权益配置因子研究系列03：中证1000和中证2000指数增强策略构建

2023.09.12 大类资产配置 中证1000和中证2000指数增强策略构建 专题 报——权益配置因子研究系列03 告本报告导读： 本报告介绍在中证1000和中证2000指数成分股内构建指数增强策略。由于指数发 布时间较短，参考编制规则对发布日前的成分股进行估算。回测发现，中证1000指数增强组合2010年以来历史年化超额29.4%，超额最大回撤-8.2%，周度双边换手 大类资产配置研究 廖静池(分析师) 报告作者 0755-23976176 liaojingchi024655@gtjas.com 证书编号S0880522090003 张雪杰(分析师)0755-23976751 zhangxuejie025900@gtjas.com 证书编号S0880522040001 相关报告 指数相关性规律盘点：宽基、风格与行业 率41%，2023年超额10.9%。中证2000指数增强组合2014年以来历史年化超额 26.8%，超额最大回撤-10.9%，周度双边换手率35%，2023年超额12.8%。 摘要： 指数发布日前成分股估算。由于指数发布时间较短，按照编制规则对发布日期前的成分股进行估算。将中证1000指数成分股前推至 金融正搭台，成长将唱戏 2023.09.02 2023.08.25 2010年1月，将中证2000指数成分股前推至2014年12月，用于测试因子的选股效果。 选用因子介绍。在中证1000和中证2000成分股内进行单因子测试，证筛选出投资逻辑强、效果较好的因子；其中的大部分因子和之前中券证500策略一致，主要增加的是分析师因子、价量因子；另外由于研覆盖度原因，中证2000不使用北向因子。因子加权上，使用过去一 究段时间（1年、3年、10年）因子rankIC_IR平均值作为权重。报中证1000指数增强策略表现。测试个股上限1%或0.5%、市值行业告无暴露或放松四种约束下的效果。对于中证1000股票池，建议设置 个股1%、市值暴露0.5个标准差、行业权重偏离2.5%的上限约束， 增强策略2010年2月以来年化超额29.4%（除去2015年，年化超额 26.7%），超额最大回撤-8.2%，信息比率4.4，周度双边换手率 41%；每期持股100只，持股自由流通市值中位数均值38亿，日均交易额中位数在1.1-1.8亿之间。2023年超额10.9%，回撤-3.1%。 中证2000指数增强策略表现。对于中证2000股票池，建议设置个股权重0.5%、市值暴露0.5个标准差、行业权重偏离2.5%的上限约 束，指数增强策略2014年12月以来年化超额26.8%（除去2015年，年化超额23.4%），超额最大回撤-10.9%，信息比率4.1，周度双边换手率35%；每期持股200只，持股自由流通市值中位数均值在 20亿左右，日均交易额中位数在1.2-1.9亿之间。2023年超额 12.8%，超额回撤-1.5%。 风险提示：量化模型基于历史数据构建，而历史规律存在失效风险。 如何将定量行业配置策略拓展至港股市场 2023.08.09 市场转势渐入佳境，先手价值后手成长 2023.08.06 价格动量因子在行业轮动上的效果研究 2023.08.05 目录 1.量化选股模型和常用因子介绍3 1.1.量化选股模型3 1.1.1.单因子测试3 1.1.2.指数增强组合构建4 1.2.使用因子说明5 2.指数发布日期前的成分股估算6 2.1.中证1000指数2010-2014年成分股名单估算6 2.1.1.中证1000指数编制方案6 2.1.2.中证1000指数成分股估算结果6 2.2.中证2000指数2014-2022年成分股估算7 2.2.1.中证2000指数编制方案7 2.2.2.中证2000指数成分股估算结果7 3.