多因子全球化系列之二：港股因子有效性和组合设计

在本报告中，我们首先对港股市场结构、流动性和波动率，以及投资者结构等进行了分析。在此基础上，对104个常用的中低频财务量价因子在港股的表现进行了回测。 市场结构：与A股和美股不同，港股整体交易流动性分化，超过50%的个股成交不活跃，可参与性较低。从趋势看，2016年以来，股票换手率中位数走低，即流动性变差；市值加权流动性在2019年开始抬升，即大市值股票整体流动性更好。波动率市值加权低于中位数，表明大盘股票波动性相对更低。 因子回测结果：对10大类104个常用的中低频因子进行了回测，并对其有效性和收益表现进行了统计。从结果看，多数财务类因子表现一般，部分量价类指标表现较好。 组合构建：基于选取的7个因子（qmj_prof、ni_me、prc_highprc_252d、resff3_12_1、ivol_capm_252d、ivol_hxz4_21d、rmax5_21d）进行了组合构建。组合收益波动较大，相对基准超额收益表现相对稳健。 港股整体流动性分化较大，实际可投资股票池相对较小；相比于市值占比，机构交易占比更高，主导了相关标的定价权。 展望：基本面因子阿尔法属性较低，或可结合宏观环境，对其所处周期进行判断；可对量价类因子加以更多关注，在此基础上进行相对短周期的因子开发。 风险提示：本文中的指标及模型均基于量化方法构建，存在失效风险。 1.港股阿尔法因子 港股发展历史悠久，正式的证券交易市场开启于1891年香港股票经纪会的成立。早期中国香港作为国际金融贸易中心，经济发展较快，外资流入。早期股票市场波动较大，后来随着四大交易所的合并，相关法律法规的完善，港股市场逐渐走向成熟，在全球金融市场地位不断提高。 随着沪股通和深股通的推出，内地机构和个人投资者对港股的参与度逐渐抬升。2021年，公募基金持股市值在1000万以上的港股有321只，全部持股市值为3878.9亿元。 在本报告中，我们首先对港股市场结构、流动性和波动率，以及投资者结构等进行了分析。在此基础上，104个常用的中低频财务量价因子在港股的表现进行了回测。 从结果看，财务类因子多数表现较为一般，部分具有较强的周期性，需对其方向进行判断；部分量价类指标表现相对较好。最后，基于选取的7个因子进行了组合构建，相对基准对冲收益整体表现较好。 2.港股市场结构分析 港股市场结构相对简单，包括主板和创业板。创业板成立于1999年11月，其上市标准和融资规则十分宽松。从下图可以看出，港股股票数量近年来快速增长；股市市值波动中增加，近期因市场回调降低较多。截至2022年6月，主板上市公司2223家，创业板345家。 图1港股股票数量：快速增加 图2港股总市值：近期市场回撤较大 与A股和美股不同，港股流动性分化较为严重。若将股价在1港元以下的称为仙股，则港股中超过50%的标的可归为这一类。这些股票多数市值较小、业绩较差、频繁资本运作、常年不分红、易暴涨暴跌。2021年有超过1400只港股日均成交额小于100万港元。从港股日均换手率分布情况来看，可以发现较多股票成交相对并不活跃。总结来说，港股整体交易流动性分化，超过50%的个股成交不活跃，可参与性较低。 图3港股股价分布：仙股较多 图4港股日均换手率分布：分化较大 下面我们进一步对港股市场流动性和波动率进行分析。各季度末，使用本季度个股日收益率数据，计算得到年化标准差；使用日换手率数据，得到年化流动性指标；计算全市场个股指标中位数；以季度末市值为权重，计算得到市值加权指标值；历史滚动12个季度，得到最终使用的观测值。结果见图3。 从趋势看，2016年以来，股票换手率中位数走低，即流动性变差；市值加权流动性在2019年介绍下行开始抬升，即大市值股票整体流动性更好。波动率市值加权低于中位数，表明大盘股票波动性相对更低。 总结来说，港股市场较多股票可交易性较差，在组合构建时需规避；从市值来看，大盘股流动性显著优于小盘股，且前者波动性更低。后文在构建因子组合时，我们会根据流动性和市值进行筛选，以保证可投资性。 图5个股换手率和波动率中位数-滚动12个季度均值 港股和美股相似，以机构投资者主导；港股是典型的离岸市场。机构投资者交易占比在50%以上，其中外资机构占比在30%以上。在此背景下，港股整体较为有效，定价相对充分，或对因子有效性有较大的影响。 图6港股投资者交易占比：机构主导，外资占比高 3.港股市场因子有效性检验 此部分我们对常用的中低频财务和量价因子表现进行了回测，并进行组合构建。 3.1.回测因子梳理 参考相关文献，本文共测试了104个因子，含79个财务类因子和25个量价类指标。因子具体类型和数量分布见下图（因子分类基于其相关性而非构建思路）。常用的价值、成长、盈利、动量、波动率等因子均有所覆盖。 表1:回测因子类型和数量分布：财务因子为主 3.2.回测结果分析 对于前文所述因子，我们回测其在港股表现，流程如下： 1.每个月末，基于历史数据计算各因子值； 2.如果是全市场回测，按流动性和市值进行筛选剔除； 3.对各因子进行市值和行业中性化处理，按如下方法： (y) DI n d (X)  i i  l l i l 其中，Ind为行业虚拟变量（GICS二级行业分类）； 为正态分布累计  分布反函数；X为需中性化因子截面Rank百分比（后文指市值）；为用于排序的因子。通过这种处理，一方面能够剔除指标数量级产生的影响，另一方面也可使得线性回归条件得到更好地满足。 4.基于所得残差因子，将股票池等分为10组； 5.各组股票持有1个月；计算各组市值加权收益率和基准收益率。 图7给出的是经筛选后的各期实际参与回测的股票数量：平均为540只股票，最多为867只股票，最少为362只股票。即在考虑市值和流动性因素后，可投资股票数量占市场比例并不高。 