HeaderTable_User 1122253200 1200144163 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】 动态情景Alpha模型再思考 ——《因子选股系列研究之十九》 研究结论 抽象出了动态情景Alpha模型（DCAM）的一般框架，DCAM是传统的静态模型的层次化叠加，当只有一个情景且该情景只有一个情景区间时DCAM退化为静态模型。 衡量一个情景因子好坏的主要标准就是这个情景下不同区间的alpha模型的差异化程度，即该情景下不同区间股票预期收益的影响因素及其重要性是否差异明显。 DCAM每个情景区间的alpha不一定一致，alpha因子只要在部分情景区间内有效就能为总体模型创造价值，所以DCAM下对alpha因子的有效性检验提出了新的挑战。 模型应该把同一情景不同情景区间下的alpha或者预期收益放在一起比较，而不是标准化的ZSCORE.情景区间内的alpha横截面差异性表示该区间模型的预测能力强弱，alpha的均值表示了该区间的alpha偏好。 不同情景下alpha应该通过alpha估计的准确性进行加权，在准确性不好确定的情况下，我们建议采用情景对alpha模型的区分度进行加权。 实证结果表明，本篇报告新提出的动态情景模型相对静态模型和老版模型的收益和稳定性均有明显提升，新模型在小市值有一定偏好，但在控制了市值和行业之后表现依然显著优于其他模型。 风险提示 本文的研究成果基于历史数据，如果未来风格发生重大变化，部分规律可能失效。 极端市场环境可能对模型效果造成冲击。 报告发布日期 2017年02月17日 证券分析师 朱剑涛 021-63325888*6077 zhujiantao@orientsec.com.cn 执业证书编号：S0860515060001 联系人 王星星 021-63325888-6108 wangxingxing@orientsec.com.cn 相关报告 在Alpha衰退之前 2016-12-05 A股市场风险分析 2016-12-02 非对称价格冲击带来的超额收益 2016-11-10 东方机器选股模型 Ver 1.0 2016-11-07 非流动性的度量及其横截面溢价 2016-11-02 Alpha预测 2016-10-25 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 投机、交易行为与股票收益（下） 2016-05-12 用组合优化构建更精确多样的投资组合 2016-02-19 剔除行业、风格因素后的大类因子检验 2016-02-17 金融工程 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。 动态情景Alpha模型再思考 2 目录 一、动态情景模型架构 ................................................................................... 3 二、动态情景模型构建 ................................................................................... 6 1. 情景因子 ........................................................................................................................ 6 2. alpha因子库 .................................................................................................................. 6 3. 基础alpha模型 ............................................................................................................. 7 4. 情景间alpha加权.......................................................................................................... 7 三、模型历史表现 .......................................................................................... 8 1. IC与多空组合 ................................................................................................................ 8 2. top100组合表现 ............................................................................................................. 9 3. 指数增强效果 .............................................................................................................. 10 四、总结 ...................................................................................................... 11 风险提示 ...................................................................................................... 11 图1：动态情景模型基本架构 ....................................................................................................... 3 图2：alpha因子说明 .................................................................................................................... 6 图3：多空组合净值表现 ............................................................................................................... 8 图4：top组合净值表现（未扣费） .............................................................................................. 9 图5：top组合表现统计................................................................................................................ 9 图6：top100组合平均市值中位数 ............................................................................................... 9 图7：Static模型500增强对冲净值（未扣费） ........................................................................ 10 图8：DCAM_v1模型500增强对冲净值（未扣费） ................................................................... 10 图9：DCAM_v2模型500增强对冲净值（未扣费） ................................................................... 10 图10：500增强组合表现统计 ..................................................................................................... 10 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。 动态情景Alpha模型再思考 3 一、动态情景模型架构 传统的alpha模型大多在全市场（样本空间）范围内对所有的股票统一打分建模，忽略了不同类型股票alpha模型的差异性，为了解决这个问题我们在东方金工因子选股系列研究之八《动态情景多因子Alpha模型》中提出了动态情景alpha模型（Dynamic Contextual Alpha Model），其收益和稳定性较IR加权等传统的静态模型均有一定的提升。然而，在上篇报告中我们并没有为广义的动态情景模型提出清晰的构建框架，本篇报告在深入剖析动态情景模型的基础上提出了新的动态情景模型。（我们称上篇报告中的动态情景模型为DCAM_v1、本篇报告新提出的动态情景模型为DCAM_v2，以此区别。） 图1：动态情景模型基本架构 数据来源：东方证券研究所 我们在对上一篇报告中动态情景模型进行抽象后提出上述动态情景模型构建的基本框架，动态情景模型的核心问题是解决对不同类型股票的差异化建模问题，首先要面临的问题就是如何将股票归为不同类型，即情景因子的选取，DCAM_v1中我们选取了规模、价值、成长、盈利、流动性5个维度的因子作为情景分层因子，以区分不同类型的股票；其次，在同一个情景下，将股票分为多少个情景区间，每个情景块如何建模，DCAM_v1中我们根据每一个情景因子的大小将样本空间分为上下两个区间，在区间内采用滚动IR加权方法，再次，如何把同一情景下不同区间股票的评价得分放在同一个可比的标准下，DCAM_v1并没有考虑这个层次的问题，直接将区间内的 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。 动态情景Alpha模型再思考 4 ZSCORE用于下一步情景间的加权，最后，每只股票在每个单一情景下都会有一个预测alpha，不同情景下的alpha