華泰證券因子跟蹤周報：盈利因子走強，小市值因子回撤

摘要

上周盈利因子走強，小市值因子回撤

上周盈利因子表現出色，在各類股票池的Rank IC值超過 10%。財務品質因子表現良好，在各類股票池的Rank IC值均為正。小市值因子表現不佳，在各類股票池出現回撤。波動率、換手率因子表現接近，在滬深300成份股票池出現回撤，在其餘股票池表現良好。技術因子在中證500成份股票池出現回撤，在其餘股票池表現較好。估值因子在滬深300、中證500成份股票池出現回撤。Beta因子在滬深300、中證500、中證1000成份股票池出現 回撤。成長、反轉因子表現平淡。從本月初至今的表現來看，主要是小市值、反轉、技術因子表現優秀，beta因子出現回撤，其余因子整體表現一般。

主動型量化基金近期表現弱於非量化基金

我們基於Wind量化基金分類，通過自主篩選，構建量化公募基金池，定期跟蹤業績表現。上周主動型、指數型、對衝三個類別的量化基金收益率中位數分別為0.37%、0.46%、-0.09%，所有股票及偏股型公募基金收益率中位 數為 0.69%；近 1個月主動型量化基金收益率中位數為3.04%，所有股票及偏股型公募基金收益率中位數為3.23%；主動型量化基金近期表現弱於非量化基金。我們基於多種回歸方法，對偏股混合型基金倉位變化情況進行測算，上周偏股混合型基金倉位和前一周相比，結合長期持倉的二次規劃法的預測 值有明顯下降，Lasso 回歸和逐步回歸的預測值基本持平。

上周市場震蕩，表現最好的指數是上證 50

上周市場走出震蕩行情，中小板指一周漲幅 0.39%相對較強，創業板指一 周跌幅 0.32%相對較弱；觀察市場重要規模指數發現，上證50指數一周漲幅1.00%相對較強，中證500指數一周跌幅 0.68%相對較弱；上周表現最好的指數是上證50。在29個中信一級行業中，上周有10個行業處於上漲狀態；銀行、電子元器件、汽車行業漲幅位居前三，分別為2.17%、1.78%、1.44%；綜合、鋼鐵、有色金屬行業跌幅位居前三，分別為2.57%、2.27%、2.23%；電子元器件行業一周成交額領跑其它行業。

風險提示：風格因子的效果與巨集觀環境和大盤走勢密切相關，歷史結果不能預測未來；量化與非量化基金的業績受到多種因素影響，包括環境、政策、基金管理人變化等，過去業績好的基金不代表未來依然業績好，投資需謹慎。本報告所採用的基金倉位測算方法僅基於日頻基金淨值數據和行業數據，沒有利用基金報告中公布的重倉股、行業分布等資訊，存在一定局限性，敬請注意。

上周行情回顧

上周（2019/1/21~2018/1/25）A 股市場重要指數和一級行業指數漲跌幅如下所示。

上周市場走出震蕩行情。在四個重要的板塊指數（上證綜指、深證成指、中小板指、創業 板指）中，中小板指一周漲幅0.39%相對較強，創業板指一周跌幅0.32%相對較弱；在五 個重要的規模指數（中證全指、上證50、滬深300、中證500、中證1000）中，上證50 指數一周漲幅 1.00%相對較強，中證500指數一周跌幅0.68%相對較弱；上周表現最好的指數是上證50。在29個中信一級行業中，上周有10個行業處於上漲狀態；銀行、電子元器件、汽車行業漲幅位居前三，分別為2.17%、1.78%、1.44%；綜合、鋼鐵、有色金屬行業跌幅位居前三，分別為2.57%、2.27%、2.23%；電子元器件行業一周成交額領跑其它行業。

上周因子表現

我們針對估值、成長、盈利、財務品質、小市值、反轉、波動率、換手率、beta、技術共 十個風格因子，在滬深300成份股、中證500成份股、中證1000成份股、全A股市場四種股票池內計算行業中性及市值中性的Rank IC值、IC_IR比率，並展示在下面七個圖表中。這一計算過程可以簡要描述為：

