美债收益率曲线倒挂;五粮液、光威复材( 三 )

丁鲁明|中信建投金融工程首席分析师

本文主要介绍因子的衰减在多因子选股中的应用 。 主要包括因子半衰期定义、单因子衰减分析、多因子横截面IC、IC_IR半衰期加权方法和单因子时间序列最大化复合IC_IR加权方法的深入研究 。 发现不管是在横截面上做IC、IC_IR半衰期加权 , 还是单因子的时间序列加权上 , 单因子的半衰期H_Factor均为多因子权重求解的一个稳健最优参数 。

1.单因子衰减分析

从单因子衰减分析可知大部分因子的IC衰减速度较快 , 所以在做因子IC加权时理应对因子近期的IC给与更大的权重分配 , 这样才能更好地适应市场短期的变化 。 这里 , 我们引入半衰期权重来衡量其影响 。 半衰期权重可以定义为 , 给定一个半衰期 , 每隔期IC的权重值会以指数下降的方式降低一半 。

2.因子IC/IC_IR半衰期加权方法

经过测试 , 在对大部分不同类型但衰减速度相同的因子做多因子IC或IC_IR半衰期加权时 , 半衰期参数等于因子本身的半衰期H_Factor时 , 组合的表现可以达到最好或者接近最好 。 例如我们在对两个半衰期均为4的成长因子“单季度营业利润同比增长率”和“单季度营业收入同比增长率”做IC半衰期加权时 , 半衰期参数等于4时 , 组合的表现在所有加权方法里可以达到最好 。 IC_IR从等权组合的0.47提升到0.55 , 第一分位组合年化超额收益从等权组合的12.73%提升到14.16% 。

3.时间序列因子值加权方法(采用最大化复合IC_IR加权方法)

我们利用复合因子IC_IR最大化的方法搭建了一套基于单个因子不同历史期限暴露值的时间序列加权方法 , 发现利用历史因子值进行加权的效果总体上比仅用当期因子值要好 , 当历史样本期T等于因子的半衰期H_Factor时 , 效果最佳 。 例如EP_TTM因子 , 我们利用过去3期的因子值进行最大化复合因子IC_IR加权的效果最好 , 复合因子的IC达到6.64% , 相比仅用当期因子的IC值(4.99%)提升较大 , IC_IR达到1.04 , 而第一分位组合年化超额收益达到18% , 相比仅用当期因子的超额收益(8.68%)有将近10%的年化超额收益提升 。


推荐阅读