国盛证券-多因子系列之三：因子空头问题及其“顶端”优化-190304

《国盛证券-多因子系列之三：因子空头问题及其“顶端”优化-190304（25页）.pdf》由会员分享，可在线阅读，更多相关《国盛证券-多因子系列之三：因子空头问题及其“顶端”优化-190304（25页）.pdf（25页精品完整版）》请在悟空智库报告文库上搜索。

        因子空头问题已经成为影响多因子组合的重要问题。传统的ICIR加权模型考虑的是整个截面的因子表现，而由于A股市场不能做空个股，因子空头端的收益无法在多因子策略中很好转化，因此，我们应该更加侧重考察因子多头端的的表现。
        目前市场上已有的解决该问题的办法包括带权重的ICIR法和空头剔除法。我们在A股市场上对这两种方法进行了实证检验，发现两者都可以或多或少地解决一部分因子空头问题，但同时也存在着各自缺陷，主要问题是参数的选择对模型绩效影响较大，模型有过拟合嫌疑。
        顶端优化模型侧重于因子多头端的优化，其目的是使得因子顶端的表现更优。实证检验表明，在使用我们已有的ALPHA因子下，对于收益率较高的股票，顶端优化模型可以给予预测能力更强的因子更高的权重。自2010年起的月换仓策略年化收益率为19.47%，最大回撤为3.76%，信息比率为3.489。策略分年度表现较为平均，整体表现稳健。
        我们将顶端优化模型和传统的等权、线性回归、ICIR等模型进行了比较。经过实证检验，顶端优化模型对ICIR模型的增强效果明显，策略的信息比率从2.932提升到3.489，并且策略在每一年的表现更加平均，最大回撤从4.57%降低到3.76%，尤其对于风格切换的2017年初位置，顶端优化模型没有遭受很严重的回撤，表现更优。
        顶端优化模型为多因子选股提供新的视角。因子的alpha能力决定策略收益的下限，而模型的选股能力决定了策略收益的上限，我们认为顶端优化模型具有优秀的选股能力，它在一定程度上可以拉升因子超额收益的上限。模型得到的因子线性权重也可以与传统多因子策略进行结合，我们期待顶端优化模型在更多的切入点发挥作用。
        风险提示：量化专题报告中的观点基于历史统计与量化模型，存在历史规律与量化模型失效的风险。