图7各期流动性和市值筛选所得股票池数量 3.2.1.Investment Investment类因子表达的是资产负债表科目过去N年的增速情况，即扩张情况。图8给出的是这些因子IC均值和标准差分布情况，该类因子整体有效性较低。 图8Investment类因子IC均值和标准差 3.2.2.Quality Quality类因子主要基于利润表进行相关综合财务指标的构建，多数因子有效性表现一般。正向因子中表现最好的是：mispricing_perf，IC均值和标准差分别为5.50%和9.27%；qmj_prof，IC均值和标准差分别为3.70%和7.62%。qmj_prof多空年化超额为20.08%，最大回撤为33.10%，相对表现较好；从区间走势看，相对基准超额表现较差。 图9Quality类因子IC均值和标准差 表2:Quality类因子收益统计 图10因子相对基准超额收益净值表现：qmj_prof 3.2.3.Value Value类因子主要表达的是财务指标相对市值的比率值，部分指标有效性相对较好。正向指标个表现最好的是 eqnpo_12m ，IC均值和标准差分别为6.87%和9.62%；负向指标中表现最好的是 chcsho_12m ，IC均值和标准差分别为-5.77%和8.23%。ni_me相对基准年化超额为-0.65%，区间表现不佳；其相对基准超额呈现较为明显的周期性。 图11Value类因子IC均值和标准差 表3:Value类因子收益统计 图12因子相对基准超额收益净值表现：ni_me 3.2.4.Low Risk LowRisk类因子主要为基于个股收益率数据计算得到的贝塔或波动率指标，整体有效性相对较好。ivol_capm_252d因子IC均值和标准差分别为-8.74%和10.90%；多空和相对基准年化超额分别为23.08%和6.32%； 2019-2021年出现回撤，之后超额收益稳步抬升。 图13Low Risk类因子IC均值和标准差 表4:Low Risk类因子收益统计 图14因子相对基准超额收益净值表现：ivol_capm_252d 图15因子相对基准超额收益净值表现：ivol_hxz4_21d 3.2.5.Momentum Momentum类因子主要表达的是历史收益率对未来股价表现的指示作用。 prc_highprc_252d因子表现相对最好，IC均值和标准差分别为7.09%和13.60%；多空年化超额收益为15.64%，相对基准年化超额为3.98%；区间相对基准超额在2016-2021年持续出现回撤，其余时间表现较为稳定； 多空超额在2021年后表现快速抬升。 图16Momentum类因子IC均值和标准差 表5:Momentum类因子收益统计 图17因子相对基准超额收益净值表现：prc_highprc_252d 3.2.6.Low Leverage Low Leverage类因子主要使用财务指标进行比率计算，整体有效性表现一般。 图18Low Leverage类因子IC均值和标准差 3.2.7.Growth Growth类因子主要使用利润表科目进行增长率计算，整体有效性较差。 图19Growth类因子IC均值和标准差 3.2.8.Profitability Profitability类因子主要使用盈利与资产或权益的比率进行反映。ocf_at因子IC均值为4.17%，标准差为6.81%；多空年化超额为15.36%，表现相对较好；相对基准超额收益表现相对一般，且波动较大。 图20Profitability类因子IC均值和标准差 表6:Profitability类因子收益统计 图21因子相对基准超额收益净值表现：ocf_at 3.2.9.Accruals Accruals类因子反映的是企业盈利质量，整体表现较差。 图22Accruals类因子IC均值和标准差 3.2.10.Size Size类因子即公司总市值，因子IC均值为6.23%，标准差为10.36%。 2020年之前多空超额收益表现较好，2022年开始收益有所回升；区间年化超额为15.58%；相对基准超额收益波动较大。 表7:Size类因子收益统计market_equi 图23因子相对基准超额收益净值表现：market_equity 3.3.复合因子组合回测结果 前文对各类因子表现进行了较为详细的回测，从中选取如下7个因子：qmj_prof(+)、ni_me(+)、prc_highprc_252d(+)、resff3_12_1(+)、ivol_capm_252d(-)、ivol_hxz4_21d(-)、rmax5_21d(-)，按前文所述流程进行处理，各因子等权。每月筛选出得分最高的60只股票，市值加权，月度调仓。复合因子IC均值9.48%，标准差10.49%。多头组合年化收益为0.60%，相对基准年化超额为7.49%；从区间走势看，组合收益波动较大，相对基准超额收益表现相对稳健。 表8:多因子组合收益统计 图24因子相对基准超额收益净值表现：多头表现较为稳健 3.4.小结 此部分我们对10大类104个常用的中低频因子进行了回测，并对其有效性和收益表现进行了统计。从结果看，财务类因子多数表现较为一般，部分具有较强的周期性，需对其方向进行判断；部分量价类指标表现相对较好。最后，基于选取的7个因子进行了组合构建，相对基准对冲收益整体表现较好。 4.港股组合设计分析 前文我们对常用的基本面和量价因子表现进行了回测分析，此部分我们就如何构建可用的港股投资组合进行分析。 4.1.市场特征和投资者 前文我们对港股进行了分析，可以发现较多公司为仙股，整体流动性较差，易暴涨暴跌，且市值较小，可参与性较低。将流动性和市值作为筛选条件，各期股票池大约覆盖500只股票。从可投资标的来看，少于美股和A股。 港股机构持股市值占比超过50%。具体到个股，机构占比与标的市值呈正相关关系，与美股一致。不过无论是全市场标的