大類資產(chǎn)配置系列（三）：微觀視角下的行業(yè)輪動初探報告日期：2024年9月25日★主要內(nèi)容本報告從微觀視角探索構(gòu)建行業(yè)輪動的策略，對比不同的因子處理方案，尋找去除噪聲且有效的微觀因子，以構(gòu)建行業(yè)輪動策略捕捉行業(yè)Beta。因子處理層面，選用了三套方案：方案一為計算個股層面因子取值，在截面上標(biāo)準(zhǔn)化后直接合成行業(yè)因子；方案二是首先計算個股層面因子取值，在截面上去極值標(biāo)準(zhǔn)化后直接合成行業(yè)因子；方案三為行業(yè)因子風(fēng)格中性化的處理方案，首先計算個股層面因子取值及選定風(fēng)格因子的取值，在截面上去極值后將因子對選定風(fēng)格因子回歸取殘差，之后對殘差去極值標(biāo)準(zhǔn)化后，合成行業(yè)因子值。因子有效性測試框架主要采用信息系數(shù)法與回歸顯著性驗證相結(jié)合方式，此外加入了對多頭組表現(xiàn)判定效果更好的排序結(jié)果評價指標(biāo)NDCG。調(diào)參確定不同方案窗口參數(shù)，滾動獲得不同方案在每個窗口合成因子的行業(yè)輪動表現(xiàn)。自2016年至今，按周頻回測凈值結(jié)果，方案一年化收益15.05%，年化波動18.67%，最大回撤-23.11%，周度勝率54.07%，夏普比率0.81，卡瑪比率0.65，相比滬深300指數(shù)年化超額為14.92%，相比中證800指數(shù)年化超額為16%；方案二年化收益18.97%，年化波動18.62%，最大回撤-17.62%，周度勝率56.94%，夏普比率1.02，卡瑪比率1.08，相比滬深300指數(shù)年化超額為18.84%，相比中證800指數(shù)年化超額為19.92%；方案三年化收益3.29%，年化波動19.77%，最大回撤-32.19%，周度勝率55.26%，夏普比率0.17，卡瑪比率0.10，相比滬深300指數(shù)年化超額為3.16%，相比中證800指數(shù)年化超額為4.24%，效果不佳。主要是由于近幾年行業(yè)輪動加快，長訓(xùn)練集與樣本外相對長窗口參數(shù)相對短訓(xùn)練集參數(shù)效果一般，而因子風(fēng)格中性化的處理方式適用長訓(xùn)練集參數(shù)?！镲L(fēng)險提示從業(yè)資格號：F3032817投資咨詢號：Z0014348Tel：8621-63325888-3975Email：dongli.wang@聯(lián)系人從業(yè)資格號：F03111965Email：qinxuan.fan@《大類資產(chǎn)配置系列（一基于高頻宏觀因子與投資時鐘的視角》《大類資產(chǎn)配置系列（二宏觀因子資產(chǎn)化及風(fēng)險配置》金融工程量化模型失效風(fēng)險，指標(biāo)的有效性基于歷史數(shù)據(jù)得出，不排除失效的可能。金融工程重要事項：本報告版權(quán)歸上海東證期貨有限公司所有。未獲得東證期貨書面授權(quán)，任何人不得對本報告進行任何形式的發(fā)布、復(fù)制。本報告的信息均來源于公開資料，我公司對這些信息的準(zhǔn)確性和完整性不作任何保證，也不保證所包含的信息和建議不會發(fā)生任何變更。我們已力求報告內(nèi)容的客觀、公正，但文中的觀點、結(jié)論和建議僅供參考，報告中的信息或意見并不構(gòu)成交易建議，投資者據(jù)此做出的任何投資決策與本公司和作者無關(guān)。有關(guān)分析師承諾，見本報告最后部分。并請閱讀報告最后一頁的免責(zé)聲明。金融工程-深度報告2024-9-252期貨研究報告1.研究背景 1.1.Barra因子介紹及因子中性化方案 1.2.因子有效性測試框架 2.行業(yè)輪動因子介紹 2.1.風(fēng)格中性化流程Barra因子選定 2.2.行業(yè)輪動因子挑選邏輯 2.3.