金融工程周报：跟踪周报：波动率和规模表现较优

中信期货研究|金融工程周报 跟踪周报：波动率和规模表现较优 投资咨询业务资格：证监许可【2012】669号 报告要点 本文回顾了财务因子、Barra风格量价因子和101算法因子体系中最近一周的单因子表现。上周财务体系中，各因子预测效果减弱，杠杆类因子表现较好，其中存货周转率因子表现最优。近期量价因子风格切换较为频繁，在上周该类别体系中，大部分因子选股风格由正翻负；整体选股能力有所增强，其中以残差波动率和规模因子表现居首。上周A股震荡下行，整体有所回调；30个中信一级行业只有2成上涨。市场短暂回调，需密切关注组合分散程度的调整。整体仍建议保持均衡，不宜过高暴露风险敞口。 金融工程团队 研究员：熊鹰021-80401732xiongying@citicsf.com从业资格号F3075662投资咨询号Z0018946 摘要： 最 近一 周的 单 因 子 表 现(全 行 业)：上 周三 大体 系 中存 货周 转 率、hist_beta(历史贝塔)、alpha046(反转类)表现最好。 研究员：周通021-80401733zhoutong@citicsf.com从业资格号F3078183投资咨询号Z0018055 单因子在时间序列上的表现：上周A股震荡下行，整体有所回调；30个中信一级行业只有2成上涨。近期因子风格切换较为频繁，在上周量价体系中，大部分因子选股风格由正翻负；整体选股能力有所增强，其中以残差波动率和规模因子表现居首。上周财务体系中，各因子预测效果减弱，杠杆类因子表现较好，其中存货周转率因子表现最优。 中信一级行业的单因子表现：上周煤炭涨幅最大，行业内净资产净利率TTM、long_term_relative_strength（长期相对强度）、alpha046(反转类)表现最好；电子跌幅最大，行业内存货周转率、hist_beta（历史贝塔）、alpha023(反转类)表现最好。 重要提示：本报告非交易咨询业务项下服务，其中的观点和信息仅作参考之用，不构成对任何人的投资建议。中信期货不会因为关注、收到或阅读本报告内容而视相关人员为客户；市场有风险，投资需谨慎。如本报告涉及行业分析或上市公司相关内容，旨在对期货市场及其相关性进行比较论证，列举解释期货品种相关特性及潜在风险，不涉及对其行业或上市公司的相关推荐，不构成对任何主体进行或不进行某项行为的建议或意见，不得将本报告的任何内容据以作为中信期货所作的承诺或声明。在任何情况下，任何主体依据本报告所进行的任何作为或不作为，中信期货不承担任何责任。 目录 摘要：......................................................................................1一、最近一周的单因子表现...................................................................3（一）财务因子表现.....................................................................3（二）Barra风格因子表现...............................................................3（三）算法挖掘/机器学习因子表现........................................................4二、单因子在时间序列上的表现...............................................................4（一）财务类因子表现...................................................................4（二）量价类因子表现...................................................................5附录1：Barra的大类风格因子体系–因子构建方法.............................................7附录2：算法挖掘/机器学习因子体系–因子构建方法............................................8附录3：算法挖掘/机器学习因子体系–使用公式一览............................................9附录4：单因子评价方法.....................................................................10免责声明...................................................................................11 图表目录 图表1：财务因子RankIC均值-全行业....................................................3图表2：Barra风格因子RankIC均值-全行业..............................................3图表3：算法挖掘/机器学习因子RankIC均值–全行业......................................4图表4：财务因子短周期下的单因子表现（RankIC累加值）...................................5图表5：财务因子短周期下的单因子表现（RankIC累加值）...................................5图表6：短周期下的单因子表现（RankIC累加值）...........................................6图表7：长周期下的单因子表现（RankIC累加值）...........................................6图表8：Barra大类风格因子体系（量价类）................................................7图表9：算法挖掘/机器学习因子体系（部分）...............................................8图表10：算法挖掘/机器学习因子体系使用公式一览..........................................9 一、最近一周的单因子表现 （一）财务因子表现 使用近一周的数据回测，财务因子里面选股能力最佳的存货周转率。 