| 因子 | 累计收益差 | 年化信息比率 | 收益差胜率 |
|---|---|---|---|
| E/P | 95.03% | 0.41 | 54.93% |
| 规模调整E/P | 220.50% | 1.22 | 67.61% |
| B/P | 173.74% | 0.88 | 60.56% |
| 行业调整B/P | 222.21% | 1.31 | 63.38% |
| S/P | 123.92% | 1.05 | 56.34% |
| 行业调整S/P | 167.66% | 1.56 | 63.38% |
| CF/P | 85.51% | 0.44 | 50.70% |
| 行业调整CF/P | 142.38% | 1.44 | 61.97% |
| 指标 | E/P | 规模E/P | B/P | 行业B/P | S/P | 行业S/P | CF/P | 行业CF/P |
|---|---|---|---|---|---|---|---|---|
| 累计超额收益 | 76.80% | 191.93% | 117.46% | 153.35% | 64.41% | 115.88% | 110.93% | 138.45% |
| 年化信息比率 | 0.67 | 1.59 | 0.99 | 1.52 | 0.84 | 1.58 | 0.98 | 1.87 |
| 胜率 | 54.93% | 63.38% | 59.15% | 59.15% | 54.93% | 66.20% | 56.34% | 66.20% |
报告开篇明确目标是从传统单因子—估值因子入手,结合规模与行业的调整,研究4个核心估值因子:
通过对中证800成分股的历史数据回测,排除规模和行业因素的影响后,系统测量因子的纯粹有效性。尤其强调因子调整能提升因子效果和收益的稳定性,但对收益的提升应保持谨慎态度,因子仅是影响股价的众多因素之一。
累计收益变化(图1展示):
统计指标改善(表1):
驱动假设与验证:
因子稳定性与区分度:
IC(信息系数)统计(表2):
总结:
回测表现(图3-5):
学术与实践合理性:
回测表现(图6-8):
因子特性:
回测表现(图9-11):
因子注解:
回测表现(图12-14):
因子说明:
图1:调整后各因子第10组累计收益(页面3-4)
表1:因子第10组与第1组收益差统计量(页面4)
图2:调整后各因子第10组相对第1组和指数单期收益(页面5-6)
表2:因子IC统计(页面6)
图3-14(页面7-16)四大估值因子详细回测图
表3、表4:超额收益统计量(页面16-17)
本报告围绕四个传统估值因子(E/P、B/P、S/P、CF/P)展开实证研究,并针对规模和行业偏差分别进行调整,力求净化因子效能,得出以下关键结论:
E/P因子表现稳定为最有效因子,规模和行业调整均提升该因子对未来收益的预测能力,其在等权和流通加权两种权重体系中均保持较佳表现,IC值稳定正相关,适合继续作为核心估值因子悉心使用和研究。
B/P因子历史累计收益较高,但近年来有效性有所下降,尤其在流通加权规则下表现波动。调整行业因素显著减少行业偏离,提高因子的区分度,尽管如此,近期IC波动和效用弱化不容忽视。
S/P因子效用有限,表现不及E/P和B/P稳健,尤其流通加权时第10组表现并非最佳。行业调整对其有一定拉升作用,但整体稳定性不足。
CF/P因子整体表现较差,近似无效,尽管等权累计收益较高,但单期收益稳定性和组别单调性差,IC长时间维持低水平,表明该估值指标在当前环境下预测能力弱。
规模和行业调整的作用明显,剔除规模和行业偏向后,各因子单位组间收益差距和信息比率均显著提高,因子与未来收益的相关系数更稳定,显示调整因子可以提升投资策略的稳健性。
调整收益的提升存在历史依赖性和市场风格依赖性,未来市场结构变化可能导致这些调整收益下降,投资者应当谨慎评估应用背景。
报告强调本研究是因子模型探索的第一步,未来将扩展至成长性因子及多因子模型,结合创新方法进一步提升策略表现。
图表和表格综合阐释了上述结论,凸显因子调整后的收益改善和预测能力增强。例如,图1中的累计收益提升趋势,表1和表2中统计量的增幅,以及后续图表中各因子组别收益差异具体体现,均为结论提供有力佐证。
综上,报告提供了一个系统的因子调整分析框架,并证明了规模和行业剔除对估值因子有效性的重要贡献,尤其确认E/P因子作为价值投资中的基石角色,体现了量化研究与传统估值理念的结合价值。
2013因子专题系列之一:估值因子及调整因子.pdf