金融工程金融工程基于宏观变量的二维化多因子行业配置数量化专题报告刘富兵量化研究系列之二十一蒋瑛琨编号 S08805

Size: px

Start display at page:

Download "金融工程金融工程基于宏观变量的二维化多因子行业配置数量化专题报告刘富兵量化研究系列之二十一蒋瑛琨编号 S08805"

矢哀
5 years ago
Views:

1 金融工程金融工程.. 基于宏观变量的二维化多因子行业配置刘富兵量化研究系列之二十一蒋瑛琨编号 S8857 S8853 本报告导读 : 我们分别从收益率与概率两方面入手建立了基于宏观变量的二维化多因子行业配置模型, 利用模型给出的多头及空头行业组合进行配对交易年化收益达 8%, 信息比率为.68, 胜率达 69%, 结果稳健且有效最后我们给出了月份的相对看多及看空行业证券研究报告摘要 : [Table_Summary] 多因子模型的应用相当广泛, 其在组合管理, 业绩归因, 股票风格评分等领域都发挥着巨大作用, 本文主要选择基于宏观变量的多因子模型进行行业配置未来, 随着融资融券业务的进一步拓展, 利用做空获取收益将越来越重要, 为此本文不仅给出看多的行业, 同时给出看空的行业, 以期帮助投资者从多空两个方向赚取收益经典的多因子模型只对收益率进行预测, 其所忽视的一面是, 没有对方向进行预测事实上, 我们可以综合两方面的因素, 给出具体的看多及看空行业通过逐步回归, 最终我们筛选出拟合度较好的宏观因子, 其中收益率预测模型的宏观因子有 :PPI 工业增加值商品零售价格指数 M; 方向预测模的宏观因子有 :PPI M 宏观景气指数一致指数以及金融机构各项贷款余额增速从配置的结果来看, 运用二维化多因子模型进行配置的效果非常好, 在近 3 年的时间里, 该模型获得 4% 的累积收益, 累积超额收益为 %, 年化超额收益达到 3%, 胜率超过 65%, 最大回撤不超过 9%, 信息比率达到.5 不仅如此, 利用二维化模型给出的空头配置进行做空交易并利用期货对冲能获得 8% 的稳定年化收益, 而多空配对交易的年化收益更是提高到了 8%, 这佐证了模型的有效性及稳定性此外, 相比收益率与概率模型, 二维化模型在收益率波动率胜率最大回撤信息比率等方面均有显著提高, 这表明, 多因子模型进行二维化考虑是有意义的月份, 二维化模型我们推荐交运设备食品饮料有色金属轻工业制造以及机械设备 ; 我们不看好的行业有 : 公用事业信息服务交通运输信息设备以及建筑建材相报告上市公司分红送转事件研究.. 风格投资 IV:A 股大小盘风格轮动研究..9 多因子选股模型之组合构建 Ⅲ..3 请务必阅读正文之后的免责条款部分

2 . 多因子模型概述自资本资产定价模型诞生后,CAPM 一直是学术界及实务界用来评估衡量风险与报酬的方法, 然而 CAPM 亦不断地接受挑战,CAPM 的基本假设是证券收益仅与市场指数单一因素有关, 这显然与实际情况不符 CAPM 模型的 beta 不能完全解释资产的期望收益, 尚有其他系统性风险因素可能对所有证券或某一证券组合的期望收益有影响, 多因子模型即是将这些系统性风险纳入考量所建立的模型.. APT 理论为解决单因子模型的缺陷,Merton(973) 及 Ross(976) 提出了套利定价理论 (APT), 由无套利原理推导出多因子结构, 给出了资产期望收益与个数不确定的未识别因子之间的近似关系 : r a b f i i i i 其中 r 为资产 i 的收益, a i i 是因子模型截距, b i 是资产 i 的因子敏感性向量, f 是因子收益向量, i 是条件期望为方差有限的扰动项.. Famma-French 三因子模型 APT 理论最大的缺陷在于没有明确具体的因子及因子个数, 因此 APT 的实际应用性较差 Fama 和 French 993 年指出可以建立一个三因子模型来解释股票回报率模型认为, 一个投资组合 ( 包括单个股票 ) 的超额回报率可由它对三个因子的暴露来解释, 这三个因子是 : 市场资产组合 ( R R ) 市值 m f 因子 ( SM B ) 账面市值比因子 ( HM L ) 这个多因子均衡定价模型可以表示为 : E[ R ] R E[ R R ] s E[ SM B ] h E[ H M L ] 其中 R it ft i m t ft i t i t ft 表示时刻 t 的无风险收益率, R mt 表示时刻 t 的市场收益率, R it 表示资产 i 在时刻 t 的收益率, E[ R R ] 是市场风险溢价, SM B 为 m t ft t 时刻 t 的市值 (Size) 因子的模拟组合收益率, H M L 为时刻 t 的账面市值比 (Book-to-Market) 因子的模拟组合收益率.3. 基于宏观变量的多因子模型 t 事实上, 多因子模型中的因子大致可以分为三类 : 宏观经济因子, 资产的基本面因子和基于统计的因子对于基于宏观变量的多因子模型, 学术派和实务派都进行了较为详细的研究, 其中比较著名的模型有所罗门请务必阅读正文之后的免责条款部分 of 7

