20170109-华泰证券-华泰多因子系列之五_华泰单因子测试之换手率类因子_48页_2mb

华泰单因子测试之换手率类因子实证分析总结

核心内容

本报告为华泰证券多因子系列研究第五篇，聚焦于换手率类因子在A股市场的实证分析。通过对十二个换手率相关因子的测试，研究其在不同行业、市值规模下的表现，并结合分层回测、回归法、因子IC值分析等方法，评估其有效性与稳健性。

主要观点

1. 换手率因子与市值因子的负相关性
   换手率因子（如日均换手率、换手率序列标准差）普遍与市值因子呈负相关，市值越大的公司通常换手率越低。而换手率乖离率因子与市值因子的相关性较小，具有一定的独立性。

2. 换手率因子间的高正相关性
   各换手率因子之间具有较强的正相关性，这可能导致多重共线性问题。因此，在构建选股模型时，需谨慎处理因子组合中的相关性。

3. 换手率因子与动量、估值类因子的对比
   换手率因子的效果优于估值、成长因子，但弱于动量因子。这表明换手率因子在某些市场条件下具有一定的预测能力，但并非最优。

4. 样本期长度对因子表现的影响
   换手率因子在较短样本期（如5天）下表现更佳，而动量因子在21-33天的样本期范围内表现较好。因此，换手率因子可考虑使用更短的样本期。

关键信息

1. 换手率因子列表

• 日均换手率因子：turn_1m, turn_3m, turn_6m
• 换手率乖离率因子：bias_turn_1m, bias_turn_3m, bias_turn_6m
• 换手率序列标准差因子：std_turn_1m, std_turn_3m, std_turn_6m
• 换手率序列标准差乖离率因子：bias_std_turn_1m, bias_std_turn_3m, bias_std_turn_6m

2. 测试方法

• 分层回测：分析不同分层组合的业绩表现、多空组合收益，评估因子区分度、单调性、稳定性。
• 回归法：通过线性回归计算因子收益率和t值，评估因子的显著性。
• 因子IC值分析：计算因子暴露度与下一期收益的相关系数，评估因子的预测能力。

3. 测试结果

• 分层测试：bias_turn_1m 和 bias_std_turn_1m 表现较好，而 turn_1m 和 std_turn_1m 的单调性不佳。
• 回归测试：turn_1m 和 std_turn_1m 表现更优，但若将回归方式从WLS改为OLS，则 bias_turn_1m 和 bias_std_turn_1m 效果更佳。
• IC值分析：turn_1m 和 std_turn_1m 的IC值均值和IR比率表现较好，但其在大市值股票中失效程度较高。

4. 回归法说明

• 回归模型：
  $$
  r_i^{T+1} = \sum_j X_j^T f_{ji}^T + X_d^T d_i^T + \mu_i^T
  $$
• 回归权重：采用WLS方法，使用流通市值平方根作为权重，以消除异方差性。
• 因子评价指标：
  • t值序列的绝对值均值
  • t值大于2的比例
  • 因子收益率序列均值及显著性
  • t值均值与标准差的比值

5. IC值计算方法

• IC值公式：
  $$
  IC_d^T = corr(\vec{R}^{T+1}, \vec{d}^T)
  $$
• 处理方式：对因子值进行去极值、标准化、缺失值处理后，对市值和行业因子进行回归，取残差作为因子值的替代，计算其与下一期收益的相关性。

因子表现分析

行业与市值差异

行业差异

• 换手率因子在不同行业间存在显著差异。例如：
  • 计算机行业：日均换手率较高，但乖离率较低。
  • 钢铁行业：日均换手率较低，但乖离率较高。
• 行业间换手率因子的相对排名随时间变化，反映行业轮动现象。

市值差异

• 市值较大的公司通常换手率较低，换手率因子与市值因子呈负相关。

风险提示

• 单因子测试结果基于历史数据，存在失效的可能，需谨慎应用于实际投资决策。

图表说明

• 图表1：换手率因子及其定义。
• 图表2：换手率因子测试框架。
• 图表3：各一级行业换手率因子中位数比较（2016/12/30）。
• 图表4：各行业换手率因子中位数在不同年份的相对排名。
• 图表5：换手率因子与市值因子的相关系数。
• 图表6：换手率因子间相关强度（近36个月）。
• 图表7：换手率因子间月度相关系数均值（近36个月）。
• 图表8：换手率因子间月度相关系数标准差（近36个月）。

结论

换手率类因子在A股市场中具有一定的有效性，尤其在短样本期下表现更佳。然而，由于其与市值因子高度相关，且各因子间存在较强的正相关性，组合使用时需注意多重共线性问题。未来研究可进一步探索如何优化因子权重，提升模型稳健性。