量化模型与构建方式 条件期望因子择时模型 - 模型名称：条件期望因子择时模型 - 模型构建思路：通过条件期望的方式对因子收益预测值进行调整，以提升因子收益预测的灵活性[1][9] - 模型具体构建过程： 1. 构建因子择时TOP100组合与基准TOP100组合，使用相同的因子和因子加权方法，唯一不同的是因子收益预测方法[9] 2. 因子择时组合使用条件期望的方式对因子收益预测值进行调整，基准组合仅使用因子历史24个月的收益均值作为因子收益的预测值[9] 3. 公式： $\beta_{j,t}=\frac{1}{T}\sum_{m=1}^{T}\beta_{j,t-m}$ 公式中，$\beta_{j,t}$表示第j个因子在t时刻的收益预测值，T表示历史窗口期[12] - 模型评价：该模型在风格多变的市场环境中提升了因子收益预测的灵活性，但在实际使用过程中存在择时指标备选范围过窄、筛选流程复杂等问题[2][11][12] 回归法因子择时模型 - 模型名称：回归法因子择时模型 - 模型构建思路：通过回归模型构建因子收益的预测模型，使模型更加易于理解与应用[2] - 模型具体构建过程： 1. 在回归法框架下，构建因子收益的预测模型，将因子收益分解为与外生变量之间的稳定相关性[12] 2. 公式： $\beta_{j,t}=\alpha + \sum_{i=1}^{n}\beta_{i}X_{i,t} + \epsilon_{t}$ 公式中，$\beta_{j,t}$表示第j个因子在t时刻的收益预测值，$\alpha$为常数项，$\beta_{i}$为回归系数，$X_{i,t}$为外生变量，$\epsilon_{t}$为误差项[12] - 模型评价：回归法因子择时模型在理解和实现上更为简单，且具有良好的扩展性[2][12] 模型的回测效果 - 条件期望因子择时模型： - 2017年收益约为11%[1][10] - 不择时组合同期收益约为-20%[1][10] - 超额收益约为31%[1][10] 量化因子与构建方式 规模因子 - 因子名称：规模因子 - 因子的构建思路：使用股票对数总市值计算规模因子，因子IC越高，市场越偏好大盘股；因子IC越低，市场越偏好小盘股[17] - 因子具体构建过程： 1. 使用股票对数总市值计算规模因子[17] 2. 公式： $IC = \text{log}(\text{总市值})$ 公式中，IC表示规模因子，log表示对数函数，总市值表示股票的总市值[17] - 因子评价：规模因子在不同的宏观经济、债市和股市指标下具有较强的收益预测效果[18] 中盘因子 - 因子名称：中盘因子 - 因子的构建思路：使用截面标准化后的对数总市值的平方计算中盘因子，因子值越小，股票越偏向中盘；因子值越大，股票越偏向小盘或者大盘[29] - 因子具体构建过程： 1. 使用截面标准化后的对数总市值的平方计算中盘因子[29] 2. 公式： $IC = (\text{log}(\text{总市值}))^2$ 公式中，IC表示中盘因子，log表示对数函数，总市值表示股票的总市值[29] - 因子评价：中盘因子在不同的宏观经济、债市和股市指标下具有较强的收益预测效果[30] 流动性因子 - 因子名称：流动性因子 - 因子的构建思路：使用股票过去1个月日均换手率计算流动性因子，因子IC越高，市场越偏向前期高换手的股票；因子IC越低，市场越偏好前期低换手的股票[36] - 因子具体构建过程： 1. 使用股票过去1个月日均换手率计算流动性因子[36] 2. 公式： $IC = \text{日均换手率}$ 公式中，IC表示流动性因子，日均换手率表示股票过去1个月的日均换手率[36] - 因子评价：流动性因子在不同的宏观经济、债市和股市指标下具有较强的收益预测效果[37] 反转因子 - 因子名称：反转因子 - 因子的构建思路：使用股票过去1个月收益率计算反转因子，因子IC越高，市场动量效应越强；因子IC越低，市场反转效应越强[42] - 因子具体构建过程： 1. 使用股票过去1个月收益率计算反转因子[42] 2. 公式： $IC = \text{过去1个月收益率}$ 公式中，IC表示反转因子，过去1个月收益率表示股票过去1个月的收益率[42] - 因子评价：反转因子在不同的宏观经济、债市和股市指标下具有较强的收益预测效果[43] 波动率因子 - 因子名称：波动率因子 - 因子的构建思路：使用股票过去1个月收益率的FF3因素回归R方计算波动率因子，因子IC越高，市场越偏好高系统波动占比、低特质波动占比的股票；因子IC越低，市场越偏好低系统波动占比、高特质波动占比的股票[51] - 因子具体构建过程： 1. 使用股票过去1个月收益率的FF3因素回归R方计算波动率因子[51] 2. 公式： $IC = R^2$ 公式中，IC表示波动率因子，R^2表示FF3因素回归的R方[51] - 因子评价：波动率因子在不同的宏观经济、债市和股市指标下具有较强的收益预测效果[52] 估值因子 - 因子名称：估值因子 - 因子的构建思路：使用股票对数PB计算估值因子，因子IC越高，市场越偏好高估值股票；因子IC越低，市场越偏好低估值股票[55] - 因子具体构建过程： 1. 使用股票对数PB计算估值因子[55] 2. 公式： $IC = \text{log}(\text{PB})$ 公式中，IC表示估值因子，log表示对数函数，PB表示股票的市净率[55] - 因子评价：估值因子在不同的宏观经济、债市和股市指标下具有较强的收益预测效果[56] 盈利因子 - 因子名称：盈利因子 - 因子的构建思路：使用股票单季度ROE计算盈利因子，因子IC越高，市场越偏好高盈利股票；因子IC越低，市场越偏好低盈利股票[64] - 因子具体构建过程： 1. 使用股票单季度ROE计算盈利因子[64] 2. 公式： $IC = \text{ROE}$ 公式中，IC表示盈利因子，ROE表示股票的单季度净资产收益率[64] - 因子评价：盈利因子在不同的宏观经济、债市和股市指标下具有较强的收益预测效果[66] 盈利成长因子 - 因子名称：盈利成长