3 兄弟的 RAM 模型,MSCI 的 BARRA 模型以及 Burmerister Ibbotson Roll 和 Ross 在 3 年建立的 BIRR 模型所罗门兄弟 986 年推出了 RAM 模型 (Risk Attribution Model), 用来考察美国股票对宏观经济变量的敏感性, 宏观变量包括 : 经济增速经济周期长期利率短期利率通货膨胀风险美元指数 MSCI Barra 在宏观因素模型中纳入了通胀水平, 原油价格, 美元指数, VIX 指数, 工业产出和失业率等六个指标 BIRR 模型的核心模型 (Core model) 由五个宏观因子组成, 并且可以在此基础上添加风格因子 BIRR 认为利率通胀实际经济增长和市场情绪是无法通过分散化投资消除的系统性风险, 对所有个股都会造成冲击, 选择了如下五个核心因子 : 信心风险投资期风险通胀风险商业周期风险市场择时风险. 多因子模型的二维化多因子模型的应用相当广泛, 其在组合管理业绩归因股票风格评分等领域都发挥着巨大作用, 本文主要运用多因子模型进行行业配置由于宏观经济因素对行业影响比较大, 而且基于宏观经济的多因子模型较为成熟, 为此, 我们选择基于宏观变量的多因子模型进行行业配置经典的多因子模型, 大多是选择因子建立回归模型预测组合或行业未来的收益率, 选择排名靠前的进行配置也就是说, 经典的多因子模型只对收益率进行预测, 其所忽视的一面是, 没有对方向进行预测事实上, 我们可以一方面利用多元线性回归对收益率进行预测 ; 另一方面, 利用 logit 模型对方向进行预测, 最后综合两方面的因素, 给出行业配置经过二维化考虑后, 既确保了选择的行业收益概率较高, 又确保了选择行业获得正收益的概率较高, 从而使得行业配置的稳健性较好 3. 二维化多因子模型的宏观变量选择 3.. 宏观因子的筛选流程多因子模型非常重要的一环便是筛选出适合市场的因子, 为此, 首先我们需要结合经典模型及市场经验建立宏观因子备选库 ; 其次, 我们需要对这些宏观变量进行数据预处理, 尽量使得这些数据具备可得性与平稳性 ; 再次, 利用逐步回归法分别就收益率预测与方向预测筛选出统计意义上效果较好的宏观经济因子 ; 最后进行经济意义的检验, 剔除不符合经济逻辑的宏观因子, 从而确定最终的宏观因子具体的流程图如下图所示 : 请务必阅读正文之后的免责条款部分 3 of 7

