多因子模型研究系列之七:使用多因子框架的沪深300指数增强模型

核心观点:

本篇报告中,我们使用多因子框架构建了沪深300指数增强模型。多因子框架的建立主要包括四个步骤:数据预处理、单因子检测、收益模型和风险模型。原始数据构成的因子经过数据对齐、去极值、标准化、缺失值处理的预处理步骤,进入单因子检测环节。单因子检测分为统计检验和分层回测两种。通过单因子检测后,我们采用逐步回归法,为收益模型逐个引入新因子,根据拟合优度的统计量决定新引入的因子对整个模型的贡献程度。最后,使用Barra风险模型控制整个组合的风险,以及在特定风险因子上的暴露。

针对沪深300和中证500成分股,最终选取估值因子、盈利因子、成长因子、动量因子和流动性因子作为收益预测因子构建收益模型,选取波动率因子、市值因子、中性市值因子、Beta因子和行业因子作为风险因子代入风险模型。

我们针对沪深300成分股,以月度调仓的频率构建投资组合。回测数据为2011年2月-2019年1月。收益模型采用12个月移动平均的方式预测因子收益,风险模型中,在二次规划的条件部分对风险因子的暴露设定为0。经过回测,模型年化超额收益10.15%,并在2011-2018期间每一年都跑赢指数,平均跟踪误差3.55%,平均换手率4.09倍。

未来,我们将持续关注该模型的运行情况,定期公布净值。除了沪深300指数增强模型,我们还将构建中证500指数增强模型,以及其他指数增强模型。我们还将构建使用机器学习方法预测股票收益的指数增强模型。

风险提示:随着市场环境变化,模型存在失效风险。