計算附錄一表格中所有細分因子的值；

對每個細分因子，用其自身作因變量，用對數總市值和29個一級行業啞變量作自變 量進行OLS線性回歸，取回歸殘差替代原始計算的因子值；

對新因子值用中位數法去極值，再標準化，然後將屬於同一個風格大類（比如估值） 的細分因子直接等權相加作為風格因子的值，與個股下期收益率計算Spearman秩相 關係數，即得到該風格因子的Rank IC值；

上周、本月初至今（或指定月份的Rank IC值分別是用前一周五、上個月（或指定月份前推一個月）的月底作為截面期計算因子值，經過前3步處理後與個股上周、本月初至今（或指定月份的）收益計算相關係數，指定時間區間內Rank IC均值是以自然月為頻率計算的月度Rank IC的平均值（本月的Rank IC值即為本月初至今Rank IC 值），IC_IR 是月度 Rank IC 的均值除以標準差。

十個風格大類共包含34個細分因子，它們的詳細計算方式參見附錄一，風格因子合成與IC值計算方法參見附錄二，細分因子IC值詳表參見附錄三。

上周量化基金表現

我們以Wind收集的量化概念類基金（包括主動型、指數型、對衝三個子類）為基礎，針對以下幾種情形進行調整：

同一隻基金可能存在A類、C類或其它類別份額，不同類別份額可以各自對應於獨立的基金代碼，我們在統計時隻考慮成立最久的那一個基金代碼（若成立日相同則選A類份額）對應的業績表現；

去除債券型基金、偏債混合型基金、封閉式基金、非主要投資於A股市場的基金，去 除成立三個月之內的基金；

去除明顯不是量化型的基金（主要通過基金經理背景、經歷和其它資訊綜合判斷）；

我們將所有開放式公募基金中普通股票型和偏股混合型合並作為參照組，因為基金數 目眾多，細微調整對分位數計算的影響較小，所以對參照組沒有進行上述3條處理。

考慮到Wind收集的量化基金可能不全，所以此處討論的量化基金可以認為是全市場量化 基金的一個有代表性的子集。近期量化基金表現如下面圖表所示。

基金倉位測算觀察

我們基於結合上期持倉的二次規劃法、Lasso回歸和逐步回歸三種回歸方法，對偏股混合 型基金2018年初至今倉位變化情況進行了測算。這一計算過程可以簡要描述為：

選取Wind分類下的偏股混合型基金，剔除滬港深基金等非完全投資於A股市場的基 金，剔除數據方面有缺失值或存在疑問的基金，剔除2017年以後成立的基金，共保留 480隻偏股混合型基金。

以過去90個交易日基金的日頻收益率作為因變量，29個中信一級行業指數日收益率 作為自變量，樣本按時間衰減賦權，通過不同的回歸方式對各行業變量前的回歸系數 進行擬合，再求所有回歸系數之和，即得基金倉位預測值。

對於結合上期持倉的二次規劃法，我們對目標函數進行最優化求解，需要求解的目標 向量為倉位向量。目標函數包含兩項，第一項是基金日收益率預測值與真實值的均方 誤差，第二項是基金在各指數的預測倉位與上期真實倉位的誤差平方和，λ是第二項 損失項前的系數，此處將 λ 設為100。

對於Lasso回歸，其基本原理是在普通最小二乘的損失函數基礎上添加L1正則化項， 使原本較為病態的回歸問題可以正常求解。Lasso 回歸將某些行業前面的回歸系數壓 縮成0，提取出一組“回歸效果最好”的行業組作為解釋變量組。Lasso 回歸具有一個可調參數 λ，我們採用 10 折交叉驗證從1e-3 至1的範圍內搜索最優 λ 值。

對於逐步回歸，我們採用逐步進入方法，每次引入或剔除自變量，都對原模型和新模 型進行F檢驗。如果新自變量的引入能夠顯著提升模型的解釋能力，那麽引入該自變 量；如果原自變量的剔除不會顯著降低模型的解釋能力，那麽剔除該自變量。直到不 再有變量被選入或剔除為止。變量被保留的 p 值為 0.05，被剔除的 p 值為 0.1。

