 2. 盈利类因子 **因子名称**:季度roa **构建思路**:评估资产利用效率[13] **构建过程**:$$ 季度roa = \frac{季度净利润}{总资产} $$ **因子名称**:季度roe **构建思路**:反映股东权益回报率[13] **构建过程**:$$ 季度roe = \frac{季度净利润}{净资产} $$ 3. 成长类因子 **因子名称**:标准化预期外盈利 **构建思路**:量化业绩超预期程度[13] **构建过程**: $$ \frac{当前季度净利润 - (去年同期单季净利润 + 过去8个季度单季净利润同比增长均值)}{过去8个季度单季度净利润同比增长值的标准差} $$ 4. 波动率类因子 **因子名称**:Fama-French三因子1月残差波动率 **构建思路**:衡量不能被市场、规模、价值因子解释的特异性风险[13] **构建过程**:对过去20个交易日日收益进行Fama-French三因子回归,取残差标准差 **因子名称**:1月特异度 **构建思路**:通过R方衡量收益的可解释性[13] **构建过程**:$$ 1 - R^2 $$(R方来自Fama-French三因子回归) 5. 反转类因子 **因子名称**:1个月反转 **构建思路**:捕捉短期过度反应后的均值回复效应[13] **构建过程**:累加过去20个交易日收益率 6. 规模类因子 **因子名称**:小市值 **构建思路**:利用市值溢价效应[13] **构建过程**:取对数市值 7. Beta因子 **构建思路**:衡量个股系统性风险[13] **构建过程**:最近490个交易日个股收益与市场收益加权回归系数 --- 因子回测效果 IC表现 | 因子名称 | 最近一周IC | 最近一月IC均值 | 最近一年IC均值 | 历史IC均值 | |-------------------------|------------|----------------|----------------|------------| | 小市值 | 15.09% | 6.09% | 3.61% | 2.20% | [9] | Beta | 13.20% | 5.67% | 1.79% | 0.38% | [9] | 1月特异度 | 11.75% | 6.36% | 3.19% | 2.40% | [9] | bp三年分位数 | -5.70% | 1.72% | 2.69% | 1.71% | [9] 多头组合表现 | 因子名称 | 最近一周超额 | 最近一月超额 | 最近一年超额 | 历史累计超额 | |-------------------------|--------------|--------------|--------------|----------------| | 小市值 | 1.67% | 2.75% | 18.13% | 66.36% | [11] | Beta | 1.85% | 2.84% | 9.25% | -8.52% | [11] | 业绩预告精确度 | 1.49% | 1.49% | 11.74% | 34.48% | [11] --- 数据处理方法 - 因子值基于五年周频数据,先转为行业内排序分位数 - 非规模/Bp类因子需进行市值、bp与行业中性化处理[7] - 季度数据优先级:业绩预告 < 业绩快报 < 正式财报[14]
31省×3因子:地产、出口、政策
一瑜中的· 2025-06-27 23:50
核心观点 - 构建地产、出口、政策"三因子"体系分析各省经济不确定性,地产和出口合并为经济不确定性因子,与政策因子对比 [1] - "大省大因子,小省小因子"现象明显,经济大省经济不确定性因子和政策因子均较大,两者相关系数分别为0.70和0.72 [3] - 将31省分为三类:①经济不确定性因子>政策因子(14省,GDP占比48%);②经济不确定性因子<政策因子(16省,GDP占比48%);③北京为两者近似 [3] - 2024年②类省份GDP平均增速5.1%,高于①类省份的4.76% [3] 地产因子分析 - 经济大省地产产业链集中度略高于GDP占比,6大省地产产业链增加值占全国45.9%,土地财政收入占47.4% [5] - 