金融工程周报：跟踪周报：轮动减缓，风格增强

中信期货研究|金融工程周报 投资咨询业务资格：证监许可【2012】669号 跟踪周报：轮动减缓，风格增强 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，财务因子预测效果增强，净资产净利率TTM因子表现最优。上周量价体系中，规模、流动性和波动率因子三足鼎立的局势得到延续、轮动速度减缓，相较于此前一周的选股能力“更上一层楼”，其他类别因子正负选股风格有所切换。上周市场整体下跌，30个中信一级行业无上涨行业。市场情绪偏低、进一步磨底观望，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)：上周三大体系中净资产净利率TTM、size_lncap(市值规模)、alpha046(反转类)表现最好。 单因子在时间序列上的表现：上周市场整体下跌，30个中信一级行业无上涨行业。上周量价体系中，规模、流动性和波动率因子三足鼎立的局势得到延续、轮动速度减缓，相较于此前一周的选股能力“更上一层楼”，其他类别因子正负选股风格有所切换。上周财务体系中，各因子预测效果减弱，整体杠杆类因子表现较优，权益乘数因子表现最优。 中信一级行业的单因子表现：上周各行业无涨幅；综合跌幅最大，行业内销售净利率、size_lncap(市值规模)、alpha053(反转类)表现最好。 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.............................................................3二、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）........................................4图表5：财务因子长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）................................................5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净资产净利率TTM。 资料来源：同花顺中信期货研究所 （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size_lncap。 资料来源：同花顺中信期货研究所 （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：同花顺中信期货研究所 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：同花顺中信期货研究所 资料来源：同花顺中信期货研究所 （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，中市值、流动性和波动率因子的负向选股能力逐步加强，三者也有区别：中市值的“探负”趋势较为平缓，而流动性和波动率则是边震荡边凌厉地纵深积累；另外有一对因子——beta和规模，它们的走势在大部分时间段较为趋同，譬如在这半年区间中的前两个月，beta和规模因子均在正负之间微弱震荡，之后以震荡态势朝着微弱的负向风格挺进，应当注意的是近一个月规模因子稍有“扭头向正”的态势，从下图中也可以明显看到最近一周左右的时间规模因子的负向选股风格已经收缩至弱于中市值因子水平；动量因子选股风格模糊，在正、负之间微弱震荡并未有显著偏向任何一侧。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。 资料来源：同花顺中信期货研究所 资料来源：同花顺中信期货研究所 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data mining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。 此报告中所指的投资及服务可能不适合阁下。我们建议阁下如有任何疑问应咨询独立投资顾问。此报告不构成任何投资、法律、会计或税务建议，且不担保任何投资及策略适合阁下。此报告并不构成中信期货给予阁下的任何私人咨询建议。 中信期货有限公司 深圳总部地址：深圳市福田区中心三路8号卓越时代广场（二期）北座13层1301-1305、14层邮编：518048电话：400-990-8826