如何克服因子表现的截面差异

如何克服因子表现的截面差异 分域训练在因子动量情景下的尝试 本报告导读： 因子在不同选股域中的表现有显著差异，特定选股域中没有因子全市场多空表现。匹配组合目标的风格因子加权复合，一定程度提升了复合因子目标选股域表现。 余浩淼(分析师)021-23185650yuhaomiao@gtht.com登记编号S0880525040013 投资要点： 资产配置量化模型2025.08.18量化风格轮动模型介绍2025.08.18基于A股市场的备兑策略研究2025.08.14行业轮动四象限策略综述2025.08.14金工研究培训2025.08.13 按照市值重新加权因子，对于沪深300与中证500增强组合有明显选股效果提升，中证1000效果提升不显著：对于沪深300增强而言，无论宽严约束，极端的大市值加权历史上有更好的表现，年化超额提升超过1%。市值加权在500中也有不错的改善效果，无论对于严约束的500增强还是宽约束的500增强，历史来看都可以有效改善组合增强表现，提升年化超额1%左右。对于1000增强组合而言，无论是在宽约束组合中还是严约束组合中，按照市值加权训练均无法稳定的提升组合表现。 按照风格重新加权因子，对于不同组合增强效果提升有较大不稳定性，以成分股权重进行加权，对于严约束1000增强组合有明显提升：风格加权的复合因子对于300组合的提升效果比较仅仅按市值复合提升效果略差。宽约束时，加权参数越极端提升效果越明显，严约束时，加权参数较为保守提升效果更加显著。对于500组合的提升效果比较仅仅按市值复合提升效果也略差。同时，只有在进行交叉复合时，风格因子重新赋权会有表现提升，按成分赋权对于500组合基本没有改进。对于1000宽约束组合的整体提升效果并不好，无论何种复合方式均无法显著提升组合历史收益。对于1000增强严约束组合，成分复合方式有一定的提升效果，年化提升1%左右。风险提示。市场系统性风险、海外市场波动风险、模型误设风险。 目录 1.市值分域的线性回归模型..............................................................................32.市值加权的复合因子组合表现......................................................................83.市值加权的交叉复合因子表现....................................................................114.多风格因子加权的复合因子表现................................................................165.总结................................................................................................................216.风险提示........................................................................................................22 1.市值分域的线性回归模型 本质上来说，我们利用因子动量所得到的股票预期收益也可以当做是由因子动量模型中各个因子所构建的复合因子。我们常用的合成方式往往以全市场等权回归，并IC或ICIR加权，这种方式得到的合成因子由于模型中使用的子因子的不同会使得在不同的选股域内有明显的选股差异。例如在周度换仓多因子模型中，如果采用量价因子，则往往会在小市值端有较好的选股效果，大市值中选股效果有所退化。因此我们考虑在回归时不再采取等权的方式，而是按照不同的市值分组加权得到专注于不同市值分组的线性模型，从而适配不同的市值选股域。 我们将常用因子分为5类即： 市值平方分红：由股息率因子与是否有分红的虚拟变量构成ROE_SUE：由ROE，SUE以及是否有ROE，SUE的虚拟变量构成日度量价数据：由换手率，反转，特质波动，非流动性四个因子复合而成高频量价数据：由高频周报中10个手工高频因子复合而成。 其中，分红，ROE_SUE，日度量价，高频量价以及最后5因子到最终复合因子的合成均采用OLS回归系数IR方式进行复合。 无论是分类子因子还是最终复合因子，回归过程中尝试等权回归、基于KMedian市值分组的分组加权回归方法。以市值的Log值进行KMedian聚类，将全市场股票分为11大类。对11类股票进行循环赋权方式如下：𝑤𝑖=𝑤𝑏𝑎𝑠𝑒+(1−𝑤𝑏𝑎𝑠𝑒)∗|𝑖−𝐼|/𝑛 其中，𝑤𝑏𝑎𝑠𝑒为最小权数，分别设定为0.9、0.5、0三种情况，n为分组数，I为最大权重分组。每一组股票，均尝试从I=1到I=n所有分组情况，并考察不同𝑤𝑏𝑎𝑠𝑒，最终复合因子的IC，RankMAE，多空收益，多头收益情况。简单来说，按照不同𝑤𝑏𝑎𝑠𝑒参数，分别会训练11套模型，11套模型的 差异在于不同市值分组股票的赋权不同。其中下图中分组1即代表小市值赋权最高的因子效果，分组11即代表大市值赋权最高的因子效果。最终因子绩效如下图： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 全市场市值加权，如大市值组权重较高，对复合因子多空有明显削弱 从各种单因子评价指标来看，进行市值加权后，当以小市值组为最大权重时，复合因子多空表现有微弱提升，但当以大市值组为最大权重时，复合因子多空表现有明显削弱，其中极端赋权的削弱效果最为明显。 