方案一年頻窗口參數(shù)選用因子及樣本內(nèi)外表現(xiàn)示例 3.行業(yè)輪動策略 4.風(fēng)險提示 金融工程-深度報告2024-9-253期貨研究報告 金融工程-深度報告2024-9-254期貨研究報告1.研究背景市場環(huán)境瞬息萬變，行業(yè)輪動的驅(qū)動因素也在不斷發(fā)生著變化。本報告嘗試從微觀視角探索構(gòu)建行業(yè)輪動的策略，對比不同的因子處理方案，尋找去除噪聲且有效的微觀因子，構(gòu)建行業(yè)輪動策略捕捉行業(yè)Beta。1.1.Barra因子介紹及因子中性化方案Barra風(fēng)格因子模型是明晟公司(MSCI)旗下多因子模型產(chǎn)品，主要應(yīng)用于多因子選股分析和結(jié)構(gòu)化風(fēng)險因子分析。Barra風(fēng)格因子（CNE6）模型共有八類風(fēng)格因子，包括規(guī)模因子(Size)、波動率因子(Volatility)、流動性因子(Liquidity)、價值因子（Value)、質(zhì)量因子(Quality)、動量因子(Momentum)、成長因子(Growth)、分紅因子(DividendYield)。對于因子風(fēng)格中性化流程而言，Barra因子框架中的因子可以直接用于風(fēng)格中性化，也可根據(jù)需求挑選部分因子進行中性化。125期貨研究報告(CMRA)346期貨研究報告57期貨研究報告68期貨研究報告Alpha78Yield)假設(shè)f_taget為待風(fēng)格中性化的因子，f1,f2,…,fn為選定進行風(fēng)格中性化流程的風(fēng)格因子，對他們進行回歸的公式為：對殘差ε去極值再標(biāo)準(zhǔn)化即可用于合成行業(yè)因子。9期貨研究報告本報告采用申萬一級行業(yè)指數(shù)為底層資產(chǎn)構(gòu)建行業(yè)輪動策略，因此，合成行業(yè)因子參考指數(shù)的編制方案，根據(jù)指數(shù)各成分股權(quán)重加權(quán)進行行業(yè)因子的合成。值得注意的是，本報告去極值的方法采用百分位數(shù)法，即將因子值進行升序排列，對排位百分位高于97.5%或低于2.5%的因子值，調(diào)整至百分位范圍內(nèi)。1.2.因子有效性測試框架對于個股因子，其中可能含有個股選股信息（Alpha）以及Beta信息（行業(yè)/風(fēng)格如果僅采用截面?zhèn)€股選股有效性驗證的方法來留存因子，以Beta信息為主的因子可能被忽略，因此我們需要先將個股因子合成為行業(yè)因子，再對行業(yè)因子做檢驗以驗證因子的有效性。值得注意的是，合成因子可能存在Beta信息中帶有風(fēng)格信息太多對行業(yè)信息存在擾動，因此對于所有因子，我們都在個股層面采用風(fēng)格中性化處理為處理方案之一，對比各方案下因子的表現(xiàn)，只要存在任意處理方案下效果較好的因子，我們就把它保留下第一個問題是我們?yōu)槭裁纯紤]多種的因子處理方案？因為任何對于因子噪聲信息的處理都可能帶來重要信息的損失以致于因子失效，因此由淺入深比對與進行因子信息處理有助于減少有效因子的損失。第二個問題是我們是否應(yīng)該對行業(yè)因子進行風(fēng)格中性化？根據(jù)因子信息拆解，風(fēng)格Beta和行業(yè)Beta可能存在交集，其交集的部分信息根據(jù)因子的特性存在個體差異，在風(fēng)格中性化的同時也將交集部分Beta去掉了，但存在交集的Beta信息才是有效信息的可能性。因此我們會發(fā)現(xiàn)風(fēng)格中性化并不一定比不風(fēng)格中性化的行業(yè)輪動效果好，需要以檢驗結(jié)果為準(zhǔn)繩來判斷因子需不需要風(fēng)格中性化。對于因子的評價，F(xiàn)abozzi給出了四種方法：投資組合法（分層）、因素法（多變量回歸）、因素組合法（單變量回歸）以及信息系數(shù)法（IC）。