中证1000指数增强策略构建8 3.1.中证1000股票池选用因子说明8 3.1.1.单因子绩效8 3.1.2.大类因子表现10 3.2.构建中证1000指数增强策略11 4.中证2000指数增强策略构建14 4.1.中证2000股票池选用因子说明14 4.1.1.单因子绩效14 4.1.2.大类因子表现16 4.2.构建中证2000指数增强策略17 5.总结20 6.风险提示20 7.附录21 7.1.中证1000因子列表及计算方法21 7.2.中证2000因子列表和计算方法21 7.3.2010年以来沪深股票变化数量情况22 7.4.原中证500策略因子在中证1000、中证2000上的效果22 我们在之前的系列报告中研究了超预期因子在不同股票池的选股效果、中证500指数增强策略构建。本报告主要介绍如何构建中证1000和中 证2000指数增强策略。首先介绍常用的选股模型框架。然后，按照编 制规则对两个指数发布日前的成分股进行估算。之后，对各类因子进行单因子测试，筛选出效果较好的因子。最后，以过去一段时间rankIC_IR的方式加权计算因子总得分，考察设置不同个股、市值、行业约束，构建指数增强组合。 1.量化选股模型和常用因子介绍 1.1.量化选股模型 多因子模型（Multiple-FactorModel,MFM）属于国内外主流量化选股模型之一。使用多个因子预测股票未来收益，筛选预期收益较好的股票，以期战胜基准指数。学术研究上，这类模型属于资产定价理论。在目前实际投资研究过程中，多因子模型使用估值、盈利、成长、公司治理、价量（反转、流动性、波动性等）、分析师预测、超预期等因子进行选股，构建一篮子股票的投资组合。多因子模型认为股票未来的收益可以用若干因素𝑓1...𝑓�来解释，不能解释的部分记作残差𝜀𝑛： 𝑟�=𝑓0+𝑥𝑛1𝑓1+𝑥𝑛2𝑓2+...𝑥𝑛𝑘𝑓�+𝜀� 从上式可以看出，量化选股和主动选股殊途同归，本质都是为了对收益率𝑟�进行预测。区别在于，量化研究的主要是共性部分（𝑥𝑛1𝑓1+ 𝑥𝑛2𝑓2+...𝑥𝑛𝑘𝑓𝑘），主动研究的是股票的个性部分𝜀�。量化选股中所谓 开发新的Alpha因子，很多时候其实是借鉴主动研究的投资逻辑，不断地从残差𝜺�中抽取可以反映股票共性部分的因子𝒇�。事实上，量化选股和主动选股不是对立的，两个研究是可以统一在资产定价理论的框 架内的。广义上讲，量化选股模型的体系一般由有三部分组成：收益预测模型、风险模型、交易成本模型。 图1：量化选股模型体系 数据来源：国泰君安证券研究 1.1.1.单因子测试 对各类因子进行单个因子选股效果测试是多因子选股的基础工作。 1）股票池与比较基准 不同股票池中，股票的风格分布特征会有所不同，因子的选股效果会略有区别。初始股票池：选股日中证1000或中证2000指数成分股。对无法交易的股票进行剔除：（1）剔除选股日的ST股票；（2）剔除上市 不满3个月的股票；（3）剔除选股日涨停、停牌的股票。 2）因子测试方法 我们通过因子IC测试、分组回测、单因子组合优化等多种方式来考察因子收益预测的有效性与稳定性。其中，单因子组合优化是指，我们使用组合优化方式，添加多种约束条件，构建单因子的最大化股票得分组合，考察单因子的选股效果。组合优化参数设置上，对于中证 1000和中证2000股票池，控制市值行业严格中性，设置个股权重偏离上限1%和个股权重上限1%。根据每周组合优化计算得到的股票名单和权重，对单因子选股组合进行历史业绩测算。计算组合的相对比较基准超额收益、最大回撤、超额收益信息比率等绩效指标。 1.1.2.指数增强组合构建 � 首先，对于不同的宽基指数，筛选出适用的有效因子。其次，每周计算成分股因子值，并对因子进行去极值、标准化、缺失值填充、市值行业中性化处理。然后，按照各类因子逻辑，将股票池股票因子值排序，计算各类因子得分Score（分位数），对因子得分使用rankIC_IR加权得到每只股票的最终得分。