从因子确定到Alpha和风险的界定.docx

《从因子确定到Alpha和风险的界定.docx》由会员分享，可在线阅读，更多相关《从因子确定到Alpha和风险的界定.docx（20页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、目录因子体系构建4因子的类型4风格内单因子5规模6Beta 6动量7反转7波动率8流动性9成长9盈利和价值10 10风格间单因子11风格确实定14小结15因子如何解释收益16Alpha 与 Beta16体系的解释能力17纯因子与统计检验18因子收益的思考19小结20总结21图表目录图1 ：半衰Beta因子全市场回测12图2:对特异率中性半衰Beta因子全市场回测 12图3:对波动率中性换手率因子全市场回测13图4:对波动率、非流动性中性换手率因子全市场回测13图5:高频反转因子全市场回测 13图6:对波动率中性高频反转因子全市场回测13图7:股息率因子全市场回测14图8:对盈利、价值中性股息率

2、因子全市场回测14从相关性上看，预期股息率和股息率均表达个股分红水平，故两者高度相关； 从风险指标上看，分红和预期增长风格均有较强的个股区分能力，分红因子的多空 收益较为稳定，多头和多空收益能力均较显著，预期增长因子那么在近些年产生较大 回撤，多头能力一般，多空能力较显著；以预期股息率修复股息率因子，表现有所下降，故以股息率作为分红风格的刻画， 以预期增长作为市场预期风格的刻画。表12：分红、市场预期风格子类因子回测风险指标资料来源：Wind,天软科技,股息率预期股息率ICICR年化收益夏普比超额收益信息比多空收益多空夏普比股息率100.00%88.82%3.70%30.72%25.54%0.

3、927.30%1.0312.68%1.31预期股息率88.82%100.00%3.42%28.79%22.84%0.844.99%0.7412.41%1.32预期增长-2.81%38.02%20.17%0.750.76%0.168.76%1.07风格间单因子风格内的子类因子通过不同维度对个股特点给出描述，大局部相关性均较高，但实际上 从大类风格之上，即刻画个股的收益来源出发，内部仍存在大类风格下的子类因子有较 强的相关性，如在高频因子（五）：高频因子和交易行为中，讨论了量价因子的中一 局部因子的收益来源于高风险带来的高溢价。这种风格间因子的相互影响，使得在对个 股收益的解释上存在交叉局部，需要

4、给出适当的简化。下表给出了通过因子表现筛选出 的各个风格下子类因子的相关性，其中： 半衰Beta和特异率因子相关性较高；反转因子、换手率因子受到非线性波动率因子的影响； 股息率因子受到ROE （盈利）因子和价值因子的影响。表13：风格间因子相关性资料来源：Wind,天软科技,市值二次方市值半衰Bet。半衰动量高频反转换手率特异率非流动性非线性波动成长 ROE 价值股息率预期增长市值二次方市值 半衰Beto半衰动量100.000.00%-10.16%16.95%-5.13%-24.81%2.08%0.38%-6.61%15.63% 33.21% 25.17%16.39%2.12%10.11%1.

5、20%0.00%100.00%-3.78%-3.55%-2.47%-0.69%-3.35%38.81%-4.82%-4.59% 4.41%1.27%-10.16%-3.78%16.95%-3.55%100.00%-0.66%-0.66%-0.40%22.13%-49.25%18.23%-0.26%-7.62%-16.83%22.48%-1.88% -5.95% -5.32% -8.30%-0.75%100.00%.I-8.27%13.64%15.67% 17.30% -17.66%-1.39%8.97%高频反转-5.13%-2.47%-0.40%-8.27%100.00%25.22%30.33

6、%-6.52%43.95%-4.59%-10.86%-15.72%-12.16%-0.54%换手率特异率非流动性非线性波动成长ROE价值股息率预期增长-24.81%-0.69%-3.35%22.13%13.64%25.22%100.0023.35%-51.74%48.45%-5.21%-11.34%-27.96%-15.25%-0.22%2.08%0.38%-6.61%15.63%-49.25%18.23%30.33%23.35%100.00%-14.22%81.04%-0.21%1.16%-23.90%-6.89%1.18%38.81%-0.26%-7.62%-6.52%巧 1.74%-14

