申万宏源金工晨话 引入多维价量信息的风格因子轮动

00:00:02 大家好，欢迎参加申万宏源精工陈化引入多维价量信息的风格因子轮动。目前所有参会者均处于静音状态，下面开始播报声明。请参会人员务必注意，本次电话会议交流内容仅限参会人员内部参考，任何机构或个人不得以任何形式对电话会议任何内容进行泄露或外发，请勿以任何方式索要、泄露、散布、转发电话会议纪要。任何泄露电话会议纪要等信息的行为均为侵权行为，申万宏源研究保留追究泄露转发者法律责任的权利。 00:00:44 各位投资者早上好，那欢迎大家继续参加我们今天的这个精工神话。呃，今天这一篇报告呢是关于我们之前的这个复合因子轮动的框架啊。那我们在今年呢也是呃增加了一些这个维度去做了一些改进啊。当然也是像我们昨天提到的，我们可能为了去适应这个今年比较快节奏的这样一个市场环境啊，我们去引入更多相对比较短周期的。变量啊，去尝试看看能不能对于捕捉我们的呃因子的一些呃这个规律，或者甚至是一些反向的特征，能能够看看有没有更多的这个帮助啊。 00:01:20 那么首先呢，我们介绍一下我们原来的这个宏观加因子动量的这个因子共振的框架，啊，那我们也是跟踪了这个。有个两三年的这个时间，那么一直以来呢，整体的这个效果应该还是不错的。 00:01:32 呃，宏观的部分呢，这一次我们没有去做相应的这个调整，主要还是按照原来的宏观敏感性的一个测算的方法啊。 00:01:40 我们现在呢，主要是经济流动性以及信用的这个三个维度。那么在三个维度上呢，我们构各自构建了一些相应的这个呃预测性质的这个指标啊，去给出每一个月的一个判断。比如说经济啊，我们是用的这个PMI啊，一些这个汽车的生产销售等等的数据，去给到的一个呃GDP同比的一个预测方向啊，就相当于是GDP同比下一期是上行还是下行啊，给的是 这么一个预测属性的正负的一个指标啊。 00:02:11 然后流动性这边呢，我们是宏观的这个流动性里面主要是利率货币的投放和这个超储率，那么也是给到的一个正负一的这样的一个变量。然后信用这边呢，里面是包括了信用利差、贷款利率啊，包括社融等等这样的一些分项啊。我们给到的是一个信用的价量结构三个维度，最后也是拼在一起的一个正负的方向指标啊。所以经济流动性信用，我们各自通过内部的一些细分指标，去构成了一个呃正负向的一个方向性的这个信号。 00:02:43 那么有了这些信号之后呢，首先我们先去测算历史上啊，我们的这样一些大类的风格因子，它对于我们的。这个经济流动性信用各自的一个敏感性的特征啊，这里我们定义的这个敏感性的计算方法，其实我们算的是上行下行阶段啊，谁的表现的差异比较大，上行的时候表现好，下行的时候表现差。那这样的因子我们就认为是呃对这个宏观变量比较敏感的。那首先比如说经济啊，经济在样本内测算的时候呢，我们用的是GDP同比的变化方向本身，那么后面再做下一次要配什么因子的时候，我们再用刚才这个前瞻指标来做啊。那GDP同比的变化方向，我们区分好上行下行的所有阶段之后， 00:03:26 我们先去算3个排序。第一个呢是上行下行阶段收益的差异啊，这里多空收益，上行阶段每个因子自己的多空收益减掉下行阶段自己的多空收益，然后在所有的因子之间做一个排序啊，这个是第一个。第二个呢是经济上行阶段涨的次数也是在所有的因子之间做排序。第三个是经济下行阶段跌的次数啊，同样是在所有因子之间做排序啊，所以是三个排序，那么把它加在一起啊，然后另外呢，因为我们衡量因子的这个有效性除了。收益之外， 00:04:01 我们还有这个IC啊，所以我们同样去计算上行下行阶段IC的差异。上行阶段IC为正的次数，下行阶段IC为负的次数，也是三个排序在所有的这个因子之间排完了之后啊， 00:04:14 然后我们这样子一共是三个多空的排序，三个IC的排序一共是六个排序。把它加在一起啊，然后再折算到0~100之间，得到了我们这里第二列的这个分数啊。