值得注意的是，出色的選股因子不一定為出色的輪動因子，我們希望最終合成的因子上存在有效的行業(yè)輪動信息，因此對因子有效性的檢驗是通過檢驗合成的行業(yè)因子在截面上的有效性來完成的。本報告行業(yè)輪動因子有效性測試框架主要采用信息系數(shù)法與回歸顯著性驗證相結(jié)合方式，此外我們還加入了相比于RankIC對多頭組表現(xiàn)出色判定效果更好的排序結(jié)果評價指標(biāo)NDCG(歸一化折損累計增益)來共同評價因子在行業(yè)輪動中的效果，這兩個指標(biāo)均來自于推薦算法排序等有效性檢驗相關(guān)的文獻如：AComparativeAnalysisofObjectDetectionMetricswithaCompanionOpen-SourceToolkit，Padilla等（2021），ATheoreticalAnalysisofNDCGTypeRankingMeasures,YiningWang等（2013）。NDCG(歸一化折損累計增益)最初用作排序結(jié)果準(zhǔn)確性的評價指標(biāo)。推薦系統(tǒng)通常為某用戶返回一個item（i）列表，假設(shè)列表長度為K，這時可以用NDCG@K評價該排序列表與用戶真實交互列表的差距。DCG@K表達式為：10期貨研究報告金融工程-深度報告2024-9-25當(dāng)相關(guān)性分?jǐn)?shù)r(i)只有（0，1）兩種取值時，即如果算法返回的排序列表中的item出現(xiàn)在真實交互列表中時，分子加1，否則跳過。DCG能夠?qū)σ粋€用戶的推薦列表進行評價，如果用該指標(biāo)評價某個推薦算法，需要對所有用戶的推薦列表進行評價，K值不同對于DCG值的影響很大，所以要對不同用戶的指標(biāo)進行歸一化，就是直接計算每個用戶真實列表的DCG分?jǐn)?shù)，用IDCG表示，然后用每個用戶的DCG與IDCG之比作為每個用戶歸一化后的分值。圖表3：因子有效性測試框架金融工程-深度報告2024-9-2511期貨研究報告2.行業(yè)輪動因子介紹根據(jù)各類文獻與實踐，最終我們采用和對比了三套行業(yè)因子的具體處理方案及其效果，對不同的因子處理優(yōu)中擇優(yōu)。方案一為計算個股層面因子取值，在截面上標(biāo)準(zhǔn)化后直接合成行業(yè)因子；方案二是首先計算個股層面因子取值，在截面上去極值標(biāo)準(zhǔn)化后直接合成行業(yè)因子；方案三為行業(yè)因子風(fēng)格中性化的處理方案，首先計算個股層面因子取值及選定風(fēng)格因子的取值，在截面上去極值后將因子對選定風(fēng)格因子回歸取殘差，之后對殘差去極值標(biāo)準(zhǔn)化后，合成行業(yè)因子值。根據(jù)因子信息的拆解，我們知道風(fēng)格因子可能攜帶有效的行業(yè)Beta信息，因此武斷地采用所有Barra因子進行風(fēng)格中性化會導(dǎo)致嚴(yán)重的行業(yè)輪動有效信息的損失。對Barra三級風(fēng)格因子進行測試后，報告在Barra因子的二級/三級因子中選定對行業(yè)輪動無效的部分因子進行方案三的因子風(fēng)格中性化處理。2.1.風(fēng)格中性化流程Barra因子選定對于Barra的二級/三級因子進行周頻行業(yè)輪動有效性測試，選擇具有代表性且有效性較低的風(fēng)格因子，最終選定的用于中性化的風(fēng)格因子有'lncap','hbeta','hsigma','dastd','rstr','halpha','cmra','stom','stoq','stoa','atvr','etop','dtop'，它們在全樣本2008年1月1日至2024年8月9日的因子測試表現(xiàn)顯示出較低的IC、RANKIC與ICIR。12期貨研究報告圖表4：選定風(fēng)格中性Barra因子全樣本表現(xiàn)lncaphbeta2.2.