7、.22%100.00%-18.90%-3.00%0.94%1.33%5.64%0.57%-4.82%-16.83%22.48%43.95%48.45%81.04%-18.90%100.00%-3.81%-7.19%-34.66%-15.90%1.04%-4.59%4.41%1.27%10.11%1.20%-1.88%15.67%-4.59%-5.21%-0.21%-3.00%-3.81%100.0042.12%19.37%12.71%4.44%33.21%25.17%16.39%2.12%-5.95%17.30%-10.86%-11.34%1.16%0.94%-7.19%42.12%100.0

8、036.30%39.58%4.91%-5.32%-17.66%-15.72%-27.96%-23.90%1.33%-34.66%19.37%36.30%100.0044.09%1.85%-8.30%-1.39%-12.16%-15.25%-6.89%5.64%15.90%12.71%39.58%44.09%100.00%-0.94%-0.75%8.97%-0.54%-0.22%1.18%0.57%1.04%4.44%4.91%1.85%-0.94%100.00%为了窥探上述因子对个股收益的解释是来自于自身对其大类风格的刻画，还是因为包含 了其他风格的信息，下面从线性剥离角度给出讨论。半衰Bet

9、a和特异率因子呈现较强的负相关，即Beta越高的个股往往和市场整体的走势 更为一致，特异率较小。下列图分别展示了半衰Beta因子在对特异率因子中性前后的回 测净值，并在表中比照了中性前后的风险指标，在剥离了特异率的影响后，Beta因子基 本失去了对个股的区分能力，对收益率的预测能力大幅下降，即Beta风格实际上可以 被波动率逻辑解释。图1 ：半衰Beta因子全市场回测资料来源：Wind,天软科技,图2：对特异率中性半衰Beta因子全市场回测资料来源：Wind,天软科技,表14：对特异率中性前后半衰Beta因子风险指标ICICR年化收益夏普比超额收益信息比多空收益多空夏普比半衰Bet。2.36%

10、15.40%11.76%0.49-4.44%-0.4710.10%0.68半衰Beta（特异率中性）-1.30%-0.09%4.66%0.30-10.52%-1.13-1.45%-0.01资料来源：Wind,天软科技,换手率和非线性波动呈现较强的正相关，即交易越频繁的个股，往往波动也较大，符合 市场交易特征；换手率和非流动性因子呈现较强的负相关，即流动性越弱，换手率越低， 符合对流动性风格的整体刻画。下列图展示了换手率因子在对波动率因子和对非流动性因 子中性后的回测净值，并在表中比照了中性前后的风险指标，在剥离了波动率的影响后, 换手率因子的选股能力有所下降，但仍可以在大方向上给出个股区分，具

11、有一定的多空 收益；进一步在剥离非流动性的影响后，换手率因子基本失去了对个股的区分能力，对 收益率的预测能力大幅下降，即换手率实际上可以被个股波动和固有流动性解释。表15：对波动率、非流动性中性前后换手率因子风险指标资料来源：Wind,天软科技,ICICR年化收益夏普比超额收益信息比多空收益多空夏普比换手率-7.21%-44.00%14.66%0.67-1.97%-0.1223.49%1.24换手率（波动率中性）-2.99%-22.73%11.28%0.52-4.86%-0.5610.43%0.78换手率（波动率、非流动性中性）0.03%0.28%8.34%0.40-7.37%-0.880.3

12、1%0.08图3：对波动率中性换手率因子全市场回测图5：高频反转因子全市场回测 图6：对波动率中性高频反转因子全市场回测50 45ICICR年化收益夏普比超额收益信息比多空收益多空夏普比高频反转-9.09%-99.17%24.12%0.856.12%1.0128.63%2.63高频反转（波动率中性）-5.11%-55.17%16.63%0.65-0.28%-0.0215.10%1.65资料来源：Wind,天软科技,股息率和盈利呈现较强的正相关，一般盈利较高的个股分红水平更高，股息率和价值呈 现较强的正相关，即高分红的公司往往具有较高的投资价值，符合公司分红的特点。上 图展示了股息率因子在对RO

13、E （盈利）和价值因子中性前后的回测净值，并在表中比照 了中性前后的风险指标，在剥离了盈利和价值的影响后，股息率因子的选股能力有所下 降，但仍可以在大方向上给出个股区分，具有较强的多头收益，即股息率因子存在盈利 价值因子不能覆盖的对个股收益的解释局部。图7：股息率因子全市场回测图7：股息率因子全市场回测图8：对盈利、价值中性股息率因子全市场回测表17：对价值盈利中性前后股息率因子风险指标ICICR年化收益夏普比超额收益信息比多空收益多空夏普比股息率3.70%30.72%25.54%0.927.30%1.0312.68%1.31股息率（价值盈利中性）1.99%26.75%22.04%0.804.