那这里的分数表达的这个含义其实就是一个排序和的概念啊，越接近0说明排名是越靠前的，那么就是上 行的时候好，下行的时候差，但越靠近100的话。就说明下行的时候可能反而会好一些啊，所以这个是一个呃敏感性测算的这个标准啊。 00:04:43 然后这里我展示的是一个呃10年的静态的数据，但实际我们现在在使用的时候呢，是每月会根据最新的数据加进来之后做一个更新啊。 00:04:53 那跟踪到目前为止几个重点维度的变化没有什么太大的区别啊， 00:04:58 我们这里看到的应该是经济。上行下行阶段啊，这个对经济最敏感的这个因子呢是价值啊，对经济最不敏感的是盈利质量。这个结论应该跟美国市场做下来的结论相对是比较类似的啊，这个是经济。然后流动性和信用呢，我们也都按照类似的方法来去做测算啊，也是算上行下行阶段的差异。上行阶段涨的次数，下行阶段跌的次数，那么得到的最对流动性最敏感的主要是小市值啊，对信用最敏感的主要是成长，对信用不太敏感的主要是这个红利低波啊，所以这个两边呢应该来说。都还是非常明显的啊，而且我们一直跟踪到现在也发现的是这个结论基本上是比较稳定的啊。 00:05:40 所以呃，这个是三个部分的单因子的这个规律，单变量的规律。然后每个月的月底呢，我们根据当前就其实我们前面这一些指标的判断啊，就经济流动性信用各自的一个方向的判断来决定，我到底是用敏感还是不敏感的那一头来去排序啊。那如果说刚才是我们计算下来，比如说信用是扩张的，那么我就选敏感的，我就正常这样排序。但如果说我现在是信用收缩的，那么我就把这个排序的分数倒过来啊，就其实我就在这个分数前面加一个负号，我就把这个排序倒过来了。然后我们再把经济流动信用的分数加总在一起， 00:06:16 然后得到综合得分前三名的因子，这个就是我们当期的宏观部分的因子选择。嗯，然后这个是宏观部分。那么原来呢，我们在因子动量的部分呢，直接用的是12个月的IC啊去选前三名啊。这个部分呢，我们昨天也有提到啊，就是在呃这个500里面，这两年这个长周期的因子动量其实是出现了明显的衰减的，也出现了宏观的方法比因子动量选出来的更好的这个特征啊。当然在历史上呢，可能在五百一千当中都是12个月IC啊，这个动量的指 标是更好的啊然后。主要是这两年我们说风格的这个切换的速度变得更快啊，风格因子的这个持续性变得更差了啊，所以它可能有效性减弱了。 00:06:59 所以我们这一次呢，重点改进的是这个因子动量的这个部分啊。 00:07:04 然后因子的这个综合的筛选呢，其实我们是把宏观加动量两个部分结结合在一起，但是又做了一层这个筛选啊， 00:07:12 就是因为我们在历史测算的时候发现，宏观方法整体对于基本面的因子更有效，因子动量呢整体对于价量的因子更有效。所以我们两边得到各自的结论之后，这两边各自选三个因子， 00:07:25 如果是有这个共振的，就是都同时选到的，那这个因子我们就会使用它，但如果不是同时选到的，那么宏观部分呢，我们主要只留基本面相关的因子，因子动量部分只留价量相关的因子。然后最后把它综合在一起啊，得到最终选中的这个因子啊，这个是大概的配置的呃方法啊。那么呃前面呢我们介绍了就是原来的这个方法，那现在我们来看这一次这个改进的部分啊，这个是我们前面已经提到的12个月的ICR，它的有效性在减弱，对下一个月因子IC的这个指导意义在减弱。 00:08:01 那么这一次呢，我们整个的改进的这个方案呢，呃，首先我们改进的这个频率就我们从原来的呃月频可能提高到这个周频。因为我们昨天也提到我们尝试了就是站在月频意义上，如果我们想要去看高波短期动量这样的短期的这个因子的这个表现，好像不太能够找到它什么时候会更好啊，所以我们尝试就是提高到周评来看。 00:08:26 然后第二个呢，就是我们这一次不再用因子的这个IC的这个角度，而是我们改成这个。因子的多头的组合啊，我们看这个原来的十个大类因子啊，成长价值盈利低波低流动性动量反转啊，市值分析师预期和红利啊。