本报告深入比较了直接指标与相对指标之间的相关性、显著度及多因子模型表现,实证验证两类指标构建的多因子模型在IC、IR、Alpha预测及投资收益率方面高度一致,且相对指标在边际上对多因子模型的贡献有限,约为3.7%。
| 直接指标 | 相对指标 | 2005-2006 | 2007-2008 | 2009-2010 | 2011-2013.6 |
|---|---|---|---|---|---|
| ETOP | R-ETOP | 0.798 | 0.819 | 0.778 | 0.750 |
| VCAP | R-VCAP | 0.933 | 0.863 | 0.843 | 0.853 |
| AGRO | R-AGRO | 0.963 | 0.891 | 0.889 | 0.951 |
| LNCAP | R-LNCAP | 0.576 | 0.545 | 0.571 | 0.632 |
| CFOG | R-CFOG | 0.679 | 0.621 | 0.604 | 0.641 |
| 指标 | 相对指标平均绝对t值 | 相对指标t>2占比 | 直接指标平均绝对t值 | 直接指标t>2占比 |
|---|---|---|---|---|
| R_ETOP | 4.04 | 69.61% | 4.03 | 69.61% |
| R_S_SalseG | 2.39 | 50.98% | 2.59 | 54.90% |
| R_ROE | 4.44-4.63 | 68.63%-73.53% | 4.53-4.77 | 69.61%-73.53% |
| 年份 | 指标 | 直接指标多因子模型 | 相对指标多因子模型 | IC相关系数均值 | 股票Alpha预测相关系数 |
|---|---|---|---|---|---|
| 2008 | IC均值 | 0.087 | 0.106 | 0.833 | 0.662 |
| 2009 | IC均值 | 0.167 | 0.146 | 0.799 | 0.736 |
| 2013 | IR | 1.877 | 1.120 | 0.909 | 0.824 |
| 2008-13 | IR均值 | 1.091 | 1.152 | 0.856 | 0.750 |
本报告核心论点聚焦于“直接指标”与“相对指标”的定义、比较及实证表现。报告强调,尽管在定义上“相对指标”是对“直接指标”进行行业属性调整得到的,逻辑上相对指标更贴近经济含义并利于跨行业比较。报告结合多维实证检验,包括相关系数分析、静态回归测试、滚动多因子模型比较以及投资业绩归因,最终指出相对指标在多因子模型中带来的边际贡献有限,整体收益率的边际提升约为3.7%。报告在结论部分,指出两种指标构建的模型表现较为接近,投资者可据此安排模型构建策略。【页码:0-10】
定义:
直接指标:未经行业属性调整,直接取个股指标数据,如某股票的PE值;
相对指标:在直接指标基础上剔除行业因素,通过个股风格指标减去行业风格指标(以行业内个股风格指标加权平均市值计算得出),实现行业属性调整。
理论依据:
基于经典多因子回归模型:股票未来收益率 ( r^{T+1} ) 可拆分为行业因子收益率(\boldsymbol{f}_j^T)与风格因子收益率(\boldsymbol{f}_k^T)的加权贡献,剔除行业因素使用相对指标更符合经济逻辑,提升跨行业比较的可比性。例如TMT行业相较传统行业估值普遍更高,直接利用PE可能导致跨行业对比失真,故相对指标更合理。【页码:0,3】
比较角度分为四部分:
直接指标与相对指标的相关系数;
历史静态回归模型中的显著性对比;
滚动多因子回归模型中模型指标(IC、IR、Alpha预测准确度、投资回报和归因分析)表现对比;
直接指标与相对指标结合构建模型的投资业绩与相对指标的边际贡献评估。【页码:0,4】
样本对象:全A股非ST股票;
时间范围:2005年1月1日至2013年6月28日(相关性及静态回归测试);多因子模型滚动测试区间为2008年1月至2013年6月;
数据来源:天软科技(TinySoft)。
共计多个指标的直接指标与相对指标相关系数全部较高,最低约0.6,最高接近0.95;
指标涉及盈利能力、成长性、杠杆、流动性、规模、风险等多个维度,如ETOP、BTOP、ROE、CFOG等。【页码:4-5】
该结果表明,行业属性剔除对多数指标影响有限,直接指标与相对指标之间存显著共性。
利用t值均值、t值大于2的占比及因子收益率的t值判断显著性;
共有56个指标同时在直接指标与相对指标中显著,仅少数(约5对,9%)存在显著度判定差异;根据因子收益率t值判断,22指标显著,仅3对存在差异,表现出显著度整体高度一致;
多数直接指标的因子收益及统计指标略优于相对指标,部分指标不同周期表现出细微差异。
此分析验证了直接指标与相对指标在静态检验框架中实质表现接近,支持其高度相关性。【页码:6-7】
以直接指标和相对指标分别作为指标库,采用36个月滚动窗口回测两种多因子模型;
IC均值:两模型月均差异小,直接指标为0.110,间接指标0.104,相关系数高达0.856;
IR指标:直接指标为1.091,间接指标1.152,较为接近;