14、31%0.798.14%1.06资料来源：Wind,天软科技,风格确实定经过风格内单因子和风格间单因子的筛选，最终确定在对个股区分上有效的因子如下表 所示，并在表中展示出因子间的相关性。这里要注意的是，全体的相关性，预期增长2005 年6月开始，且这里以填充数据计算相关性。可以看到，除了技术因子间仍存在相关性 在40%左右情况，绝大局部因子之间的相关性相对较低，从线性角度看大致做到了风格 彼此的区分。进一步看相关性较强的因子，也基本集中在收益来源相近的局部，即技术 面指标和基本面指标。表18：确定因子相关性资料来源：Wind,天软科技,整体市值二次方市值高频反转非线性波动非流动性成长ROE股息

15、率价值预期增长市值100.00%0.09%-5.13%-6.39%0.43%15.49%32.91%16.05%25.17%-0.98%_次方市值0.09%100.00%-2.46%-5.04%39.08%-4.57%4.52%10.61%1.90%1.08%高频反转-5.13%-2.46%100.00%44.67%-6.57%-4.68%-11.14%-12.31%-15.74%0.41%非线性波动-6.39%-5.04%44.67%100.00%-18.52%-3.72%-7.10%-15.88%-34.86%1.00%非流动性0.43%39.08%-6.57%-18.52%100.00%

16、-2.88%1.18%5.86%1.10%0.43%成长15.49%-4.57%-4.68%-3.72%-2.88%100.00%42.13%12.67%19.48%1.84%ROE32.91%4.52%-11.14%-7.10%1.18%42.13%100.00%39.33%36.27%1.03%股息率16.05%10.61%-12.31%-15.88%5.86%12.67%39.33%100.00%44.17%-2.36%价值25.17%1.90%-15.74%-34.86%1.10%19.48%36.27%44.17%100.00%0.19%预期增长-0.98%1.08%0.41%1.0

17、0%0.43%1.84%1.03%-2.36%0.19%100.00%进一步，下列图展示了因子以多空两组划分构建的因子收益相关性，因子相关性较高的, 因子收益相关性也较高，同时注意到市值因子和大局部因子均存在较高的相关性。表19：确定因子收益相关性资料来源：Wind,天软科技,整体市值二次方市值高频反转非线性波动非流动性成长ROE股息率价值预期增长市值100.00%66.23%27.15%21.05%-21.09%-67.34%-79.71%-70.92%-35.37%-32.16%_次方市值66.23%100.00%23.60%26.50%20.29%-55.10%-45.24%-34.99

18、%-12.80%-8.01%高频反转27.15%23.60%100.00%51.21%6.28%-11.61%-9.74%-5.55%8.39%-14.22%非线性波动21.05%26.50%51.21%100.00%4.58%-30.29%-27.90%-13.64%55.78%-0.89%非流动性-21.09%20.29%6.28%4.58%100.00%18.36%33.10%32.30%-2.51%27.83%成长-67.34%-55.10%-11.61%-30.29%18.36%100.00%84.95%76.54%3.45%39.43%ROE-79.71%-45.24%-9.74%

19、-27.90%33.10%84.95%100.00%89.91%14.39%37.57%股息率-70.92%-34.99%-5.55%-13.64%32.30%76.54%89.91%100.00%25.68%44.00%价值-35.37%-12.80%8.39%55.78%-2.51%3.45%14.39%25.68%100.00%14.53%预期增长-32.16%-8.01%-14.22%-0.89%27.83%39.43%37.57%44.00%14.53%100.00%小结 风格因子从收益来源上看，可以划分为技术面指标和基本面指标，分别表达了市场 情绪和公司质量对个股收益的影响；风格内

