本报告基于Barra CNE6风险模型,对全A股构建并回测一级及二级纯因子组合,采用月度调仓,回测区间为2009年1月至2019年4月。结果显示,流动性和动量因子表现稳定,规模因子和波动率因子收益波动较大,质量因子近期回撤明显。报告针对规模和质量因子二级因子收益分化,调整MIDCAP和Earnings Quality权重,优化纯因子组合,提升模型拟合度及夏普比率。此外,报告详细解读了每个一级及二级因子的构成、统计指标以及纯因子回测曲线,为因子投资策略构建提供理论和实证支持
| 因子 | 累计收益 | 年化收益 | 波动率 | 夏普比率 | 胜率 |
|---|---|---|---|---|---|
| liq | -62.77% | -9.12% | 3.84% | -2.3768 | 22.58% |
| mom | -52.26% | -6.91% | 5.30% | -1.3017 | 41.94% |
| quality | 32.46% | 2.76% | 4.06% | 0.6788 | 59.68% |
| growth | -3.91% | -0.39% | 1.08% | -0.3562 | 54.03% |
| size | -9.38% | -0.95% | 4.13% | -0.2298 | 44.35% |
| vol | 29.32% | 2.52% | 5.46% | 0.4616 | 51.61% |
| value | 24.98% | 2.18% | 4.79% | 0.4554 | 58.87% |
| DTOP | 8.21% | 0.77% | 1.01% | 0.7624 | 58.87% |
| 因子 | 累计收益 | 年化收益 | 波动率 | 最大回撤 | 夏普比率 | 胜率 |
|---|---|---|---|---|---|---|
| LNCAP | -18.16% | -1.92% | 2.36% | 19.64% | -0.8148 | 37.90% |
| MIDCAP | 8.46% | 0.79% | 2.79% | 7.31% | 0.2825 | 53.23% |
| size | -9.38% | -0.95% | 4.13% | 24.66% | -0.2298 | 44.35% |
| 因子 | 累计收益 | 年化收益 | 波动率 | 最大回撤 | 夏普比率 | 胜率 |
|---|---|---|---|---|---|---|
| BETA | 16.39% | 1.48% | 2.39% | 3.28% | 0.6196 | 59.68% |
| resvol | 16.27% | 1.47% | 4.46% | 9.69% | 0.3295 | 49.19% |
| vol | 29.32% | 2.52% | 5.46% | 7.33% | 0.4616 | 51.61% |
| 因子 | 累计收益 | 年化收益 | 波动率 | 最大回撤 | 夏普比率 | 胜率 |
|---|---|---|---|---|---|---|
| lev | -1.08% | -0.11% | 1.54% | 7.51% | -0.0684 | 47.58% |
| earvar | 5.06% | 0.48% | 1.67% | 3.75% | 0.2873 | 52.42% |
| eq | -10.62% | -1.08% | 1.26% | 12.38% | -0.8563 | 42.74% |
| profit | 37.58% | 3.14% | 2.75% | 3.22% | 1.1385 | 64.52% |
| iq | 18.08% | 1.62% | 2.22% | 3.11% | 0.7302 | 62.10% |
| quality | 32.46% | 2.76% | 4.06% | 8.69% | 0.6788 | 59.68% |
| 因子 | 累计收益 | 年化收益 | 波动率 | 最大回撤 | 夏普比率 | 胜率 |
|---|---|---|---|---|---|---|
| STREV | -48.24% | -6.17% | 3.17% | 48.24% | -1.9495 | 28.23% |
| SEASON | -2.93% | -0.29% | 0.90% | 3.80% | -0.3198 | 41.94% |
| INDMOM | 0.91% | 0.09% | 0.61% | 1.52% | 0.1435 | 56.45% |