關於回歸法進行基金倉位測算的具體方法，感興趣的投資人可以參閱華泰金工研報《再探 回歸法測算基金持股倉位》（ 2018.12.24）了解更多詳情。我們使用過去90個交易日的數 據進行回歸計算，按日滾動回歸，得到偏股混合型基金倉位預測值均值變化曲線，如下圖 所示。上周偏股混合型基金倉位和前一周相比，結合長期持倉的二次規劃法的預測值有明 顯下降，Lasso回歸和逐步回歸的預測值基本持平。

附錄一：所有細分因子計算方法

上表第三列因子方向解釋：取值為1代表因子值越大越好，-1代表因子值越小越好。當採用等權法合成風格因子時，需將因子值乘以因子方向之後再相加。

附錄二：風格因子合成與IC計算方法

我們以某一截面期T估值類風格因子的合成為例，具體說明風格因子合成過程：

1.因子原始值計算：設第T期指定股票池（全A股、滬深300成份股、中證500成份股、中證1000成份股）內共存在N隻股票，首先根據附錄一表格計算細分因子EP、BP、SP、股息率在第T期的值，均為N×1維向量；

2.因子的行業與市值中性化處理：用OLS線性回歸擬合

取上述回歸方程的殘差向量替代原始計算的因子值X^T作為第T期因子X的新值，仍記為X^T，這裡的X指代EP、BP、SP、股息率等細分因子（特別地，若因子X為‘對數總市值’因子，則它隻對行業啞變量回歸，亦即對該因子隻進行行業中性化處理）；

3. 因子去極值、標準化：

a) 中位數去極值：對於經過中性化處理之後的因子值X^T（N×1維向量），先計算其中位數D_M，再計算|X^T-D_M |的中位數D_M1，接下來將向量X^T中所有大於D_M+5D_M1的元素重設為D_M+5D_M1，將向量X^T中所有小於D_M-5D_M1的元素重設為D_M-5D_M1；

b) 標準化：將去極值處理後的因子值X^T（N×1維向量）減去其現在的均值、再除以其現在的標準差，就得到了標準化後的新因子值，仍記為X^T；

4. 風格因子合成與Rank IC計算：將屬於估值類的四個細分因子值（經過以上所有處理之後）乘以各自的因子方向（1或-1）之後直接等權相加，就得到了估值風格因子的值，與個股下期收益率向量r^(T+1)計算Spearman秩相關係數，即得到估值風格因子的Rank IC值；

5. 上周、本月初至今（或指定月份的）的風格因子Rank IC值分別是用上上周五、上個月底作為截面期計算因子值，經過前4步處理後與個股上周、本月初至今（或指定月份的）收益向量計算Spearman秩相關係數而得的，指定時間區間內Rank IC均值是以自然月為頻率計算的月度Rank IC的平均值（若指定時間區間中最末一天不是月底，則用最後一個月的月初至區間最末一天的Rank IC值作為最後一個月的Rank IC值），IC_IR是月度Rank IC的均值除以標準差（不年化）；

6. 細分因子的Rank IC值即用第2步處理結束後得到的因子值X^T乘以因子方向（1或-1）再與個股下期收益率向量r^(T+1)計算Spearman秩相關係數。

附錄三：所有細分因子IC值表現

所有細分因子在不同票池（全A股、滬深300成份股、中證500成份股、中證1000成份股）內的IC值表現如以下四張圖表所示：

風險提示

風格因子的效果與巨集觀環境和大盤走勢密切相關，歷史結果不能預測未來；量化與非量化基金的業績受到多種因素影響，包括環境、政策、基金管理人變化等，過去業績好的基金不代表未來依然業績好，投資需謹慎。本報告所採用的基金倉位測算方法僅基於日頻基金淨值數據和行業數據，沒有利用基金報告中公布的重倉股、行業分布等資訊，存在一定局限性，敬請注意。