20、因子确实定一般考虑两方面内容：风格内因子的整理，目的在于构建代表风 格的因子，对于相关性高的风格以替代法选择，相关性低的风格以合并法合成；风 格间因子的整理目的在于排除信息重复表达，保存对个股有解释能力的风格，风格 间舍弃信息较少的被解释因子，风格上保存具有个股收益解释的风格。 从单个因子上考虑，共选取了十大类风格：市值、二次方市值、反转、波动率、流 动性、成长、盈利、分红、价值和预期增长。因子如何解释收益在确定了每个风格的描述因子后，也就确定了整个体系的构成局部，而对于多因子体系， 需要思考的核心问题就是对个股收益的解释程度，但在讨论这个问题之前，本文还是从 单个因子视角，对各个因子对个股解

21、释的贡献方式上给出探讨。Alpha 与 Beta根据因子收益能力的不同，可以将因子划分为Alpha因子、Smart Beta因子和风险因 子： Alpha因子的核心在于获得收益，以因子作为选股标准可以获得稳定的超额收益, 从收益解释角度看，一般Alpha因子对个股收益解释能力强，有明显方向性；Smart Beta因子的核心在于获得收益，以因子作为选股标准长期可以获得超额收 益，但在局部时间段可能产生较大回撤，从收益解释角度看，一般Smart Beta因 子对个股收益解释能力强，有整体方向性； 风险因子的核心在于解释收益，因为风险因子无明显方向性，无法通过因子作为选股标准获取超额收益，但对个股收

22、益解释能力强。实际上可以通过对因子收益检验的方式，对因子的属性给出界定，表中给出了 Fama- MacBeth的检验结果，其中平均绝对t值衡量了因子对收益解释的显著性，t值2百分 比衡量了因子对收益解释的稳定性；因子t值衡量了因子获取超额收益能力的显著性， 平均t值（的绝对值）衡量了因子获取超额收益能力的稳定性。如果仅仅从统计的显著 性上考虑，可以绘制平均绝对t值和因子t值的散点图，给出因子属性的区分，如图所 示： 平均绝对t值以2为界限，刻画收益解释能力，当平均绝对t值大于2时，说明在做截面上回归时，大局部时间因子对收益均有解释力；因子t值绝对值以2和4为界限，刻画超额收益能力，当因子t值绝

23、对值大于4时，说明整个历史时间段内超额收益较为稳定，大于2时说明整个历史时间段内 有显著超额收益；从整个时间段的结果上看，非线性波动、非流动性、市值和高频反转为强Alpha因子，成长为弱Alpha因子，股息率为Smart Beta因子，二次方市值、ROE和价值 为风险因子，预期增长为无关因子。资料来源：Wind,天软科技,弱 Alpha非流动性/高频反转 9 0Smart Beta非线性波动无关因子 成长,/ ROE风险因子市值预期增长二;股息率欠方市值价值012345平均绝对t值资料来源：Wind,天软科技,表20：因子统计结果因子IC因子ICR因子年化收益因子年化标准差因子t值平均t值平均

24、绝对t值2百分比市值-4.84%-25.92%-6.546.05-4.14-2.045.1577.27一次方市值3.63%47.70%0.071.940.140.302.2450.57高频反转-9.06%-99.00%-5.052.69-7.19-1.822.7053.41非线性波动-9.68%-98.40%-5.452.85-7.32-1.482.5251.70非流动性7.53%74.53%6.333.077.891.932.9362.50成长1.27%15.58%2.512.483.870.501.3021.59ROE0.99%6.51%-0.484.05-0.460.002.8463.0

25、7股息率3.44%29.40%1.532.692.180.552.1842.05价值4.62%30.54%0.397.280.210.034.2768.18预期增长1.71%40.11%0.361.101.260.131.0013.07资料来源：Wind,天软科技,图9：全时间段因子属性定义图10： 2017年后因子属性定义2017年后，权益市场的投资风格发生较大变化，以多因子为基础的各种量化策略也呈 现一定的失效或钝化，图中展示了 2017年后各个因子检验的平均绝对t值和因子t值 绝对值，可以看到之前的Alpha因子均发生较大变化，高频反转、非流动性和非线性波 动因子由强Alpha因子退化为

