长江证券多因子选股框架汇报

发布时间：2026-08-03 一、核心要点 1. 本次汇报为长江证券传统多因子选股框架，核心解决阿尔法估计、股票相关性及波动率估计、基准偏离控制三类问题，还有后续高频因子框架将于7点半汇报 2. 单因子策略拉长时间具备超额收益，如过去20年低估值策略年化14.5%、高ROE策略年化11.9%，均高于沪深300全收益年化10.1%，但单因子可能长期失效，如2020-2024年9月高ROE策略失效 3. 因子有效性基于大数定律，个股层面无稳定逻辑，持股数量需足够以抵消个体随机性，分组后平均收益与因子相关性显著提升 二、关键技术方法 1. 阿尔法估计含线性多因子模型、机器学习模型（神经网络等），通过历史数据训练参数，核心是因子权重确定；单因子评价常用IC、分组IC、加权IC等指标，传统IC为线性相关系数，当前算力充足后分组IC更科学 2. 风险估计通过降维处理个股协方差矩阵，用线性多因子模型的共同风险因素（估值、市值等）替代，解决原始矩阵非正定问题 3. 因子正交分直接线性正交、对称正交、部分对称正交，部分正交保留财务类因子逻辑解释力，线性正交受因子放入顺序影响 三、组合优化内容 1. 目标函数为均值方差变体，可调整风险偏好系数，权衡最大化阿尔法与最小化风险 2. 约束条件含线性类（个股、行业、风格、仓位偏离限制）、非线性类（换手率L1范数限制、持股数量布尔变量限制），还有考虑阿尔法不确定性的二阶锥规划问题四、其他提示 1. 本次会议仅面向长江证券研究所白名单客户，未经许可不得对外公布复制内容，否则承担法律责任