最后，将每周末股票的得分𝑠𝑐𝑜𝑟𝑒�、股 票协方差矩阵ˆ 代入组合优化模型，在控制跟踪误差、行业暴露、风 格暴露等约束条件下，以最大化股票组合得分∑�𝑠𝑐𝑜�𝑒�∗�为目标， 1�� 求解组合股票的权重w*： � 𝑚𝑎�∑𝑠𝑐𝑜𝑟𝑒�∗𝑤� 𝑤�� 1 𝑠.𝑡.∑𝑤�=1（1） 𝑤𝑙𝑜𝑤𝑒�≤𝑤�≤𝑤𝑢𝑝𝑝𝑒�,�=1,...,�（2） 𝑤𝑙𝑜𝑤𝑒�≤𝑤�−� ≤𝑤𝑢𝑝𝑝𝑒�,�=1,...,�（3） 𝑎𝑐𝑡𝑖𝑣� 基准指数 𝑎𝑐𝑡𝑖𝑣� �∑�≤�（4） �̂2 𝑡𝑟𝑎𝑐�𝑒𝑟𝑟𝑜� � ∑𝑥𝑖𝐼𝑤�=𝑤�（5） 1 � � |∑𝑥𝑖�∗𝑤�|≤𝑥𝑙𝑖𝑚𝑖�（6） 1 �基准指数𝑤�≥0.8（7） ∑|𝑤�−𝑤𝑡−1|≤�（8） �� 公式（2）为个股上下限约束：主要是不能卖空、避免某些个股权重过高。 公式（3）为个股权重相对基准偏离约束：主要是控制个股权重偏离。公式（4）为跟踪误差约束：对于指数增强策略，可以设置目标跟踪误 差。由于个股、行业权重设置严格，此约束未使用。 公式（5）为行业权重约束：可以按照基准中行业的权重设置行业偏离约束，也可以自行确定某些行业暴露程度。 公式（6）为因子暴露约束：控制某些风格因子上暴露，主要是控制市值上暴露。目前主要设置市值中性约束。 公式（7）为成分股权重约束：对于指数增强产品，指数成分股及备选股的权重不少于80%。在本报告只考虑中证1000和2000指数成分股内选股，相当于设置参数为100%。 公式（8）为换手率约束：对于换手率较高的选股策略，可以通过这个约束达到控制交易成本的目的。由于所用因子换手率整体不高，本报告未设置。 指数增强策略组合构建和测试。根据每周组合优化计算得到的股票名单和权重，对选股组合进行历史业绩回溯。计算选股组合的累计收益、相对比较基准超额收益、最大回撤、超额收益的IR、胜率等指标。 由于篇幅原因，本报告用到的多因子模型等内容介绍，详见本系列中第二篇报告《使用基本因子构建中证500指数增强策略初探》。 1.2.使用因子说明 因子大类上，主要有超预期（传统、估值衍生、盈利衍生）、成长、盈利、估值、分析师、分析师超预期、价量、总量、北上资金因子。我们对因子库的因子在中证1000、中证2000成分股内分别进行历史回测，筛选出效果较好的因子。其中的大部分因子和《使用基本因子构建中证500指数增强策略——初探权益配置因子研究系列02_20230801》一致。主要增加的是分析师因子、价量因子。北向因子由于覆盖度原 因，在中证2000中没有选用。中证1000和中证2000股票池具体使用的因子列表以及计算方法见附录7.1和7.2。其中: 1)超预期因子的详细介绍参见报告《如何基于PEAD超预期因子构 建——行业轮动策略行业配置研究系列02_20220426》、《基于PEAD效应的超预期因子选股效果如何——权益配置因子研究系列01_20220601》。 2)分析师因子，本报告相比中证500增强策略中所用因子增加了基于 FY3数据计算的环比变动因子，在《如何基于分析师预测数据构建行业轮动策略——行业配置研究系列06_20221005》中对行业的分析师因子有详细介绍，个股的计算方法类似。 3)价量因子中新增的因子可参见《价格动量因子在行业轮动上的效 果研究——行业配置研究系列09_20230805》。 4)北上资金因子在报告《如何基于北向资金构建行业轮动策略——行业配置研究系列03_20220610》中对行业的北向因子有详细介绍，个股的计算方法类似。 此外，原中证500策略因子在中证1000、中证2000上的效果见附录 7.4。虽然500策略所用因子在中证500上近期表现不佳，但在中证 1000、中证2000的超额收益仍可观。 2.指数发布日期前的成分股估算 由于中证2000指数最近才