下跌行情中存在超額收益嗎？2018年因子回顧

多因子模型尋找市場alpha，是量化交易中主流策略方法，模型構建流程中很重要的一部分就是因子的挖掘和單因子的測試。這次研究內容，我們選出了二十三個基於財務資料和量價資訊的因子，都是在估值、成長、盈利、反轉等風格大類下的細分因子，建立單因子測試體系，基於迴歸方法進行因子與股票收益相關關係的統計。針對較為顯著影響收益的因子，利用分層回溯方法，對股票進行分組測試收益，用於觀察因子具體表現。

1、因子模型介紹

首先看一下多因子模型下的股票收益：

???表示股票 i 在因子 j 上的因子暴露

??表示因子收益

??表示股票 i 的殘差收益

向量形式為：

以上股票二級市場的多因子模型公式，可以理解為將股票的收益率分解為多個因子的線性組合與未被因子解釋的殘差項，即不同股票在各個因子上的敏感度或因子暴露，就是股票該因子值的大小，股票收益就可以理解為因子值與因子收益率的線性關係，如同上面的向量形式。

基於常見的市場風格因子分類，這裡選取了二十三個我們認為影響股票收益率的因子，因子資料處理方面，按月度頻率獲取了近一年的因子資料，在因子截面資料處理過程中用了絕對中位數方法剔除異常值，做了Z值因子標準化統一量綱，接著獲取行業啞變數進行行業中性化處理，最後將股票下月度收益值也記錄了其中。

接著每個月對因子進行截面迴歸處理，方法參考光大證券多因子系列研報，採用了RLM穩健迴歸因子測試，與常用的最小二乘法OLS相比，RLM迴歸採用迭代加權最小二乘估計迴歸係數，根據迴歸殘差的大小確定各點的權重，使得引數結果較為穩健。過程中計算並儲存因子收益序列ｆ及IC值。

2、因子有效性檢查

通過多期因子值與下期收益截面迴歸後，得到了因子收益率ｆ序列，以及每一期的Ｔ檢驗ｔ值序列，這裡ｆ值越大就說明因子收益越高，ｔ值越大說明因子效果越顯著，針對這兩個序列，通過以下幾個指標判斷該因子的有效性及穩定性：

1.因子收益序列ｆ的假設檢驗t值

2.因子收益序列ｆ大於0的概率

3.ｔ值絕對值的均值

4.ｔ值絕對值大於等於2的概率

資訊係數IC值，是當期收益率與上期因子值的相關係數，代表因子預測股票收益的能力，該值越大，因子預測能力越強，通過對IC的研究可以有效的觀察到某個因子收益率預測的穩定性和動量特徵，以便在組合優化時用作篩選的指標。常見的IC值計算方法有兩種：相關係數（Pearson Correlation）和秩相關係數（Spearman Rank Correlation），文中的IC是用秩相關係數計算，通過IC來判斷因子的有效性和預測能力指標如下：

1.IC值的均值

2.IC值的標準差

3.IC值大於0的比例

4.IC絕對值大於0.02的比例

5.IR （IC均值與IC標準差的比值）

3、因子統計結果說明

通過模型我們對所有因子檢測指標進行彙總統計，這裡按IC值從大到小進行了排序：

我們發現排在第一的市值因子，IC高達0.05，因子收益序列也顯著大於0，因子收益均值0.45%，並不能算高，目前看到這個結果的直觀感受就是買大盤股比小盤股會賠的慢些。

看了一下排在最後的換手率因子，尤其是統計期為1個月的換手率，IC值絕對值能夠達到0.1！，可以說是很強勢的負面因子了，因子收率序列也是很顯著小於0，均值達到了-0.7%，該因子的顯著性是這些因子中最強的，也就是說，那些換手率越高的股票，下期收益率越低。這給我們帶來的實際意義就是，持倉中需要儘可能的避免持有換手率較高的股票。

IC值較高的因子，如市值、ROE同比增長率、總資產週轉率，因子收益也較為顯著。

因子效果雖然明顯，但是收益整體很低，畢竟這種行情下已經不是追求掙多，而是少賠。

上面是2018年因子IC均值，按IC值從小到大進行排序，更加直觀的感受到了換手率因子的負面作用，正向作用的因子我們看到規模因子、盈利因子ROA、ROE、有較好的表現。

下面是2018年因子收益序列排序圖示：

基本上和因子IC沒有太大區別，正向最強的因子是市值因子，但是超過0.5%月度收益的因子不存在，負面超過0.5%的因子還是換手率了。

針對負面效果最強的換手率因子和正面效果最強的市值因子，對月度因子收益序列資訊進行展示，下面分別是每月的換手率因子收益，市值因子收益。

我們看到，大部分的月份，換手率因子有著穩定的負收益，市值因子有著正的收益值，二月和十一月期間因子效果收益發生反轉，與其市值因子在十一月較為明顯，市值因子雖然收益為正的次數很多，但是收益為負的虧損很大，另外，在十一月期間確實一些小市值殼資源的股票表現搶眼。

４、因子分組回測

進行顯著性和有效性的分析以後，可以初步判斷因子對股票的收益是否有顯著的影響，但是不能判斷單調性，通過對每期因子值截面分組後，統計分層收益情況可以對因子單調性進行檢查驗證。

下面是一個月換手率因子的分組收益和多空組合淨值展示：

月度換手率因子分層效果比較顯著，且呈現出了換手率越大收益越低的單調性特徵，通過做多換手率底的股票分組與做空換手率高的組合，獲得了７％的收益。

下面對市值因子同樣進行分組回測 ，得到如下的分組收益和多空組合淨值曲線，通過做多大市值股票，做空小市值股票獲得１０％的收益。

綜合來看，以上兩個因子分組回測還是有較為明顯的分層效果，呈現出了預期的單調性，多空組合有超額收益，回撤出現在因子效果反轉的2，3月和11月附近。

最後篩選了部分效果顯著因子，進行分組測試並統計了分組收益，從group0到group4因子值是從小到大的順序分組。

５、結束語

面對今年如此艱難的市場，在這主觀選擇的二十多個有邏輯支援的因子中，發現還是存在效果較為明顯的因子。2018年已經過去，與其期待市場行情，不如順應市場行情，比如在純多頭策略失效的時候，考慮擴充自己的策略庫，補充一些市場中性策略，考慮對資產做配置優化，股市可以做、債市、期市可不可以做，畢竟你會發現，不論市場怎麼樣，總是有許多人依然在創造著收益。

年初大禮送上——【聚寬社群：因子研究-2018年因子回顧】，社群原文更有完整程式碼哦！！！