本报告详细阐述了方正证券量化选股中单因子评价体系,重点介绍IC体系及分组测试两大评价框架,涵盖因子数据处理、因子IC及其衍生指标如RankIC、ICIR与胜率,探讨因子时序、市值及行业衰减特性,并辅以实证图表说明因子构建与测试流程,帮助投资者识别与优化具备稳定Alpha来源的选股因子,提升量化投资效能。
| 指标 | 含义 |
|---|---|
| IC | 因子值和未来收益的Pearson相关系数 |
| RankIC | 因子与收益的Spearman秩相关 |
| ICIR | IC的收益风险比,衡量因子预测稳定性 |
| IC胜率 | IC>0比率,衡量因子方向持续性 |
| 指标 | 数值 |
|---|---|
| IC均值 | -7.31% |
| 秩IC均值 | -10.25% |
| 年化ICIR | -2.16 |
| 年化收益 | 40.26% |
| 年化波动 | 15.56% |
| 年化IR | 2.59 |
| 胜率 | 74.83% |
| 最大回撤 | 16.41% |
| 自相关性 | 63.11% |
| 因子覆盖率 | 100% |
| IC半衰期 | 1.07月 |
| IC市值衰减速率 | -0.43% |
| 多头年化收益 | 30.85% |
| 多头收益占比 | 33.36% |
| 因子方向 | -1 |
报告力图通过全面详实的因子评价指标体系,辅助投资者判断因子优劣、理解因子特性,实现更有效的量化选股策略设计和优化,3] .
图1 因子评价指标体系图
直观展示了因子评价核心指标分布,左侧为IC相关核心指标,右侧为分组测试与策略表现相关指标,环环相扣,体现了评价的系统性和复杂度,3]。
图3 单因子测试流程图
以流程箭头明确标示量化选股因子测试从“数据准备”到“情景分析”的完整流程,指明每一步处理目标和输出指标,是后续章节展开的逻辑框架。
图5-8 异常值修正方法示意
通过净利润增长率因子原始数据图(溢出异常大值明显),对比不同异常处理方法后分布,发现中位数极值法在去极值及稳定因子上最优,实际生产中大量应用,8]。
图9-10 市值分布及调整示意
原始流通市值偏右长尾,采用对数转化后接近正态,符合资产价格的金标准假设,减少模型估计偏差和极端值影响,9]。
图13 因子中性化效果示例(非流动性因子)
展示因子中性化前后与市值暴露的变化,显示中性化有效消除因子和市值因子的相关性,高亮了因子净化处理的作用。
图14、17 总市值因子IC序列及变化趋势
以时间序列柱状图展示IC正负波动,表现近10年市值因子经历明显阶段性转折,揭示因子表现非稳定性,14]。
图15 因子IC与RankIC对比
体现Pearson与Spearman的差异,尤其在非线性因子(短期反转)上下浮动较大,RankIC提供更稳健的非线性捕捉能力。
图18 市值调整换手率因子IC时间衰减
显示交易类因子时间衰减快,即预测能力短暂,提示需要考虑交易频次和成本对策略的侵蚀。
图19,20 价格时滞因子IC市值衰减及回归
呈现因子预测能力随着市值分组递减,拟合回归曲线及R²值解读衰减速率及稳健性,指导策略选择范围,16]。
图21 换手率因子IC行业衰减
纵览各行业IC均值,显著指出金融板块IC较低,不适宜使用换手率因子指导。
图22 IC体系局限性示意
图文并茂揭示IC不能捕捉非线性、交易成本、具体绩效以及日度波动,体现分组测试必要性。
图23 换手率因子持股数量演变
长期随着市场股票数量增加,持股数量动态增长,验证组合规模随市场趋势调整。
图24 换手率多头换手率时间序列
揭示组合换手动态,对评估交易成本及换手率敏感性具有结论性意义。
图26-27 市值调整换手率统计指标与多空组合净值
详细展示因子的多维统计指标(IC、年化收益、最大回撤、自相关等),净值图反映摸准前期收益波动,评估稳定性。
图28-30 反转因子多空组收益与多头收益占比
呈现非线性收益结构,多头收益占比低,表明反转类因子alpha主要来源于空头头寸,引导策略设计,22]。
图31-34 净利润同比增长率因子指数内选股表现
明确不同指数范围内的选股收益及回撤表现,体现核心因子市值覆盖特性与实用范围,23]。
图35-36 CAPM残差波动率因子累计收益及年化收益
多头策略显著跑赢多个指数基准,强调基准选取和分红、交易成本对收益的影响,是实证策略分析模板。
图37-38 因子分层示意与IC检验关系
图解分组测试通过多层划分消除共同暴露,和IC检验内在逻辑,帮助理解不同评价方法的联系。
图39-40 因子相关性矩阵与换手率市值暴露
详尽展示因子之间统计相关关系,定量揭示因子之间的关联性及中性化效果,26]。
图41-42 情景分析示意(净利润增长率与CAPM残差波动率)
不同市场涨跌区间下因子表现明显差异,指导投资者动态权重调整和择时策略设计。
本报告属于因子筛选和评价体系搭建范畴,不涉及特定个股或行业的估值模型分析,因此无DCF、P/E或行业估值倍数分析内容。
方正证券研究所发布的《规矩:方正单因子测试之评价体系》系统阐述了量化选股领域中单因子的评价框架和方法论。报告的核心贡献在于构建了一个涵盖20余项指标的因子评价体系,分为IC评价体系和分组测试评价体系两大板块,以期对因子的预测能力、稳定性、多空收益、因子衰减、市值和行业适应性等多个维度进行全面考察,解决仅凭单一IC指标难以准确衡量因子Alpha的痛点。
具体来说:
综上,本报告为量化投资者提供了一个科学严谨且操作性强的单因子评估框架,强调了多维度指标联合分析的重要性,明确了因子评价中异常值、数据质量、分组测试和交易成本等问题,是构建稳健、多因子、高Alpha组合不可或缺的工具和思路基础。
请注意,报告所有结论与数据均来自对2006年至2017年区间的回测与实证,且基于月度调仓和一定手续费假设,未来因子有效性依赖其在不同市场环境的持续表现及交易限制,投资者需谨慎权衡。
(全文引用均标明对应页码,确保溯源精准)
“远山”量化选股系列(一):规矩 方正单因子测试之评价体系.pdf