本报告围绕“相似动量”新因子挖掘框架,提出多维度改进方法,包括相似矩阵降噪、另类矩阵利用及降维方法创新,并结合专利、财务和基金持仓三类底层向量构建多种Alpha因子。多因子相关性极低,复合因子表现优异,样本外表现稳定,因子特异性强,有望捕捉弱关联Alpha溢价,为量化选股提供重要思路与实践路径 .
| 因子名称 | IC均值 | 标准差 | ICIR | T值 | 多头年化收益率 | 夏普比率 | 最大回撤 |
|---|---|---|---|---|---|---|---|
| F-Momentum-原始版 | 0.025 | 0.06 | 0.39 | 4.62 | 11.8% | 0.40 | 51.4% |
| F-Momentum-80Pec | 0.029 | 0.06 | 0.48 | 5.78 | 13.7% | 0.47 | 47.3% |
| 分组 | 年化收益率 | 波动率 | Sharpe比率 | 最大回撤率 | 平均换手率 |
|---|---|---|---|---|---|
| Top | 12.8% | 30.2% | 0.43 | 49.9% | 72.0% |
| L-S | 9.7% | 7.2% | 1.35 | 10.1% | — |
报告标题:《花开股市,相似几何五:弱关联关系下的特异性 Alpha 因子挖掘》
作者:郑兆磊
发布机构:兴业证券经济与金融研究院金工团队
发布日期:2022年6月22日
研究主题:衡量和挖掘金融市场中以“相似度”为核心的量化因子,挖掘特异性强且有alpha效应的投资因子。
核心论点:
本文延续此前关于“相似动量”理念的研究,挖掘四类基于相似性的特异性因子,通过改进矩阵处理、降维方法和底层向量构成,在弱关联的股票群体中捕捉特异Alpha信号。研究指出,相似动量因子具有高度的特异性和稳定的选股能力,即便在中证800这样的宽基内也表现不减,且多因子组合进一步提升整体效果。
投资结论:因子表现稳定、特异性强,复合后的相似动量因子具备非常显著的选股能力和投研价值。报告未具体给出买卖评级或目标价,但明确提到该因子体系在量化投资上的实际应用潜力及持续优化的可能。
风险提示:所有结论基于历史数据分析,市场状态若出现变动,模型可能失效,3,25]。
报告开篇明确,因子研究历来是量化选股的基石,但新因子挖掘愈发困难,因因子同质化严重。兴证金工团队结合逻辑演绎和机器学习,整合另类数据(如专利、财报)和创新加工方式,形成多个特异性强、样本外表现优良的新因子,涵盖专利相关因子、时序估值因子、财务动量因子(F_Momentum)等。图表1列举了团队2018年至2021年间推出的主要因子,4]。
方法论基础:以余弦相似度衡量任意两家公司在特定向量空间的“相似程度”,如财务指标向量、专利分布向量。通过构造相似矩阵,再基于该矩阵挖掘因子信号。
代表性指标详见图表2,如流动比率、单季度营业收入同比、ROE同比、应收账款周转等。
此处图表7-9展示了不同噪音阈值下的因子IC、分位数收益对比及净值曲线,图表14-16体现了Link_New因子绩效。
基于相似矩阵,除传统月度收益率降维外,创新性利用基金持仓权重进行降维,加权基金持仓动量因子(Fund-Moment)。该因子IC达0.032,T值6.53,分位数收益严格单调,Sharpe较好,表现稳定。基金持仓反映了对未来业绩预期和投资者行为的映射,提升了该因子信息含量。
图表18-21详细展示了基金持仓动量因子的IC测试、分位数收益及净值走势。
该表详细列出2018年至2021年团队发布的核心因子与数据来源,涵盖专利因子、估值因子、财务动量因子等,形成较为系统因子库,体现团队多维度量化创新能力和覆盖多投资角度。
显示财务动量因子基础值与行业市值中性化后因子IC均值及统计显著性,其中行业市值中性化提升IC的稳定性与可靠性。数值0.026的IC在因子研究中属于良好水平,且对应T值4.9验证统计显著。