资料来源：Wind、中信期货研究所 （二）Barra风格因子表现 使用近一周的数据回测，Barra风格因子里面选股能力最佳的是hist_beta。 资料来源：Wind、中信期货研究所 （三）算法挖掘/机器学习因子表现 使用近一周的数据回测，算法挖掘/机器学习因子里面选股能力最佳的是alpha046。 资料来源：Wind、中信期货研究所 二、单因子在时间序列上的表现 （一）财务类因子表现 最近半年的追踪结果显示，财务因子短周期下表现波动较大，其中除存货周转率因子呈现明显的正向预测能力和流动比率呈现明显的负向预测能力外，其他因子累积RankIC值大致围绕0值附近震荡。建议多关注杠杆类和企业的经营效率等安全边际较高的因子。 从最近三年的较长期来看，表现最优的为基本每股收益同比增长率，存货周转率、权益乘数因子同样显示出明显正向预测能力，且在最近半年表现优越。长期上可增配较佳财务类因子。 资料来源：Wind、中信期货研究所 资料来源：Wind、中信期货研究所 （二）量价类因子表现 本段按照Barra分类方法，将RankIC值按风格大类进行归类，并在时序上进行累加后取平均数。 最近半年的追踪结果显示，流动性和波动率因子的负向选股能力稳步纵深积累，而beta和动量因子则是长期于正负间震荡、前者近两个月稳定在微弱的负向风格，而中市值和规模因子则是一路保守地挺进其负向选股风格；最近三年的追踪结果则进一步验证了流动性和波动率因子稳健、强劲的负向选股能力，同样beta的负向风格含蓄但一致，而包含动量、规模和中市值在内的三个因子选股风格模糊，在正、负之间微弱震荡。量价体系中总体而言，部分因子风格显著、部分呈震荡态势；可适当基于风格的快速转换配置较佳风格，整体仍保持均衡，不易过高暴露敞口。 中信期货金融工程周报 资料来源：Wind、中信期货研究所 附录1：Barra的大类风格因子体系–因子构建方法 Barra的大类风格因子体系中，量价类的风格因子比较清晰的反映了权益资产市场表现的某一个维度，背后的含义也非常明显。 附录2：算法挖掘/机器学习因子体系–因子构建方法 在101 Formulaic Alphas一文和其他类似研究的算法挖掘/机器学习因子体系中，因子本身可能很难讲出具体的含义，所产生的效果也容易受到datamining的影响，在后期这类因子可能会需要严谨的处理和统计学论证。 附录3：算法挖掘/机器学习因子体系–使用公式一览 附录4：单因子评价方法 依照现有的因子库，可以直接对相应的单因子进行评价，进而形成相应的策略。这样的策略只关注一个因子对权益收益率的影响，主要关注这些因子RankIC值和RankIC_IR值。RankIC代表因子的选股能力，其绝对值越大越好；RankIC_IR代表因子稳定获得超额收益的选股能力，其绝对值越大越佳。这一过程可以简要描述为： 计算附录1和附录2中所有细分因子的值；在每一个截面上，分别计算属于同一个风格大类（例如动量）的细分因子与个股下期收益率计算Spearman秩相关系数，即得到该细分因子的RankIC值，在时序上取RankIC均值；利用因子的RankIC值计算RankIC_IR值，RankIC_IR是某一时间维度的RankIC均值除以标准差，时间维度与策略的调仓周期相匹配；计算风格因子的RankIC和RankIC_IR：计算风格大类中所有细分因子的RankIC和RankIC_IR的算术平均（如需）。 免责声明 除非另有说明，中信期货有限公司（以下简称“中信期货）拥有本报告的版权和/或其他相关知识产权。未经中信期货有限公司事先书面许可，任何单位或个人不得以任何方式复制、转载、引用、刊登、发表、发行、修改、翻译此报告的全部或部分材料、内容。除非另有说明，本报告中使用的所有商标、服务标记及标记均为中信期货所有或经合法授权被许可使用的商标、服务标记及标记。未经中信期货或商标所有权人的书面许可，任何单位或个人不得使用该商标、服务标记及标记。 如果在任何国家或地区管辖范围内，本报告内容或其适用与任何政府机构、监管机构、自律组织或者清算机构的法律、规则或规定内容相抵触，或者中信期货未被授权在当地提供这种信息或服务，那么本报告的内容并不意图提供给这些地区的个人或组织，任何个人或组织也不得在当地查看或使用本报告。本报告所载的内容并非适用于所有国家或地区或者适用于所有人。 此报告所载的全部内容仅作参考之用。此报告的内容不构成对任何人的投资建议，且中信期货不会因接收人收到此报告而视其为客户。 尽管本报告中所包含的信息是我们于发布之时从我们认为可靠的渠道获得，但中信期货对于本报告所载的信息、观点以及数据的准确性、可靠性、时效性以及完整性不作任何明确或隐含的保证。因此任何人不得对本报告所载的信息、观点以及数据的准确性、可靠性、时效性及完整性产生任何依赖，且中信期货不对因使用此报告及所载材料而造成的损失承担任何责任。本报告不应取代个人的独立判断。本报告仅反映编写人的不同设想、见解及分析方法。本报告所载的观点并不代表中信期货或任何其附属或联营公司的立场。 此报告中所指的