金工专题报告:如何刻画因子对收益的真实预测效果

传统因子有效性检验方法的不足

    我们对于因子进行有效性检验时,经常会从因子在全市场中的多空表现、IC均值等维度来判定因子的优劣,给出的结论通常也是偏“绝对化”的,比如A因子好、B因子不好。然而,在实务操作中我们面对的基准是多样化的,在实践中经常会发现部分经过多空检验、IC检验后“有效”的因子在实际构建组合时并不是那么有效,有些甚至会起到反作用。究其原因是业绩基准的股票池、股票池中个股的权重分配方式等维度和全A样本空间可能相距甚远。因此,我们进行有效因子筛选时,更应该以“相对化”的视角去探寻,不同的基准股票池,股票池中的权重分配方式都可能会影响因子的真实预测效果。

    因子相对有效性检验方法 加权IC检验。将每只股票实际相对于基准指数能够偏离的权重空间以及因子的多空方向考虑到因子加权IC的计算中,以加权IC来衡量因子的有效性,实证结果表明,技术类因子在中证500指数中有一定选股效果,而在沪深300指数中基本无效。

    MFE检验法。在实际构建指数增强组合时可能有较为复杂的约束条件,此外IC检验无法将因子换手高低对组合的影响考虑进来,这些因素都会影响因子对收益的预测效果。如果在因子有效性检验时就采用组合优化的方式来检验控制了约束条件后因子的有效性,那么该口径下筛选出的有效因子更可能在组合构建中发挥其真实的收益预测作用。由此我们将组合优化的目标函数修改为最大化单因子暴露,构建控制了选股空间,行业、风格暴露等约束下的最大化单因子暴露组合(MFE组合),根据该组合相对于基准的收益表现我们可以判断该因子是否有效。从MFE检验法来看,成长类因子在中证500中更有效,而估值、盈利改善、盈利调整类因子在沪深300中更为有效。

    沪深300指数增强组合实证

    我们基于以上方法筛选出在沪深300中的有效因子,并构建沪深300指数增强模型,历史回测显示增强组合能够稳定跑赢沪深300指数,年化超额收益16.12%,相对最大回撤为-2.54%,年化跟踪误差3.74%,信息比为4.01。今年以来截止到20190830超额收益9.60%,总体表现较为稳健。

    风险提示:市场系统性风险,有效因子变动风险。