行業(yè)輪動因子挑選邏輯我們根據(jù)儲備因子池以及不同的參數(shù)構(gòu)建因子，選擇因子的邏輯則基于前述的因子評估框架，報告在本部分將展示報告選用的行業(yè)輪動因子池。對于量價因子，本報告在不考慮參數(shù)的情況下使用的因子有56個日頻因子與38個中高頻因子；對于基本面因子，使用的因子有12個盈利因子、28個成長因子、12個營運因子、14個安全&公司治理因子、9個估值因子、20個分析師因子與9個股東&規(guī)模因子?？紤]參數(shù)的情況下，量價因子與基本面因子總數(shù)為455個，常用幾個參數(shù)為與年、月與周相關(guān)的參數(shù)。13期貨研究報告圖表5：量價日頻因子123delay(close,n)/delay(clos4構(gòu)ts_std[(close-open)/open,n)]-ts_std[(hi)/((high+low)/2),n]567率89金融工程-深度報告2024-9-2514期貨研究報告金融工程-深度報告2024-9-2515期貨研究報告金融工程-深度報告2024-9-2516期貨研究報告金融工程-深度報告2024-9-25子17期貨研究報告金融工程-深度報告2024-9-2518期貨研究報告期/價領(lǐng)先1期）數(shù)圖表6：量價中高頻因子一覽123456金融工程-深度報告2024-9-257方89成交量最高n根K線成交量加權(quán)收益率率19期貨研究報告金融工程-深度報告2024-9-25比數(shù)20期貨研究報告金融工程-深度報告2024-9-2521期貨研究報告圖表7：基本面盈利因子1TTM2動3456金融工程-深度報告2024-9-25率789圖表8：基本面成長因子123TTM）/去年同期EPSTTM4522期貨研究報告金融工程-深度報告2024-9-25678923期貨研究報告金融工程-深度報告2024-9-25流分24期貨研究報告金融工程-深度報告2024-9-2525期貨研究報告圖表9：基本面營運因子123456789金融工程-深度報告2024-9-25圖表10：安全&公司治理因子12345678926期貨研究報告金融工程-深度報告2024-9-2527期貨研究報告1234567值8912率金融工程-深度報告2024-9-253率456789化化28期貨研究報告金融工程-深度報告2024-9-2529期貨研究報告圖表13：股東&規(guī)模因子12345678930期貨研究報告2.3.方案一年頻窗口參數(shù)選用因子及樣本內(nèi)外表現(xiàn)示例本部分以方案一為例，展示某一種窗口參數(shù)設(shè)定下，方案一在樣本內(nèi)外的表現(xiàn)。方案一具體處理方式為計算個股層面因子取值，在截面上標(biāo)準(zhǔn)化后直接合成行業(yè)因子，該處理inv_turnover_qoq外，其余在2023年均為反向指標(biāo)，IC均值均為負數(shù)。根據(jù)2023年窗口挑選的方案一的因子在2024年樣本外的表現(xiàn)，雖然大部分因子表現(xiàn)有一定衰減，甚至有少量因子的IC均值改變了符號，但這些因子總體上延續(xù)與維持了2023年窗口上的表現(xiàn)。我們將這些窗口上的因子在考慮IC均值符號情況下等權(quán)合成，可以得到方案一合成因子樣本內(nèi)及樣本外在因子測試框架下的表現(xiàn)以及合成因子在樣本外（2024）年的周頻凈RANKIC從13.22%衰減至11.07%。將該合成因子的按照每一期選擇合成因子值最高的5個行業(yè)指數(shù)做多，得到合成因子行業(yè)輪動策略的凈值表現(xiàn)，相比于基準(zhǔn)中證800指數(shù)表現(xiàn)良好。但是只在某一個窗口上或最近的窗口上表現(xiàn)好并不是因子衰減調(diào)參的意義，我們需要精細確定在較長時間下因子衰減的情況，確定統(tǒng)一的窗口參數(shù)，構(gòu)建行業(yè)輪動策略。