26、Smart Beta因子，成长因子由弱Alpha因子退化为无关 因子，市值因子由强Alpha因子退化为风险因子。体系的解释能力通过第一章中单因子的检验，大致确定了合理的风格因子定义，而在上节的检验中我们 发现，预期增长因子在获取超额收益和对个股收益的解释上均无显著贡献，可以考虑从 因子体系中排除。下面主要比拟三个因子体系：简单因子体系，由第一局部中展示的市 场上用到的主要因子构成；筛选因子体系，由风格内因子和风格间因子检验筛选的主要 因子构成；检验因子体系，从筛选因子体系剔除无关因子构成。在解释能力上的刻画上， 主要从回归方程的拟合优度考虑，下表展示了整个时间段各个因子体系的时间序列R方 平均

27、值和标准差：不管从个股收益解释能力上看（即R方平均和调整R方平均）还是从个股收益解释稳 定性上看（即R方标准差和调整R方标准差），筛选因子体系和检验因子体系均优于简 单因子体系，表21：不同因子体系解释能力R方平均调整R方平均R方标准差调整R方标准差简单因子体系23.63%21.82%9.61%9.71%筛选因子体系24.14%22.37%8.99%9.08%检验因子体系24.07%22.32%9.03%9.13%资料来源：Wind,天软科技,纯因子与统计检验在多因子模型系列报告之一 模型理论随想和纯因子组合构建中，我们介绍了纯因 子收益的构建方式，纯因子收益从时间序列上刻画了体系整体各个因子

28、的收益能力，下 图中分别展示了筛选因子体系和简单因子体系的纯因子净值走势。从净值上看，同类因 子的趋势基本保持一致，但在收益能力上有较大差异，如筛选因子体系中累计净值最大 的为市值因子，而在简单因子体系中累计净值最大的为换手率因子。资料来源：Wind,天软科技,资料来源：Wind,天软科技,进一步，可以通过纯因子的风险指标，来比拟两个体系的表现，如下表所示： 在上文的检验中，我们发现波动率、流动性和Beta之间存在较强的线性关系，高换手个股往往也有较高的波动率，而高Beta的个股也有更低的特异率，简单因子 体系中的换手率因子和传统Beta因子收益率都有所提升，而残差波动率因子收益 那么显著下降

29、，即不同因子构成的体系，在解释程度差异不大的情况下，会根据因子 间的相对强弱，分配个股收益来源；合理的因子体系应该能够合理分散收益来源，以更纯粹的维度归因收益，从因子年化收益上看，筛选因子体系共4个因子年化收益在5%以上，而简单因子体系仅2 个因子年化收益在5%以上；因子收益的稳定性和体系稳定性相关，从因子夏普比上看，筛选因子体系共4个因子夏普比在15以上，而简单因子体系仅3个因子夏普比在15以上。纯因子从因子收益的时间序列角度，给出各个因子Alpha、Smart Beta因子和风险因子 属性的定义，且和Fama-Macbeth检验的结果保持一致： 年化收益和夏普比刻画了因子收益能力和稳定性，

30、在一定程度上界定了因子的Alpha属性，以年化收益为5%或以夏普比为1.5为界限，市值、高频反转、非线 性波动和非流动性因子属于强Alpha因子；最大回撤刻画了因子的波动情况，在一定程度上界定了因子的风险属性，如以最大回撤10%为界限，市值、二次方市值、ROE和价值（最大回撤9.8%）因子属于 风险因子；指标介于Alpha因子和风险因子之间的因子，为Smart Beta因子或弱Alpha因子，如股息率和成长因子，收益分别为1.79%和2.51%,夏普比为0.92和1.29, 收益不强但较为稳定；无明显收益且无明显回撤的因子，对收益影响较小，为无关因子，如预期增长因子年化收益为0.36%不明显，

31、且最大回撤仅为2.99%,属于无关因子；纯因子收益也可以表达时间维度上因子的变化，如根据上述标准，在2017年后，非流动性因子属于强Alpha因子，由于历史时间段较短，最大回撤上以5%为界， 市值、ROE和价值因子属于风险因子，高频反转、非线性波动、成长和股息率因 子属于Smart Beta和弱Alpha因子，二次方市值和预期增长属于无关因子。表22：纯因子收益统计资料来源：Wind,天软科技,年化收益最大回撤夏普比Cdlmor 比年化收益最大回撤夏普比Colmar 比市值7.42% / -0.84%12.32%/12.32%1.80/-0.210.60 / -0.07市值6.39%10.47

