20171214-天风证券-年度策略_如何应对有效因子的巨大变脸_14页_2mb
报告摘要
年度策略:如何应对有效因子的巨大变脸
核心内容
本报告由天风证券分析师吴先兴撰写,探讨了近年来有效因子(如市值、反转等)表现不佳的背景,以及如何通过因子择时和动态风控策略来应对因子失效问题。报告提出了一种基于条件期望的因子择时模型(MHKQ模型)和动态调整跟踪误差的风控策略,旨在提升量化投资策略的收益与稳定性。
主要观点
- 有效因子变脸:近年来,传统表现较好的因子如市值因子、反转因子等出现失效,导致量化策略整体表现下滑。
- 因子择时:通过引入对因子收益有影响的外生变量,计算因子收益的条件期望,从而实现因子权重的动态配置。
- 动态风控:根据风格因子的波动率和组合跟踪误差的实际情况,灵活调整风控参数,降低组合风险。
关键信息
一、因子择时模型(MHKQ模型)
- 假设因子收益向量 $ R $ 与外生变量向量 $ V $ 符合联合正态分布。
- 当给定外生变量取值 $ v $ 时,因子收益的条件期望为:
$$
R_{|v} = \bar{R} + \Delta R, \quad \Delta R = \Sigma_{RV} \cdot \Sigma_{VV}^{-1} \cdot (v - \bar{V})
$$ - 协方差矩阵修正为:
$$
\Sigma_{|v} = \Sigma_{RR} - \Sigma_{\Delta \Delta}, \quad \Sigma_{\Delta \Delta} = \Sigma_{RV} \cdot \Sigma_{VV}^{-1} \cdot \Sigma_{VR}
$$ - 通过AIC信息准则筛选外生变量,采用贪心算法逐步加入变量,以避免模型过拟合。
二、因子择时模型表现
- 条件期望均值加权组合相比无条件期望组合在超额收益和风险控制方面更优。
- 2017年12月12日,因子择时组合的超额收益为4.5%,而原始无条件期望组合为**-14.3%**。
三、动态风控策略
- 风险与收益同源,组合风险取决于对风格因子的暴露。
- 根据风格因子波动率,选择性地控制波动较大的因子。
- 跟踪误差动态调整:当实际跟踪误差超过设定阈值时,调低下一期优化模型中的跟踪误差上限;反之则维持初始设定。
四、动态风控模型表现
- 动态组合相比静态组合,在收益和风险方面均有明显改善。
- 年化超额收益从13.25%提升至17.50%。
- 相对最大回撤从6.16%降至2.95%。
- 跟踪误差从4.86%降至4.39%。
- 截至2017年12月12日,动态组合超额收益为7.72%,而静态组合仅为1.84%。
回测结果对比(2010-2017)
| 年份 | 中证500收益 | 静态组合绝对收益 | 静态组合超额收益 | 静态组合相对最大回撤 | 静态组合收益回撤比 | 静态组合信息比 | 静态组合跟踪误差 | 动态组合绝对收益 | 动态组合超额收益 | 动态组合相对最大回撤 | 动态组合收益回撤比 | 动态组合信息比 | 动态组合跟踪误差 |
|------------|-------------|------------------|------------------|----------------------|--------------------|----------------|------------------|
| 2010 | 10.46% | 25.13% | 14.67% | -5.28% | 2.78 | 1.91 | 6.65% | 25.46% | 14.99% | -2.51% | 5.98 | 2.97 | 4.36% |
| 2011 | -33.83% | -19.23% | 4.91% | -4.23% | 3.45 | 2.99 | 6.80% | -25.55% | 8.28% | -2.03% | 4.09 | 3.06 | 3.96% |
| 2012 | 0.28% | 13.01% | 12.73% | -3.32% | 3.83 | 2.22 | 5.62% | 19.02% | 18.74% | -1.87% | 10.05 | 4.04 | 4.31% |
| 2013 | 16.89% | 24.94% | 8.05% | -2.28% | 4.97 | 1.99 | 4.73% | 28.21% | 11.33% | -2.28% | 4.97 | 1.99 | 4.73% |
| 2014 | 39.01% | 63.50% | 24.50% | -5.14% | 4.77 | 2.98 | 5.53% | 79.58% | 40.58% | -1.91% | 21.23 | 5.73 | 4.58% |
| 2015 | 43.12% | 73.91% | 30.79% | -6.05% | 5.09 | 3.14 | 6.22% | 72.49% | 29.37% | -2.95% | 9.96 | 3.96 | 4.84% |
| 2016 | -17.78% | -2.66% | 15.11% | -1.18% | 12.76 | 4.55 | 3.71% | -2.41% | 15.37% | -1.05% | 14.67 | 4.82 | 3.57% |
| 2017.12.12 | -0.49% | 1.35% | 1.84% | -5.55% | 0.33 | 0.36 | 4.89% | 7.23% | 7.72% | -2.77% | 2.79 | 1.73 | 4.59% |
| 全样本期 | 4.40% | 17.65% | 13.25% | -6.16% | 2.15 | 2.40 | 4.86% | 21.90% | 17.50% | -2.95% | 5.93 | 3.50 | 4.39% |
总结
本报告指出,因子失效是当前量化投资策略表现不佳的主要原因,建议从收益预测和风险控制两个维度出发,构建更具适应性的投资策略。
- 因子择时模型(MHKQ模型)通过引入外生变量并计算条件期望,实现了因子权重的动态配置,显著提升了超额收益。
- 动态风控模型通过控制波动率高的风格因子,并根据跟踪误差动态调整优化约束,有效降低了组合波动与回撤。
- 实证数据显示,动态组合在收益和风险控制方面均优于静态组合,年化超额收益提升明显,最大回撤和跟踪误差显著下降。
综上,因子择时与动态风控相结合,是应对有效因子变脸的有效策略。
试读结束,高清完整版pdf/doc/ppt,请点下载