本报告基于多因子有效性和筛选,采用分层赋权构建多因子综合打分选股模型,并在6个不同股票池中分别构建模拟组合。模型采用等权配置,超额收益率显著且稳健,尤其分周期非周期选股组合表现优于直接选股。同时对组合规模和因子权重进行了敏感性测试,结果证明模型表现对参数变化不敏感,具备较强实用性和鲁棒性。
表格摘录部分因子及权重示例:
| 股票池 | 因子类别 | 权重(%) | 说明 |
|---|---|---|---|
| HS300 | 估值 | 25 | PE、PB、PS等因子分配具体权重 |
| 财务成长 | 30 | 营收、净利润增长率等 | |
| 财务质量 | 15 | ROE、ROA等 | |
| ZZ500 | 价量 | 25 | 价格动量、换手率等 |
| 一致预期 | 10 | 机构覆盖、评级调整 |
表7 各组合超额收益及胜率
| 组合 | 年化超额收益率 | 月胜率(%) | 季胜率(%) | 最大跑输基准幅度(%) |
|---|---|---|---|---|
| HS300 直接选股 | 19.4% | 60.5 | 76.9 | -12.3 |
| HS300 分周期非周期选股 | 16.0% | 65.4 | 70.2 | -11.2 |
| ZZ500 直接选股 | 10.8% | 61.4 | 61.1 | -6.9 |
| ZZ500 分周期非周期选股 | 14.7% | 64.9 | 77.8 | -6.2 |
表8 组合规模影响:
| 规模 | HS300年化超额收益率 | ZZ500年化超额收益率 | HS300+ZZ500年化超额收益率 |
|---|---|---|---|
| 5% | 21.9% | 9.2% | 13.2% |
| 10% | 16.0% | 14.7% | 14.6% |
| 15% | 13.1% | 12.3% | 11.9% |
表9 因子权重变化敏感性:
| 因子类别 | 变化 | HS300收益率 | ZZ500收益率 | HS300+ZZ500收益率 |
|---|---|---|---|---|
| 当前 | -- | 16.0% | 14.7% | 14.6% |
| 估值类 | +10% | 13.4% | 14.2% | 13.5% |
| -10% | 16.2% | 11.7% | 12.5% | |
| 财务成长类 | +10% | 13.6% | 11.2% | 11.0% |
| -10% | 12.6% | 15.1% | 13.8% | |
| ... | ... | ... | ... | ... |
该报告为多因子选股研究系列的第三篇(前两篇侧重因子单独分析及筛选),本篇在此前研究基础上,选取经验证的有效稳健因子,采用分层赋权方法进行综合打分,构建多因子选股组合,实证模拟结果出色,稳健且实用。文中重点创新包括细分股票池构建个性化因子组合,分层赋权设计合理权重,以及组合规模和权重灵敏度测试。作者核心结论是该模型在多个股票池均显著跑赢等权指数,稳健性高,模型实用性强,2,3]。
报告明确多因子选股在此前两篇中对因子进行了详尽筛选,现阶段通过赋予合理权重将因子整合,形成多因子综合打分模型,模拟组合取得优异表现,表现稳定且实际实施性高。主要成果突出包括细分股票池应用差异化因子组合及分层赋权,且敏感性分析加固结论,防止过拟合。综上,作者宣称模型具备较高的稳健性和长期实用性。
分不同股票池选股:分别对沪深300全体、其周期类与非周期类,以及中证500全体及其周期、非周期类共六大股票池分别建立选股模型,针对不同池子选择有效因子赋予权重,实现个性化组合优化。比较后显示分周期非周期构建的组合稳健性优于整体直接选股。
按有效性分层赋权:先定五大因子类(估值、财务成长、财务质量、价量、一致预期)大类权重,再结合因子有效性分配类内权重,因子最终权重为二者乘积。此法比直接赋权更客观合理,也能处理同行业因子共线性和权重分配问题。