全国地产产业链占GDP比重13.5%,6大省达14.1%;土地财政依赖度全国24.3%,6大省达41% [5] - 河南(15.24%)、广东(15.23%)等5大省及安徽、云南等中西部省份地产产业链占比高于全国 [18][19] - 江苏(49.3%)、四川(44.3%)等大省及湖北、重庆等中西部省份土地财政依赖度超40% [23] - 2021-2024年全国土地财政依赖度从36.7%降至24.3%,广东从49%降至30% [22] 出口因子分析 - 6大省出口占全国65%,远超其GDP占比44.4% [26] - 东部10省出口/GDP达28.6%,显著高于全国18.8%,西部12省仅8.8% [6][27] - 浙江(43.3%)、广东(41.6%)等7个东部省份出口占比超20% [27] - 对美出口占比高的中西部省份:山西(27.9%)、河南(22.1%)、四川(19.7%),主要受电机设备等行业影响 [29] 政策因子分析 - 2024年6大省财政资源(补助+信用)合计5.62万亿,全国占比30.3%,低于其GDP占比44.4% [9][37] - 河南、四川财政资源占比高于GDP占比,江苏(4.3%)、广东等大省则相反 [34][37] - 6大省社融增量全国占比48.1%,但近两年从峰值53%下滑,广东占比8.9%低于GDP占比 [40][42] - 本外币贷款增量占比从51.9%降至51.5%,中长期贷款从52.2%降至51.5% [42]
31省×3因子:地产、出口、政策
华创证券· 2025-06-27 19:44
核心结论 - 2024年各省经济不确定性因子、政策因子与GDP全国占比相关系数分别为0.70、0.72,经济大省两因子更大[3] - 经济不确定性因子>政策因子的省份有14个,2024年GDP占比48%,平均增速4.76%;<政策因子的有16个,GDP占比48%,平均增速5.1%;≈政策因子的为北京,GDP占比3.7%,增速5.2%[3][19] 地产因子 - 2024年6个经济大省地产产业链增加值、土地财政收入全国占比分别为45.9%、47.4%,高于GDP占比44.4%[4] - 全国地产产业链占GDP比重、土地财政依赖度分别为13.5%、24.3%,6个经济大省达14.1%、41%,部分中西部省份因子也较大[4][17] 出口因子 - 2024年6个经济大省合计出口/全国出口达65%,高于GDP合计占比44.4%[5] - 东部10省出口/GDP为28.6%,远高于全国18.8%,部分中西部省份对美出口占比高[5][7] 政策因子 - 2024年两项财政资源合计18.6万亿,6个经济大省合计5.62万亿,全国占比30.3%,低于GDP比重44.4%[8] - 2024年社融增量27.2万亿,6个经济大省合计13万亿,占比48.1%,近两年占比从53%降至48%[9] 风险提示 - 指标体系构建涉及主观选择和测算,统计口径不全面[9][51] - 地产修复不及预期、出口波动加大[9][53][54]
金属期权策略早报-20250627
五矿期货· 2025-06-27 18:40
金属期权 2025-06-27 金属期权策略早报 | 卢品先 | 投研经理 | 从业资格号:F3047321 | 交易咨询号:Z0015541 | 邮箱:lupx@wkqh.cn | | --- | --- | --- | --- | --- | | 黄柯涵 | 期权研究员 | 从业资格号:F03138607 | 电话:0755-23375252 | 邮箱:huangkh@wkqh.cn | | 李仁君 | 产业服务 | 从业资格号:F03090207 | 交易咨询号:Z0016947 | 邮箱:lirj@wkqh.cn | 金属期权策略早报概要:(1)有色金属偏多上行,构建看涨期权牛市价差组合策略和做空波动率策略策略;(2) 黑色系区间弱势盘整震荡逐渐回暖上升,适合构建卖方期权中性组合策略;(3)贵金属黄金高位盘整,有所下降 回落现货避险策略。 表1:标的期货市场概况 | 期权品种 | 标的合约 | 最新价 | 涨跌 | 涨跌幅 | 成交量 | 量变化 | 持仓量 | 仓变化 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | | | ...
