量化模型与构建方式 1. **模型名称**：港股风险模型（基于Barra框架） - **模型构建思路**：针对港股通、高流动性港股和全市场三个股票池分别构建风险模型，通过10个大类风格因子和行业因子解释市场收益来源[3] - **模型具体构建过程**： 1. **底层数据处理**：清洗港股市场数据，剔除仙股等异常标的[3] 2. **因子构建**：包含贝塔、动量、流动性、BP（账面市值比）、盈利、市值、成长、非线性市值、波动率、杠杆等10类风格因子[3] 3. **行业因子**：采用恒生行业分类标准，覆盖金融、资讯科技等主要板块[3] 4. **模型拟合**：通过横截面回归计算因子暴露和收益贡献，2014年以来港股通池内模型平均R²为36.7%[3] - **模型评价**：有效捕捉港股市场异质性，但全市场模型受低流动性股票影响较大[3] 量化因子与构建方式 1. **因子名称**：贝塔因子 - **因子构建思路**：衡量个股对市场整体波动的敏感性[3] - **因子具体构建过程**： - 计算个股日收益率与恒生指数收益率的协方差，除以市场方差： $$\beta_i = \frac{Cov(r_i,r_m)}{Var(r_m)}$$ - 滚动60个交易日估计，港股通池内因子累计收益为正[3] 2. **因子名称**：动量因子 - **因子构建思路**：捕捉股票价格趋势效应[3] - **因子具体构建过程**： - 过去12个月收益率剔除最近1个月（11M-1M策略）[3] - 标准化处理后在港股通池内表现显著 3. **因子名称**：流动性因子 - **因子构建思路**：反映股票交易活跃度差异[3] - **因子具体构建过程**： - 计算过去20个交易日日均换手率对数： $$Liquidity_i = \ln(\frac{1}{20}\sum_{t=1}^{20}Turnover_{it})$$ - 港股通池内因子收益为正，全市场因子受仙股干扰[3] 4. **因子名称**：BP因子（账面市值比） - **因子构建思路**：衡量价值效应[3] - **因子具体构建过程**： - 使用最新财报股东权益除以市值： $$BP_i = \frac{Book\ Equity_i}{Market\ Cap_i}$$ - 需调整港股会计准则差异（如IFRS与CAS处理差异）[2][3] 5. **因子名称**：波动率因子 - **因子构建思路**：识别个股特异性风险[3] - **因子具体构建过程**： - 计算过去60个交易日残差收益率标准差： $$\sigma_i = \sqrt{\frac{1}{59}\sum_{t=1}^{60}(r_{it}-\hat{r}_i)^2}$$ - 全市场池内累计收益为正，与A股表现分化[3] 模型与因子回测效果 1. **港股通池内因子表现**： - 贝塔因子：年化IR 0.85[3] - 动量因子：年化IR 1.12[3] - 流动性因子：年化IR 0.73[3] - BP因子：年化IR 0.68[3] 2. **全市场因子表现**： - 波动率因子：年化IR 0.92（剔除仙股后降至0.45）[3] - 杠杆因子：年化IR 0.57（与A股负相关）[3] 3. **行业因子解释力**： - 金融行业因子：年化收益贡献4.2%[3] - 资讯科技因子：年化收益贡献3.8%[3] 注：所有测试结果基于2014-2025年历史数据，港股通池采用550只标的股票[3][27]