金融工程研究报告:因子非线性及分层特征研究

报告摘要:

在本报告中,我们对因子非线性及分层特征进行了研究,并给出一种框架以增强因子的选股效果。 我们通过简单的例子说明了因子非线性及分层特征的存在。传统方法忽视了个股本身存在的差异性,以及因子与个股预期收益之间的非线性关系。常用的解决方法有非线性转换以及分层研究。前者简单易操作,不过缺乏经济学含义,且拟合函数形式的确定比较困难;后者对分层进行了较好的考虑,能够提升整体表现,不过在适用性方面存在一定不足。基于多因子模型,本文构建了一种适用性更强的处理框架,并在此基础上进行了回测分析。

首先,我们将市值、波动率、估值和成长作为选股因子,进行了回测分析。市值分层下TOP100年化收益率为25.99%,Sharpe值为0.757,远高于等权组合的12.94%和0.430。行业和PE分层之后,相比于等权组合也有所改进。这里我们仅回测了单因子分层的结果,也可以方便地拓展至多因子分层。

然后,我们对同类型因子的组合构建进行了分析。首先,基于对称正交方法,得到正交因子,且与原有指标保持较好的对应关系;然后基于本文框架进行了回测分析。这里我们选取了市值、动量、流动性等常见的8个量价指标。回测结果表明,市值分层年化收益率为26.40%,Sharpe比为0.814,均优于等权组合;最大回撤为30.75%,与等权配置的43.34%相比,有较大程度降低。2017年与市值相关因子失效之后,经过分层调整之后,模型适应性得以提高。

因子非线性及分层特征具有重要的研究价值,后面我们会继续在这方面进行深入分析,以期能够构建适应性更强的因子选股模型。