等比例配置模拟组合,等权指数为基准:模拟组合采用均等权重分配,基准选用对应池子的等权重指数,避免市值加权指数偏差带来的误判,体现选股能力而非规模效应。
因子权重和组合规模敏感性分析:测试组合规模和权重微调对组合表现影响,避免模型过度拟合单一参数组合,检验鲁棒性,结果显示模型表现整体稳健。
以上创新凸显了在多因子组合构建过程中对细节和科学性的重视,同时兼顾了实用策略的可行性,1,2,3]。
股票池划分:将沪深300和中证500分别细分周期类和非周期类,共六个股票池进行独立选股模型研究,保持与前期因子分析数据对应,提升模型适应性。
分层赋权:五大类因子大类权重+类内有效性权重,最终权重为大类权重与类内权重乘积。如财务类因子有效性在财报发布月明显提升,因而5、9、11月财务类权重人工提升10%,价量类相应降10%。
因子打分规则:
模拟组合构建:
绩效指标:
敏感性测试:
此部分分6个股票池分别列出了因子权重分布,反映了不同股票池和细分领域对因子效用的不同侧重。
HS300全体:
HS300周期类:
HS300非周期类:
ZZ500全体:
ZZ500周期类:
ZZ500非周期类:
分析:不同股票池及行业属性导致因子权重结构差异明显,模型充分考虑了因子在不同环境下的表现,有效提高选股准确性和稳健性,7,8]。
收益率表现:
稳健性指标:
细分股票池表现差异:
以上结果佐证模型不仅提升收益率,还有较高的风险控制能力,验证多因子综合打分及分层赋权的有效性。
图2-5绘制了HS300各类组合超额收益表现,图6-9为ZZ500组合表现。图中:
整体图表体现了多因子模型选股效果显著且稳健,符合回测数据结论,10]。
组合规模敏感性:
因子权重敏感性:
此两项敏感性测试有效支撑模型鲁棒性,论证参数选择科学,适合实际应用环境,12]。
图1清晰展示了分层赋权的整体架构:
此图形象说明了分层赋权能解决直接赋权难以科学量化的短板,增加赋权的客观性和合理性。
各类图形均展示模拟组合(粉线)与基准等权指数(蓝线)累计收益率表现,以及月度超额收益(红柱),表现如下:
图形化数据支持模拟数据表分析,视觉辨识模型优异的选股表现和风险控制力,10]。
以上赋权表具体列出各因子在不同股票池中的具体权重比例,显示各类之下因子内部权重分布差异,体现了细致权重规划对模型性能的关键影响。其中:
表格为模型设计及其量化结果提供了坚实数据支持,7,8,11,12]。
本报告不涉及传统个股DCF或市盈率估值,聚焦于多因子综合打分法对个股进行排名,并选取排名靠前股票构成模拟组合。
模型通过因子加权打分,体现因子综合价值预判。
因此报告核心估值为多因子综合得分,通过量化指标打分方法代替传统估值模型,方便量化实现,适合投资组合构建。
报告未专门章节详述风险,但可通过以下几点识别:
报告对此类风险多未明确指出缓释策略,投资者应结合实际动态调整参数和注意模型局限性,5,11]。
综上,报告展示了扎实的量化模型实证,但仍需结合实际调整和动态完善机制,以增强长期稳定收益能力。
本报告是国泰君安证券多因子量化研究的第三篇,全面打造了兼顾因子有效性及稳健性、多股票池针对性权重设计的多因子综合评分选股模型。报告结构清晰,论证严密,主要结论总结如下:
总体来看,国泰君安该多因子选股模型在2011年前的中国股市背景下,有效整合了多维因子信息,采用理性权重赋予,形成了收益与风险兼顾的量化选股框架,兼具现实操作性和学术严谨性。
图1 分层赋权示意图
图2 HS300直接选股收益表现
图6 ZZ500直接选股收益表现
本分析内容严格基于《多因子选股模型之组合构建Ⅲ》报告所载内容编写,引用页码如下:
,1,2,3,4,5,6,7,8,9,10,11,12]
(全文完)
数量化研究系列之十九:多因子选股模型之组合构建.pdf