股票Alpha预测相关系数:随时间提高,从2008年0.662提升至2013年0.824,两个模型整体相关度0.750;
投资收益率:两模型整体表现类似,相对指标模型投资收益仅稍优约2%;
图1展示两个模型近似的收益曲线,交织波动趋势一致,支持指标类型选择对收益率影响有限的结论。【页码:7-8】
积极收益归因比例相似,超额收益主要来自规模、成长、财务质量、动量和换手率等风格因子;
积极风险归因均集中于规模、动量、波动性等风格因子;
两图柱状表现显示,直接指标(红色)与相对指标(蓝色)因子贡献高度重合,个别因子略有波动但整体无显著差异。【页码:9】
结合使用直接指标与相对指标作为指标库重新构建多因子模型,与仅用直接指标构建模型的收益率对比显示,整体历史收益率边际提升约3.7%;
图4中,蓝线(指标并集构建)与红线(仅直接指标)走势高度一致,边际收益变化较小。
这一结果表明,相对指标对增强多因子模型投资回报的边际贡献有限,投资者权衡指标复杂度与收益提升应予以考虑。【页码:10】
展示了2005年至2013年间多维指标(现金流成长、盈利能力、杠杆率等)两类指标的年度相关系数;
主体数据均超过0.6的相关性区间,高达0.95,体现强烈正相关性;
数据支撑相对指标不过度偏离直接指标,是指标剔除行业因素后合理表达。【页码:4-5】
多数指标t值均值及大于2的占比在两个指标类别间接近,说明二者在统计显著性上表现一致;
直接指标整体略优于相对指标,且收益序列t值显示几个指标显著度有微弱差别;
表内数据带来对指标选择的信心提升,支持多因子模型构建中可兼顾两类指标。【页码:6-7】
直接指标与相对指标搭建多因子模型IC、IR、股票Alpha预测相关度均高,时间序列上虽有波动但总体趋势一致;
支撑多因子模型的稳定性和模型构建的灵活性。【页码:7】
时间跨度2008年至2013年,红蓝两线的投资收益率曲线完美重合,体现两模型收益表现高度一致性;
无明显偏离,暗示模型类型影响的边际效益有限。【页码:8】
两图展示因子积极收益和风险的细分贡献,主要风格因子贡献度相似;
直观反映两种指标模型构建投资组合的风险收益特征基础极为接近。【页码:9】
按时间表现曲线显示,加入相对指标后的多因子模型收益略有提升,但幅度有限,仅约3.7%;
投资者应考虑相对指标带来的复杂性与收益提升的权衡。【页码:10】
报告未明确估值具体方法论,重点在于多因子模型构建对投资收益与风险调整后表现的评估。核心关注指标包括IC(信息系数)、IR(信息比率)及股票Alpha预测能力,采用滚动回归、区间最小二乘预测法进行模型测试和投资组合构建。这些是多因子选股模型的关键评价维度,体现模型解释和预测能力。
报告页尾涉及风险声明,强调:
数据来源合规性但不保证完整及最新;
分析结论基于自身判断,可能因市场变动、数据更新产生偏差;
报告版权及使用限制,提醒投资者信息时效及适用范围;
证券投资咨询业务性质的说明,提示合规经营环境。
报告未明示具体回测或模型构建相关风险,但隐含指标选择、模型过拟合、市场环境变化可能是潜在风险点。【页码:0,11】
报告数据与分析内容较为严谨,测试周期覆盖2005-2013年,具备一定的历史代表性;
直接指标与相对指标高度相关可能导致两类指标模型差异边际递减,此种现象正是报告的核心发现;
虽然报告强调相对指标经济逻辑更合适,但实证中相对指标对收益的边际贡献有限,提醒投资者对“行业调整”的必要性和实际收益影响做权衡;
报告对显著指标的定义及差异分析充分,避免一面倒倾向,但未详细披露模型稳定性在极端市场状况下表现;
图表中的边际差异虽小,但不应完全忽视,特别对某些特定行业或市场环境,行业调整指标可能仍具优势。
本报告系统深入地探讨了直接指标与相对指标两类指标在多因子量化投资模型中的应用及投资绩效表现。核心结论包括:
直接指标与相对指标间高度相关,大部分多因子考察指标相关系数在0.6以上,个别指标达到0.95,表明行业属性剔除后指标仍维持结构稳定;
静态回归显著度实验显示两类指标在显著性上极为接近,约91-86%的显著指标对在两种指标下判断一致;
多因子滚动回归模型的IC、IR与股票Alpha预测能力高度接近,投资收益率曲线基本重叠,相对指标仅提供约2%的收益率提升;
积极收益与风险归因分析进一步显示两类模型在风格因子贡献度极为相似,主要活跃因子包括规模、成长、财务质量和动量;
相对指标在多因子模型中边际贡献仅约3.7%,提示投资者在增加行业调整指标时需考虑其收益提升的实际性与模型复杂度;
最终,报告认可相对指标在理论经济学视角下的合理性,但从多因子量化实证角度看,对模型整体收益的增益效应有限,建议投资者根据自身需求和对行业异质性理解灵活选择指标体系。
通过大量数据与图表,报告高度客观地展现了两类指标间的性能对比,支持在实际量化投资中可兼顾指标简洁性与经济逻辑性,兼容多元化指标库。【页码:0-10】
报告以详实的数据支持和全面的模型对比,为投资者在多因子模型中指标选择提供了科学依据,展示了理论与实证相结合的研究范例。图表清晰,叙述严谨,能帮助金融工程及量化投资从业者深入理解直接指标与相对指标的内涵及其应用边界。
图1(投资收益率对比):
图2(积极收益归因):
图3(积极风险归因):
图4(相对指标边际贡献):
多因子系列研究报告之四:直接指标VS相对指标.pdf