我们考察需要加权的复合因子分红，ROE_SUE，日度量价数据，高频量价数据的全市场IC情况，如下图：图5：分红因子全市场IC（2017.01-2025.07）图6：ROE_SUE因子全市场IC（2017.01-2025.07） 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 全市场市值加权，对于分红和ROE_SUE基本面因子IC有显著 提升 无论给大中小哪一组市值进行加权，无论以多大的基础权重进行加权，分红和ROE_SUE因子加权后IC均有显著提升，这可能与这两个复合因子过程中加入了虚拟变量有关，这样解释了最终的5因子复合因子在按市值加权后，全市场表现有提升的原因。 全市场市值加权，如小市值赋高权重，对全市场量价因子IC提升明显 从小市值到大市值来看，分红与ROE_SUE因子加权后因子表现变化没有明显的趋势性，极端的基础权重更多是增加了不同市值分组加权表现的波动。而量价因子给小市值加权会带来明显的全市场选股效果提升，极端的基础权重会使得加权带来的因子表现差异更加极端。 沪深300、中证500成分股中，大市值赋高权重，对复合因子IC提升明显 进一步的，我们考察复合因子在300成分内的表现，如下： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 随着偏大市值组权重的增加，因子在沪深300成份内的整体表现有明显提升，极端的权重分配并不会对因子表现有明显影响。 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究中证500情况与沪深300相近，给大市值加权可以提升成分内的因子 表现，但第11组加权（最大市值组）与第10组加权相比，效果略有减弱，这也与500平均市值较300更小相契合。500中极端分组对于因子整体预测能力的破坏性没有沪深300中明显。 中证1000成分股中，小市值赋高权重，对复合因子IC提升明显 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究很明显，对于1000成分而言，给偏中小市值股票高权重，会有更好的 800+1000后的小市值股票中，小市值赋高权重，对复合因子IC提升明显；赋权方式越极致，多空收益提升幅度越明显 进一步，我们定义不在沪深300，中证500，中证1000成分的股票为小市值股票，考察小市值股票复合因子表现，如下图： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 相比较中证1000，给小市值分组加权会使得复合因子在小市值中有更好的多空表现，赋权方式越极致，多空收益提升幅度越明显。而综合所有选股域来看，极致的提大市值端，尤其是最大市值分组权重，可以显著的改善因子的多头表现。 2.市值加权的复合因子组合表现 我们利用上述市值加权的复合因子构建指数增强组合，与等权复合因子组合进行比较。其中组合约束条件如下表： 对于用从市值最小第1组到市值最大第11组加权的不同因子，权重配比参考基准指数在从聚类市值第1组到第11组的权重进行配置，按照市值分组在指数中的权重进行加权复合因子。周度调仓组合按照单边0.15%进行手续费计算。 沪深300增强组合，极端的大市值加权后，因子历史上有更好的表现，超额年化提升超过1%。 不同最市值加权复合因子在沪深300中表现如下表： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究300严约束组合超额净值走势与分年度表现如下图： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 对于沪深300增强而言，无论宽严约束，极端的大市值加权历史上有更好的表现，超额年化提升超过1%。这说明按照市值更加专注给300增强占比高的股票更高注意力，从而让模型参数更加倾向于300成份股，可以很好的增强指数表现。然而就2025年的表现来看，在小市值股票，量价因子表现更好的年份，极端的大市值加权优势不再明显。 中证500增强组合，市值加权组合年化超额可提升约1%。 不同市值加权复合因子在中证500中表现如下表： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究500严约束组合超额净值走势与分年度表现如下图： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 市值加权在500中也有不错的改善效果，无论对于严约束的500增强还是宽约束的500增强，历史来看都可以有效改善组合增强表现，超额年化提升1%左右。但从2025年表现来看，与沪深300情况相近，当中小市值股票占优时，这种改善效果变得不再显著。 中证1000增强组合，市值加权因子无法稳定提升等权因子表现 不同市值加权复合因子在中证1000中表现如下表： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究1000严约束组合超额净值走势与分年度表现如下图： 资料来源：Wind，国泰海通证券研究 资料来源：Wind，国泰海通证券研究 对于1000增强组合而言，无论是在宽约束组合中还是严约束组合中，按照市值加权训练均无法稳定的提升组合表现。3.市值加权的交叉复合因子表现 在进行因子加权构建时，一种思路是基于前文中，不同指数根据成分股市值分布，挑选对应的市值加权因子进行归一化复合，另一种方式是，完全依据个股所在的市值分组，挑选匹配的因子，进行因子重构。 即： 当股票i属于市值分组I时，使用第I组加权模型对应的因子值i，从而构建出不同基准权重下的交