32、%1.770.61次方市值0.06%/0.95%11.26%/2.19%0.05/0.590.01 /0.43-高频反转5.16%/4.28%3.55%/1.63%2.41 /2.451.45/2.63传统反转4.24%4.74%1.150.89非线性波动6.19%/3.73%2.98% / 3.23%2.35/1.502.08/1.16残差波动率1.27%8.47%0.430.15非流动性6.77% / 5.59%2.36%/1.68%2.66/2.642.86 / 3.33换手率8.10%4.75%2.251.70成长2.51%/ 1.88%9.60% / 2.56%1.29/1.350.

33、26 / 0.73净利润同比1.61%3.49%0.930.46ROE-1.34%/2.45%26.13%/6.47%-0.50 / 0.93-0.05 / 0.38ROE0.05%15.29%0.040.00股息率1.79%/ 1.50%5.00% / 3.63%0.92/0.860.36/0.41股息率3.40%3.75%1.540.91价值2.76%/ 1.19%9.80%/7.16%0.67/0.380.28/0.17BP2.02%6.26%0.670.32预期增长0.36%/0.25%2.99% / 2.44%0.37/0.320.12/0.10-传统动量0.97%11.83%0.3

34、30.08-传统Bet。3.43%4.22%1.140.81国家19.53%/-2.71 %70.40% / 32.86%0.71 / -0.030.28 / -0.08国家14.09%70.54%0.600.20基准19.23%/-2.29%70.47% / 32.40%0.71 /-0.010.27 / -0.07基准13.91%70.88%0.590.20因子收益的思考2017年后，市场的多因子选股的收益有明显的下降，这种策略的失效未来是否仍会持 续，多因子选股的有效性又和市场什么因素相关呢？多因子策略从相对收益出发，找到 可以对个股收益解释的因子，从而以因子对个股收益给出区分，故策略本

35、身能够获取较强收益的前提，为市场上的个股表现上存在分化，换句话说，市场上的个股表现上存在 分化，策略在实现上才可以获得超额收益。下列图中展示了，按照滚动12个月ICR加 权配置因子获得的收益，以及当月从个股波动率刻画的个股离散和个股多空收益刻画动 个股离差，可以看到，在全市场个股分化较大时，多因子策略往往也有较好表现，个股 分化较低时，多因子策略收益也有较大幅度的收紧。图13：个股分化影响因子策略收益图14：市场个股分化受估值变动空间影响资料来源：Wind,天软科技，资料来源：Wind,天软科技,而市场个股的分化又直接受市场波动的影响。从下列图中可以看到，受经济开展空间的影 响，A股市场的估值

36、中枢呈现逐步下降的状态，伴随着估值中枢的收窄，A股的整体波 动也有所收敛。实际上，从相关性的统计上看，估值和GDP同比有较强的相关性，同 时对个股离散和个股离差产生较大的正向影响。经济大环境决定了权益市场交易的活跃 程度和整体点位的空间，而权益市场的波动又直接影响了多因子策略的表现。表23：因子策略收益和个股分化有较强相关性资料来源：Wind,天软科技,个股离散个股离差策略收益PEGDP同比解释力度个股离散100.00%98.47%34.16%43.94%24.44%26.87%个股离差98.47%100.00%40.88%46.73%30.08%31.63%策略收益34.16%40.88%1

37、00.00%25.09%15.74%14.31%PE43.94%46.73%25.09%100.00%70.35%22.52%GDP同比24.44%30.08%15.74%70.35%100.00%23.28%解释力度26.87%31.63%14.31%22.52%23.28%100.00%小结因子对个股的解释，从解释程度和解释稳定性上，可以划分为alpha因子、Smart Beta （弱Alpha）因子和风险因子，Alpha因子对个股解释能力强且稳定，风险因子对个股 解释能力强但不稳定，Smart Beta因子对个股解释能力强稳定性较弱，弱Alpha因子对 个股解释能力弱稳定性较强。因子的统