| mom1 | -9.48% | -0.96% | 3.16% | 16.73% | -0.3037 | 48.39% |
| mom | -52.26% | -6.91% | 5.30% | 52.26% | -1.3017 | 41.94% |
| 因子 | 累计收益 | 年化收益 | 波动率 | 最大回撤 | 夏普比率 | 胜率 |
|---|---|---|---|---|---|---|
| liq | -62.77% | -9.12% | 3.84% | 62.77% | -2.3768 | 22.58% |
| mom | -52.26% | -6.91% | 5.30% | 52.26% | -1.3017 | 41.94% |
| quality | 32.46% | 2.76% | 4.06% | 8.69% | 0.6788 | 59.68% |
| growth | -3.91% | -0.39% | 1.08% | 5.47% | -0.3562 | 54.03% |
| size | -9.38% | -0.95% | 4.13% | 24.66% | -0.2298 | 44.35% |
| vol | 29.32% | 2.52% | 5.46% | 7.33% | 0.4616 | 51.61% |
| value | 24.98% | 2.18% | 4.79% | 7.97% | 0.4554 | 58.87% |
| DTOP | 8.21% | 0.77% | 1.01% | 2.46% | 0.7624 | 58.87% |
本报告核心讨论了传统单因子分层回测存在的缺陷,即无法控制与其他因子暴露的中性,导致因子表现受混淆影响,提出构建纯因子模型来解决此问题。纯因子模型中某一因子的暴露为1,其他因子暴露为0,能更客观评价该因子的独立收益能力。通过对全A股月度调仓,2009年1月至2019年4月的回测,发现:
基于二级因子回测结果,标的合成权重进行了调整,使规模因子中的MIDCAP因子和质量因子中的Earnings Quality因子权重由正转负,模型的拟合优度Adjusted R2由34%提升至36%;对应的夏普率也获得显著提升。未来,报告计划将该风险因子模型应用于指数增强、机器学习等多种选股模型。本报告强调,模型随市场环境变化存在失效风险,16]。
报告指出此前(系列八)使用单因子回归和分层回测进行因子收益检验,分层回测简单直观,但无法保证测试因子暴露其他因子中性,因而导致收益被其他因子影响。为此提出纯因子模型,即确保目标因子暴露为1,其他因子暴露为0,克服了传统方法的缺陷,以更客观地反映因子收益能力和投资价值。
该数学模型的精细设计为后续纯因子收益的有效提取提供了坚实的理论基础。
示例表1“一级因子纯因子统计结果”:
- liq累计收益-62.77%,年化收益-9.12%,波动率3.84%,夏普率-2.3768,胜率22.58%;说明流动性因子收益负且波动稳定,但整体表现差。
- quality累计收益32.46%,年化2.76%,夏普比率0.6788,胜率59.68%;表现较好且收益稳定。
- vol累计收益29.32%,夏普0.4616,波动性较大。
- mom累计收益为负且夏普也差。
图1显示累计收益曲线清晰展现上述趋势,质量因子长期稳步上涨,而流动性和动量因子整体下跌,规模因子(size)和波动率因子表现波动明显。
此相关性分析是后续因子合成及回测调整的重要依据。
本报告以Barra CNE6风险模型为框架,基于纯因子暴露与约束回归方法,构建了覆盖规模、波动率、流动性、估值、质量、动量、成长及分红等领域的多层级纯因子组合。通过2009年至2019年10年多阶段的月度调仓回测,揭示了各类因子收益的差异性及其内在结构特征:
综合来看,本报告通过纯因子构建与因子合成的深入研究,既揭示了CNE6因子体系中核心因子表现特征,也为后续风险模型的构建、指数增强及机器学习应用提供坚实量化基础。报告对因子效用的客观评估为资产管理者提供了调优方向和风险提示,是Barra多因子模型在中国A股市场应用的有益补充。
图1:一级因子纯因子回测结果
图2:二级因子相关性矩阵
图3:一级因子相关性矩阵
图4:规模因子纯因子回测结果
图5:波动率因子纯因子回测结果
图7:流动性因子纯因子回测结果
图8:估值因子纯因子回测结果
图9:质量因子纯因子回测结果
图10:动量因子纯因子回测结果
图11:成长因子纯因子回测结果
图12:分红因子纯因子回测结果
图13:调整后纯因子回测结果
参照全文各章节及页码溯源,确保分析准确与全面。
多因子模型研究系列之九:Barra风险模型(CNE6)之纯因子构建与因子合成.pdf