圖表14：方案一2023年窗口合成因子樣本內(nèi)外表現(xiàn)展示金融工程-深度報告2024-9-25圖表15：方案一合成因子樣本外周頻凈值展示圖表16：方案一2023年窗口因子樣本內(nèi)表現(xiàn)展示upper_shadow_531期貨研究報告金融工程-深度報告2024-9-2532期貨研究報告highesttotoday_5inv_turnover_qoqQRS_beta_5圖表17：方案一2023年窗口因子樣本外表現(xiàn)展示upper_shadow_5highesttotoday_5inv_turnover_qoqQRS_beta_533期貨研究報告3.行業(yè)輪動策略近年來，行業(yè)輪動加快根本原因其實是帶有Beta信息的行業(yè)因子本身輪動加快導(dǎo)致的，因此我們需要利用最新的w周滾動窗口選取有效的行業(yè)輪動因子，并將這些有效的行業(yè)輪動因子合成用于下面k周的行業(yè)輪動。具體窗口長度選定邏輯為調(diào)參確定選擇因子的此前衰減速度確定窗口參數(shù)。本報告在程序化選取因子時，對行業(yè)輪動單因子在滾動窗口上入選的要求為IC絕對值大于2%，NDCG@5的值大于20%。值得注意的是，由于構(gòu)建的行業(yè)輪動策略為周頻策略，IC等值的計算都基于周頻的收益率。本報告分別將不同方案在滾動窗口上的合成因子用于選取行業(yè)輪動策略的行業(yè)，得到各方案下的行業(yè)輪動策略。行業(yè)輪動策略基準(zhǔn)為滬深300指數(shù)。調(diào)參確定方案一的窗口參數(shù)為每個訓(xùn)練集10周，樣本外使用輪動因子1周，這樣滾動獲得方案一在每個窗口合成因子的行業(yè)輪動表現(xiàn)。自2016年至今，方案一按周頻回測凈值結(jié)果，年化收益15.05%，年化波動18.67%，最大回撤-23.11%，周度勝率54.07%，夏普比率0.81，卡瑪比率0.65，顯著優(yōu)于業(yè)績基準(zhǔn)。相比滬深300指數(shù)年化超額為14.92%，相比中證800指數(shù)年化超額為16%。調(diào)參確定方案二的窗口參數(shù)為每個訓(xùn)練集10周，樣本外使用輪動因子1周，這樣滾動獲得方案二在每個窗口合成因子的行業(yè)輪動表現(xiàn)。自2016年至今，方案二按周頻回測凈值結(jié)果，年化收益18.97%，年化波動18.62%，最大回撤-17.62%，周度勝率56.94%，夏普比率1.02，卡瑪比率1.08，顯著優(yōu)于業(yè)績基準(zhǔn)。相比滬深300指數(shù)年化超額為18.84%，相比中證800指數(shù)年化超額為19.92%。由于Barra因子在不同短滾動窗口上存在輪動現(xiàn)象，因此方案三的短窗口參數(shù)效果不佳，最佳窗口參數(shù)為每個訓(xùn)練集120周，樣本外使用輪動因子25周，這樣滾動獲得方案三在每個窗口合成因子的行業(yè)輪動表現(xiàn)。自2016年至今，方案三按周頻回測凈值結(jié)果，年化收益3.29%，年化波動19.77%，最大回撤-32.19%，周度勝率55.26%，夏普比率0.17，卡瑪比率0.10，相比滬深300指數(shù)年化超額為3.16%，相比中證800指數(shù)年化超額為4.24%，效果不佳。主要是由于近幾年行業(yè)輪動加快，長訓(xùn)練集與樣本外相對長窗口參數(shù)相對短訓(xùn)練集參數(shù)效果一般，而因子風(fēng)格中性化的處理方式適用長訓(xùn)練集參數(shù)。34期貨研究報告金融工程-深度報告2024-9-25重要指標(biāo)基準(zhǔn)（滬深300指累計收益率223.80%328.70%31.11%1.13%-7.65%年化收益率15.05%18.97%3.29%0.13%-0.95%年化波動率18.67%18.62%19.77%17.71%17.90%最大回撤率-23.11%-17.62%-32.19%-43.4