38、计检验和纯因子收益的表现相对统一，因子统计中的因子t值描述了因子对收 益的解释能力，因子平均绝对t值描述了因子对收益解释的稳定性；纯因子收益和夏普 比描述了因子对收益的解释能力及稳定性，纯因子收益的最大回撤描述了因子收益的稳 定性。图9:全时间段因子属性定义17图10: 2017年后因子属性定义 17图11：筛选因子体系纯因子收益18图12:简单因子体系纯因子收益18图13:个股分化影响因子策略收益 20图14:市场个股分化受估值变动空间影响 20表1：当前常见大类风格及子类因子 5表2:规模风格子类因子回测风险指标6表3: Beta风格子类因子回测风险指标7表4:动量风格子类因子回测风险指标

39、 7表5:反转风格子类因子回测风险指标 8表6:波动率类风格子类因子相关性 8表7:波动率类风格子类因子回测风险指标8表8:流动性类风格子类因子回测风险指标9表9:成长风格子类因子回测风险指标 9表10：盈利、价值风格子类因子相关性10表11：盈利、价值风格子类因子回测风险指标10表12:分红、市场预期风格子类因子回测风险指标11表13:风格间因子相关性11表14:对特异率中性前后半衰Beta因子风险指标12表15:对波动率、非流动性中性前后换手率因子风险指标13表16:对波动率中性前后高频反转因子风险指标 13表17:对价值盈利中性前后股息率因子风险指标 14表18:确定因子相关性15表19

40、:确定因子收益相关性15表20:因子统计结果17表21:不同因子体系解释能力18表22:纯因子收益统计19表23:因子策略收益和个股分化有较强相关性 202017年后，从多因子策略的表现上和从因子收益的统计结果上看，均有一定程度上的 衰减；多因子策略的目的在于获取超额收益，超额收益的前提在于个股有分化，受经济 大环境影响，权益市场估值变动空间不断下降，也使得个股波动空间缩小，压制了多因 子策略的表现。心三口多因子体系的核心在于找出可以对个股有解释的因素。风格内因子确实定一般考虑两方 面内容：风格内因子的整理，目的在于构建代表风格的因子，对于相关性高的风格以替 代法选择，相关性低的风格以合并法合

41、成；风格间因子的整理目的在于排除信息重复表 达，保存对个股有解释能力的风格，风格间舍弃信息较少的被解释因子，风格上保存具 有个股收益解释的风格。因子统计和纯因子收益构建，均可以对因子特点给出统一区分。因子对个股的解释，从 解释程度和解释稳定性上，可以划分为alpha因子、Smart Beta （弱Alpha）因子和风 险因子，Alpha因子对个股解释能力强且稳定，风险因子对个股解释能力强但不稳定， Smart Beta因子对个股解释能力强稳定性较弱，弱Alpha因子对个股解释能力弱稳定 性较强。其中，因子统计中的因子t值描述了因子对收益的解释能力，因子平均绝对t 值描述了因子对收益解释的稳定性

42、；纯因子收益和夏普比描述了因子对收益的解释能力 及稳定性，纯因子收益的最大回撤描述了因子收益的稳定性。估值的变动空间，影响了多因子策略的收益空间。2017年后，从多因子策略的表现上 和从因子收益的统计结果上看，均有一定程度上的衰减；多因子策略的目的在于获取超 额收益，超额收益的前提在于个股有分化，受经济大环境影响，权益市场估值变动空间 不断下降，也使得个股波动空间缩小，压制了多因子策略的表现。Beta,是对个股、板块收益来源解释的一种量化方式的衡量。CAPM模型通过回归方式 定义个股Beta,个股的收益也由市场整体收益和自身Beta共同决定。基于CAPM模 型，衍生出了 Fama-French三因子模型、Barra模型等多因子模型，对个股收益来源进 行解释。哪些因素可以解释个股收益，而他们之间解释的侧重又在哪里，解释能力和收 益能力是否有区别？因子体系构建多因子模型作为量化选股领域中一个普遍为市场接受的方法，从风险收益相匹配的 角度来解释市场，在控制风险、归因收益来源、获取超额收益方面都有较为重要的应用， 且不管是学术论文中对于历史数据的研究，还是在市场中实际使用的结果，都被证明相 对有效，但是随着市场的开展，过去的经验逐步失效，多因子模型也面临了一些问题：1 多因子经过了 CAPM至ij Fama三因