这个十个因子呢，我们在各个股票池里取它前20%的这个股票做成多头组合，然后我们去观察多头组合的一些指标来看，对于我们后续筛选 因子有没有这个指导力啊，就全部都看多头。 00:08:57 那么看多头的好处呢，一方面就是我们可以设计出更多的指标的类型来啊，包括我们看那个动量，我们原来是呃这个3个月动量啊，呃12个月动量，24个月动量，那么这次动量我们就改成因子多头组合的收益率啊，作为它的动量。但同步我们也还可以衍生出很多其他类型的指标， 00:09:15 那么还有一个好处呢，就是我们想要去观察反向规律的，像这里的低波低流动性短期的反转和市值。我们看它反方向的高波高流动性短期的动量和大市值。如果我们看IC啊，那它跟原来的因子就是完全相反的特征啊，但是。如果我们看多头啊，那就是我们把高波的这个20%也拿出来单独去做一个组合，那么它就有可能出现可能和低波同时好的这个现象。 00:09:43 那么我们会把这个四个因子的反向的这个多头，呃其实就原来的空头的这个组合呢一起拿过来啊，我们去看它和呃这个原来的那些因子，它们的一些指标上同步去做一些排序的比较。那如果选出来，比如说确实是高波，就是比别人的这个指标是更好的，那么我们就用高波啊， 00:10:03 大概是这样的一个思路。那接下来我们就开始算指标， 00:10:06 首先第一个大类的指标呢还是动量啊，那原来的这个动量，我们算的是半年一年两年的这个收益率。那么现在呃，那个呃I12个月的呃，就原来的可能我们算的是半年一年两年的这个ici啊，那现在呢我们算的就是多头组合的收益率啊。 00:10:24 然后这里我们评价我们算算的这些指标，比如说因子动量这些指标的有效性的时候， 00:10:30 我们用的是这里的一个周度的平均的IC。但这里的IC呢是一个选因子的IC，就比如说6 个月的动量，我们算的是截面上所有的因子多头组合，它过去6个月的这个收益率和接下来的呃一周啊，这个因子多头组合的收益率的一个排序相关性。 00:10:48 所以如果是刚才10个大类组合再加4个这个呃反向的啊，一共14个组合，那我们其实就是算的是这14个组合的，呃6个月的动量和它们的周度收益的一个排序的相关性啊，所以是一个比较少的一个东西的排序概念啊。那如果这个指标是比较高的呢，就说明这个指标用来选因子是有效的。那如果这个IC比较低或者甚至是反向的，那就说明这样选因子的效果在。在下降我者是无效了，那这里的动量的结论呢应该跟刚才我们ICR看到的差不多啊，就整体都是20年之前的表现相对是比较好的，那么20年之后的这个表现呢就开始出现了明显的这个减弱啊， 00:11:28 这是第一个。嗯，然后动量这一边呢，因为我们现在用多头组合其实不限于只算固定期限的这个收益率嘛， 00:11:36 那我们可以去补充一些其他的信息，这里我们补充了一个是这个净值的分位数，另外一个是创新高的次数啊。净值分位数就是我们多头组合自身的这个净值，它在过去呃大概。一段时间当中，它的分位数的水平其实就是离前高大概还有多少距离啊？创新高次数就简单的自己的净值创新高的次数啊，其实都是动量类的右侧的这个指标。这两个指标算下来呢，整体上也都是正向的啊，而且呃，多数表现还不错啊，在衰减的情况呢，比刚才这个简单的动量要好一些啊。所以这里我们先把这个两个指标呢留下啊，作为后续可以使用的这个部分啊， 00:12:15 这是第一个呃大类。然后第二个大类呢是这个技术指标啊，因为我们现在其实想要去挑选的就是所谓的强势的因子，那么任何可以去表达因子有效性强弱的这个指标其实都是可以用的啊。所以这里呢，我们呃算了这个一共是7个技术指标啊， 00:12:33 简单的短期的移动平均线，呃，这个长期的移动平均线，相对强弱的rsi布林带的带宽，然后ma ACD的一些指标啊然后。一共是7个指标，然后我们各自算了两组参数。 00:12:47 那这里的参数呢，我们用的都会比较短一点，主要是1~2个月的这个指标。然后我们去算这些指标啊，它也是去选因子的这个表现啊