《因子选股系列研究之十三》：Alpha预测

HeaderTable_User 1122253200 HeaderTable_Stock 股票代码 投资评级 评级变化 行业code HeaderTable_Excel 东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。 东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 专题报告 【金融工程·证券研究报告】 Alpha预测 ——《因子选股系列研究之十三》 研究结论 策略Alpha收益的定义取决于投资者控制了哪些风险，Alpha因子的ZSCORE可以通过多期横截面回归取平均的方式转化成预测收益率，输入后续的组合优化过程。 在两个变量满足正态分布时，Pearson 和Spearman相关系数的数值很接近，但Spearman 秩相关系数在做显著性检验时不依赖于变量的正态分布特性，更稳健，因此因子选股计算IC时多采用后者。 Alpha因子是否需要做风险中性化处理取决于做组合优化时是否做了对应的风险暴露控制，并非风险因素剔除的越多越好。当构建的组合完全控制了风险暴露时，风险调整IC（risk adjusted IC）会比Purifed alpha IC更能准确反映组合的未来收益。但实际投资中，投资者或多或少都会暴露一些风险来获取更高的alpha，个股权重也会有上下限限制，风险调整IC的预测能力和理论有出入。再加上近些年A股市值效应明显，而风险调整IC更偏好大盘股数据，因此实证测试下来，Purified alpha效果优于风险调整IC。 Alpha因子加权最麻烦的地方在于因子间的相关性处理。“因子按逻辑分类“的方法对技术类因子的适用性差，而且逻辑上同属一类的因子在做完风险中性化处理后，同类因子间相关性可能低于异类因子间相关性。Qian(2007)的alpha优化方法过于强调稳健性，会牺牲比较多的alpha收益，在无法做空、杠杆交易难度大的国内市场，这种方法的适用性有限。 我们在之前报告中提出的因子筛选方法可以很好的剔除重复信息的因子，降低因子数量。因子筛选过程产生了一系列相互正交的“残差因子“，用这些因子做IC_IR加权可以规避因子间的共线性问题，也就是本报告的”增量正交化“方法。或者直接对筛选出的因子的原始ZSCORE做IC_IR加权，这两种方法用来做多空组合或指数增强表现都非常不错，但后者受因子数量、因子间共线性的影响更明显，在不同因子库上的效果需要做单独测试。 风险提示 量化模型失效风险 市场极端环境的冲击 报告发布日期 2016年10月25日 证券分析师 朱剑涛 021-63325888*6077 zhujiantao@orientsec.com.cn 执业证书编号：S0860515060001 相关报告 线性高效简化版冲击成本模型 2016-10-21 资金规模对策略收益的影响 2016-08-26 Alpha因子库精简与优化 2016-08-12 日内残差高阶矩与股票收益 2016-08-12 动态情景多因子Alpha模型 2016-05-25 金融工程 中证500增强组合表现（全市场选股，未扣费） 年化超额收益 信息比 月胜率 最大回撤 组合平均股票数量 月度单边换手率 IC_IR 加权 28.3% 3.71 88.2% -4.3% 175.2 71.3% Alpha 优化 23.7% 3.26 90.3% -7.3% 179.0 63.4% 增量正交化 26.8% 3.52 92.5% -4.7% 175.5 68.4% 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 Alpha预测 2 目录 一、Alpha定义与预测 ................................................................................... 3 1.1 Alpha定义 .................................................................................................................... 3 1.2 Alpha因子与Alpha收益 .............................................................................................. 3 二、Pearson VS Spearman IC ...................................................................... 4 三、Alpha因子加权方法 ................................................................................ 5 3.1 Alpha因子风险中性化处理 ........................................................................................... 5 3.2 传统方法 ...................................................................................................................... 7 3.3 Alpha优化方法 ............................................................................................................. 9 3.4 增量正交化法 ............................................................................................................ 10 3.5 小结 ........................................................................................................................... 10 四、风险调整IC .......................................................................................... 11 4.1 风险调整IC的逻辑 .................................................................................................... 11 4.2 理论推导过程 ............................................................................................................ 11 4.3 实证效果 .................................................................................................................... 13 五、指数增强效果比较 ................................................................................. 14 六、总结 ...................................................................................................... 16 风险提示 ...................................................................................................... 16 参考文献 ...................................................................................................... 16 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 Alpha预测 3 一、Alpha定义与预测 1.1 Alpha定义 Alpha是量化投资的基础概念，但实际使用时存在模糊的地方。通常在大众媒体和私人聊天中用到的alpha，例如：“XX基金的alpha很高”，实际上指的是相对基准超额收益的意思。而在组合绩效分析中，股票组合收益可以分解为风险因子（市场因子、市值因子、估值因子等）带来的beta收益和不能被这些风险解释的alpha收益，随着风险因子的选择不同，计算得到的alpha也会不同；如果任何风险都不控制，那么alpha就等于组合收益率。因此严格的来讲，对于不同的投资者，由于风险控制的要求不一样，追求的alpha会有差别，只有在同一个风险控制要求下，比较不同策略间的alpha 才有意义。 1.2 Alpha因子与Alpha收益 实务投资研究中，我们采用alpha因子横截面分析的方式来判别股票未来alpha收益的高低，这可以表示成一个回归问题或预测问题。例如用 表示股票i 在第t个月的alpha收益， 表示月初某个alpha因子在股票i 上的取值，并记向量 ⃗ ⃗ , 如果拿横截面上alpha收益对alpha因子做带常数项的单变量线性回归，用OLS方法易求得模型估计的alpha收益 | ⃗ ( ⃗ ⃗ ) ⃗ ( ⃗ ) ( ⃗ ) ⃗ ( ⃗ ⃗ ) ⃗ ⃗ ( ⃗ ) ( ⃗ ) （ ） 上述等式的 均表示随机变量函数对应的样本函数。把 ⃗ 换成最新一期的因子数值就能得到预测的alpha收益。 假设投资者不做任何风险控制，那么这时 ⃗ 就是股票收益率，上述等式中 ⃗ 由市场决定，对横截面上所有股票都一样，我们做相对收益或对冲组合更关心的是股票间的相对收益大小，也就是式(1.1)的第二部分。上式可以采用Grinold (1999)的表示方法简单写作 | ⃗ ( ⃗ ⃗ ) ⃗ ⃗ ( ⃗ ) ( ⃗ )