展示不同噪音删除阈值对应各IC指标提升趋势,最高90%删噪IC达0.031。分位数年化收益展示多空收益峰值出现在80%至90%区间,净值曲线则同步反映因子净值增长优于基础因子。宽基范围(沪深300、中证800)测试均有明显提升,显示广泛适用性。
通过另类利用相似矩阵直接权重,公司间相似度即成因子取值。IC提高至0.042,多空收益显著,表现更优。相关性频率直方图显示其与其他因子关联极低,说明捕捉了独特信息。
基金持仓降维生成因子表现平稳,IC及T值稳定,分位数测试显示各层级收益单调下降,净值走势良好。相关性分析显示和大多数因子低相关,提升因子空间的独立性与多样性。
专利数据使用严格IPC分类标准形成多维专利分布向量,有效测量研发方向相似度。因子表现优异,IC0.023且T值近3。相关性极低,表明捕获了与财报等传统数据完全不同的有效信息。
采用非财务复合向量,剔除低相似项后计算相似度近似指标。因子有效性显著,IC0.035+,收益稳定,且相关性较低,推断此方法可广泛适用各种底层数据。
单因子IC和T值展示后,因子间相关性显著低于0.35。合成因子结果在全市场和中证800范围内均表现卓越,展现因子整合优势。特异性分析结合Barra风格因子验证复合因子捕获了独到风险调整收益信号。
报告中不涉及市值估值或目标价预测,专注因子研究和量化选股信号提炼,侧重模型表现和统计显著性分析,无传统DCF或倍数法估值,主要用IC、ICIR、T值、夏普比等指标作为因子实证表现评估标准。
报告明确风险提示为历史数据驱动的模型在市场环境变化下存在失效风险;未进一步细化风险管理措施,侧重警示量化因子可能的时效和结构性失效风险。因子本身的稳定性需不断验证和迭代。
本报告系统梳理并拓展了“相似动量”理念下的量化因子挖掘路径,包含有代表性的四大因子模块:
多因子合成的复合因子Link-Comb-Sig展现出极佳的选股能力,IC走高至0.053,T值达到9.5,资金收益和风险控制都表现卓越,且中证800内表现未见衰减,充分证明了因子间低相关和信息互补性。
方法论层面,报告深入探讨了“相似”的量化本质,认为其是投资中的归纳推理和逻辑演绎的统一体现,能发掘隐含的、弱关联的Alpha信号,这是此类因子特异性和稳定性的根源。
图表充分支持各结论,数值合理,时间跨度覆盖2009年至2021年,样本外和分位数测试等多重实验证明了因子稳定性。报告最终强调继续在深度(方法完善)和广度(应用扩展)双方面继续推进研究,为投资者提供新型量化工工具。
报告客观严谨,数据详实,能够为量化投资者提供有价值的因子创新视角和实证基础。
该报告在量化金融领域因子构建和优化方面具代表性,内容系统且数据支持充分。详尽的矩阵降噪、另类降维和多元向量策略创新,结合丰富的专利和基金持仓等另类数据,是当前量化研究的前沿方向,具有较高的参考价值与实操指导意义。风险提示到位,但应谨防因子隐含过拟合及未来市场环境剧变带来的失效风险,建议结合实际应用中持续动态跟踪和多维风控手段实施。
图表6,F_Momentum因子生成示意图
图表8,删除尾部噪音不同水平下F-Momentum分位数收益对比
图表15,Link_New因子分位数测试结果
图表29,IE-Momentum因子与各选股因子相关性分布图
图表37,复合因子Link-Comb-Sig IC测试
| 平均值 | 标准差 | 最小值 | 最大值 | ICIR | T统计量 | |
| 全市场测试结果 | 0.053 | 0.07 | -0.11 | 0.22 | 0.79 | 9.50 |
| 中证800内测试结果 | 0.049 | 0.07 | -0.11 | 0.25 | 0.67 | 8.08 |
【全文引用标注】:,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26]
弱关联关系下的特异性Alpha因子挖掘:花开股市 相似几何五.pdf