情境分析框架下的多因子模型優(yōu)化.pdf

1、基于Fama-French三因子模型(1993)發(fā)展出的傳統(tǒng)多因子選股理論往往側(cè)重于對有效因子的檢驗和過濾，并默認(rèn)將篩選出的有效因子作為評估標(biāo)準(zhǔn)用于比較全部納入考量范圍的股票。在此之后部分學(xué)者的相關(guān)實證檢驗顯示，對不同類別和屬性的股票采取同樣的評價標(biāo)準(zhǔn)某些時候會導(dǎo)致選股失敗，更合乎邏輯的做法應(yīng)當(dāng)是在充分分析了股票個體特征的基礎(chǔ)上審慎運(yùn)用選股因子，并針對有差異的股票分別賦予合理的因子權(quán)重。
　　本文基于Sorensen，Hua和Qi

2、an(2005)年提出的情境分析方法，為多因子模型的構(gòu)建開拓出一套新的思路和方案——承認(rèn)股票之間是有差異的，并允許在實際選取股票時，對不同特征和屬性的股票做差異化處理。本文所指情境，可簡單理解為基于對股票屬性度量結(jié)果的類別劃分。具體的選股步驟包括:首先判斷股票所屬的若干情境，而后在各個情境中分別以同類股票為參考系建立多因子模型，最后綜合各個情境下的分析結(jié)果得出股票的綜合得分，由此既兼顧了股票自身特點(diǎn)，最終的綜合得分也完全可以用于情境差異

3、較大股票之間的比較。
　　本文圍繞市場中常見的11大類共76個因子，選取A股市場截至2013年IPO暫停時期存續(xù)狀態(tài)為可交易的共計2468只股票，通過測試2006年12月29日至2015年12月29日的因子及收益率數(shù)據(jù)篩選出了8個Alpha因子和4個情境分層因子:Alpha因子的選取原則包括選股邏輯成立、因子之間相關(guān)性低、數(shù)據(jù)易得且對股票的覆蓋率高、穩(wěn)定性強(qiáng)（或至少因子選股收益能覆蓋調(diào)倉成本）;情境分層因子的選取標(biāo)準(zhǔn)為:在該因子主

4、導(dǎo)的情境分層下，不同類別的股票集合中Alpha因子的預(yù)測效力須呈現(xiàn)出較顯著差異。
　　在選出情境分層因子和Alpha因子后，為進(jìn)一步求出股票最終的情境加權(quán)因子數(shù)值，本文計算了各時間截面上的因子情境加權(quán)矩陣和全部股票的因子情境特征向量分?jǐn)?shù)，最終合成出了情境加權(quán)因子，作為具體實施策略的依據(jù)。
　　情境分析多因子選股策略的基本設(shè)定為:對截面內(nèi)全部股票依照情境加權(quán)因子排序并分成十組，做多最高因子數(shù)值組的股票并做空最低因子數(shù)值組的股票

5、，以單邊交易額的千分之一點(diǎn)五計算交易成本，月度調(diào)倉。為測試情境分析方法的效果，本文以無情境分析的多因子模型和同期中證500指數(shù)表現(xiàn)作為對照組進(jìn)行分析。
　　除以2007年至2015年數(shù)據(jù)做樣本內(nèi)檢驗外，本文還以2016年全年數(shù)據(jù)做了樣本外檢驗。實證結(jié)果顯示:不論樣本內(nèi)還是樣本外檢驗，情境分析多因子策略相比對照組，都能提高年化收益率，大幅降低年化波動率并將最大回撤基本控制在10％以內(nèi)，這顯示出了情境分析多因子模型極強(qiáng)的風(fēng)險控制能力。

6、此外，并非情境設(shè)置越多模型效果越好，以交易活躍度劃分的單情境多因子模型樣本內(nèi)年化收益達(dá)19.72％，樣本外年化收益率達(dá)15.70％，均超過了四情境分析多因子模型，以上現(xiàn)象很可能與中國特色的股票市場發(fā)展階段相關(guān)，而背后的理論依據(jù)仍待進(jìn)一步挖掘。
　　本文實證結(jié)果較強(qiáng)的說服力也為投資基金經(jīng)理們提供一種全新的多因子選股思路——與其對所有股票一視同仁處理，探索邏輯自洽且實證有效的統(tǒng)一標(biāo)準(zhǔn)，倒不如結(jié)合股票實際情況，量身打造適合其自身的評價體