量化如何应对宏观不确定性冲击?——海外量化季度观察2025Q2
申万宏源金工· 2025-06-27 14:24
1 海外量化动态 1.1 关税事件影响下量化对冲基金普遍有明显回撤 - 2025年4月关税事件导致量化对冲基金普遍回撤 文艺复兴 Institutional Equities Fund 规模200亿美元 2024年上涨22.7% 但4月上半月回撤8% 为疫情以来最大冲击 [1] - Man Group趋势跟踪策略回撤超10% 公司要求研究员恢复现场办公以增加人工干预 [1] - Systematica Investments采用趋势跟踪策略 4月上半月回撤20% 管理资产200亿美元 [1] - 法国兴业银行编制的趋势跟踪策略指数显示 截至4月10日此类策略跌幅超10% 美国量化对冲基金在突发事件中表现波动较大 [2] 1.2 AQR开始"拥抱AI" - AQR创始人Cliff Asness承认已"投降"AI 在投资决策中增加AI算法使用 虽存在解释难题但多数时间提供更高回报 [3] - 境内私募量化机构如倍漾量化(Baiont Quant)已全面采用AI算法 构建分钟至小时级别收益预测 团队完全计算机背景 [3] 1.3 德州教师退休基金量化团队集体加入独立资管机构 - 德州教师退休基金TRS量化团队负责人Mohan Balachandran携4名员工加入独立资管机构NISA 此前管理超160亿美元量化策略 [4] 2 海外量化观点 2.1 量化如何应对宏观不确定性冲击 - 贝莱德认为当前不确定性包括目标、政策规模和时间轴三方面 策略中更多使用对冲思想 保持大类资产、股票风格和债券久期中性 [6] - 贝莱德风险因子数量已达上千个 如日本出口因子、内需股因子等 因子构建方式随宏观环境动态调整 在高不确定性环境下收紧多数因子敞口 [7] - 贝莱德信号观察周期从月度升级至小时/分钟级 疫情期间表现证明广数据维度和精确风控比复杂模型更重要 [7] - 贝莱德主打策略为在市场密集交易中捕捉短期反转机会 建议增配宏观对冲类基金 因其与其他策略相关性低(HFRI macro相关性0.51) [8][9] 2.2 桥水:"现代重商主义"的影响 - 桥水认为现代重商主义导致美联储应对经济放缓难度加大 美国资产面临特殊风险 但当前资产价格尚未实质性调整 后续变化蕴含重大机会 [10] - AI可抵消现代重商主义对生产力的抑制 市场预期已极高但实际可能超预期 桥水建议关注潜在资本流动并配置黄金 [11] 2.3 AQR:关注高波动因子、新兴市场小盘投资机会 - AQR研究发现高波动因子(如债务、应收项目、盈利类)长期夏普率更高 方差比率中位数1.4-1.8 建议量化管理人接受并分散化 [12][13] - AQR最看好新兴市场小盘股 因其估值低(本土收入占比72%)、分析师覆盖率低(平均1.3份研报) 能抵御全球政策风险 [16][19] 3 主要量化产品与因子表现跟踪 3.1 因子轮动类产品 - 贝莱德因子轮动ETF和景顺动态多因子ETF今年均跑赢指数 景顺因低波因子暴露表现更优 但超额收益集中在1-4月 [21][24] - 贝莱德因子轮动框架含宏观、因子动量、估值三维度 成长因子择时信号信息比率1.06 2024年下半年转向中等波动 [31][33] 3.2 综合量化产品 - 贝莱德Advantage系列和富达指数增强系列跟踪误差小 贝莱德产品4月表现突出 富达产品3-5月有增强 [34][37] 3.3 机器学习选股 - QRFT在1、4月表现突出 AIEQ回撤较大 [39] 3.4 全天候策略 - 桥水全天候ETF 3月成立后4月回撤但已修复 规模升至2亿美元 [40] 3.5 因子表现跟踪 - 2-4月美国选股因子表现反转 低波因子持续强势 成长因子5月反弹成为最强势因子 [43]