东方证券-《因子选股系列研究之八十》：收益率的非对称分布与尾部蕴含的Alpha-211225

《东方证券-《因子选股系列研究之八十》：收益率的非对称分布与尾部蕴含的Alpha-211225（18页）.pdf》由会员分享，可在线阅读，更多相关《东方证券-《因子选股系列研究之八十》：收益率的非对称分布与尾部蕴含的Alpha-211225（18页）.pdf（18页精品完整版）》请在悟空智库报告文库上搜索。

研究结论股票的风险溢价来自于投资者所承担的股票风险。

波动率作为衡量股票风险的常见指标，在实证中已被证实存在显著的风险溢价。

但波动率是由收益率的二阶矩计算而来，单纯依靠二阶矩无法反映分布的整体情况，因此本文尝试从收益率分布的高阶矩及其尾部特征去度量股票风险，并探究不同风险度量方式下产生的风险溢价情况。

本文首先构建了偏度、Eφ、Sφ和AsymP这四类用于衡量收益率非对称性的因子。

从测试结果看，偏度因子具有较高的IC，Eφ和Sφ因子具有较高的IC_IR，AsymP因子则介于中间。

在中证全指股票池内，偏度因子的IC为-4.14%，IC_IR为-2.48；Eφ(3,1.5)因子的IC为-3.18%，IC_IR为-3.01；Sφ(3,1)因子的IC为-2.87%，IC_IR为-3.3；AsymP因子的IC为-3.03%，IC_IR为-1.91。

针对收益率分布的尾部风险，我们构建了左、右尾CVaR以及Van等人（2016）提出的尾部Beta因子。

右尾CVaR（即MaxRet因子）的IC和IC_IR在这三类因子中均为最高，它在中证全指内的IC为-8.15%，IC_IR为-2.72。

通过相关性分析，我们发现四种非对称性因子间的相关系数为正且相关性较低，说明这四种因子在衡量非对称程度时抓取的特征不完全相同。

此外，各类因子与投机大类因子的相关系数均为正数；除两个描述左尾风险的因子（左尾CVaR和尾部Beta）外，其余因子与反转大类因子的相关性也均为正数。

选用随机森林模型进行非线性Alpha预测。

考虑到七类因子彼此间相关性较低、部分因子IC高但稳健性不足、部分因子IC低但稳健性强的特点，预计使用随机森林非线性预测的方法可以提升合成后因子的稳健性。

与原始七类因子相比，随机森林模型下的Alpha预测因子在稳健性上的确得到较大提升。

与七类因子中IC最高的右尾CVaR因子相比，虽然Alpha预测因子的IC略低，但IC_IR的绝对值由2.85提升至3.12，多空月收益由1.55%提升至1.73%，最大回撤由-19.83%降低至-11.67%，多头月超额收益由0.33%提升至0.59%。

风险提示量化模型失效风险市场极端环境的冲击。