4 图二维化多因子模型宏观变量的确定流程 3.. 宏观因子备选库及宏观因子的确定通过参考大量经典的宏观多因子模型, 并结合国内的实际情况, 我们认为以下宏观变量可能会对大盘以及行业的走势产生影响 CPI,PPI,PMI,RPI( 商品零售价格指数 ), 规模以上工业增加值, 用电量, 发电量, 社会消费品零售总额, 宏观经济景气指数一致指数, 出口总额, M, 金融机构各项贷款余额同比增速, 金融机构各项存款余额增速存贷款增速差,7 日拆借利率,7 日回购利率, 年期国债与 5 年期国债收益率之差, 年期国债与年期国债收益率之差我们选择上述变量作为因子备选库, 并对上述数据进行预处理此外, 我们选择 3 个申万一级行业指数作为行业配置的标的通过逐步回归, 最终我们筛选出拟合度较好的宏观因子, 其中收益率预测模型包含的宏观因子有 :PPI 工业增加值 (VIA) 商品零售价格指数 (PPI) M 方向预测模型包含的宏观因子有 :PPI M 宏观景气指数一致指数以及金融机构各项贷款余额增速 3.3. 模型分析从模型结果来看, 收益率预测模型对沪深 3 的拟合优度达到.5, 对 3 个申万一级行业的拟合优度在 [.,.3] 内 ; 而方向预测模型对沪深 3 的拟合优度达到.8, 对 3 个申万一级行业的拟合优度在 [.6,.3], 整体效果较好, 具体各因子的回归系数见下表请务必阅读正文之后的免责条款部分 4 of 7

5 表收益率预测回归结果 assest Adj R-square F statistic ppi_th rpi_th ia_th m_t 沪深 P 值 [.] [.] [.44] [.] 农林牧渔采掘化工黑色金属有色金属建筑建材机械设备电子元器件交运设备信息设备家用电器食品饮料纺织服装轻工制造医药生物公用事业交通运输房地产金融服务商业贸易餐饮旅游信息服务综合表方向预测回归结果 assest R-square p_value ppi_th m_th pi_d loan_t 沪深 P 值 [.4] [.63] [.7] [.] 农林牧渔采掘化工黑色金属有色金属建筑建材机械设备电子元器件交运设备信息设备家用电器食品饮料纺织服装轻工制造医药生物公用事业交通运输房地产请务必阅读正文之后的免责条款部分 5 of 7

6 金融服务商业贸易餐饮旅游信息服务综合由表及表可以看出, 沪深 3 与各行业之间的相关性非常强, 各个宏观变量对沪深 3 及各行业的影响方向高度一致收益率回归模型分析从各因子系数来看, 收益率回归模型中的宏观变量符合经济意义 :. PPI PPI 增加时通胀压力增大, 央行采取紧缩的货币政策可能性加大, 市场对紧缩的预期会增强, 市场表现会相对较弱. RPI( 商品零售价格指数 ) RPI 是指反映一定时期内商品零售价格变动趋势和变动程度的相对数该指数的上升反映了需求的强劲, 预示着经济的向好 3. VIA( 工业增加值 ) 工业增加值的增加意味着实体经济的走强, 有利于股市的进一步表现 4. M M 增速越大越有利于股市究其原因, 我们认为, 国内 A 股市场具备明显的资金推动特征,M 上升的时候, 宽松的流动性涌入股票市场, 资金推动股市上扬概率回归模型分析在 Logit 模型中, 预测概率的各宏观变量也符合经济解释 ppi 及 M 有与收益率回归模型类似的解释, 在此不再赘述宏观景气指数及贷款余额增速的经济解释如下 :. Pi( 宏观景气指数一致指数 ) 一致指数是反映当前经济的基本走势, 由工业生产就业社会需求 ( 投资消费外贸 ) 社会收入 ( 国家税收企业利润居民收入 ) 等 4 个方面合成, 因此该指标对市场的影响是正面的. Loan( 贷款余额增速 ) 贷款余额增速的上升意味着市场资金面的宽裕, 充裕的流动性一方面会增加市场对证券的需求, 另一方面会提高投资者对市场的预期, 有利于估值的进一步提升两方面的正向因素将加速推动市场的上涨 4. 基于宏观变量的二维化多因子行业配置利用前述建立的收益率模型及 logit 方向模型, 我们对各个行业下期的收益率及获取正收益的概率进行预测, 并据此分别进行排名打分, 最后给出综合打分, 选取综合打分排名前五的行业作为配置组合我们研究的样本区间为 5.-., 由于数据样本有限, 我们采用数据累计的方式建立预测模型, 即在不剔除原有最早的数据的同时, 不断加入新的数据请务必阅读正文之后的免责条款部分 6 of 7

7 4.. 二维化的行业配置情况由于建立收益率模型及 logit 方向模型需要一定的样本内数据, 因此我们对二维化多因子行业配置的样本外检验从 9 年月开始, 具体各期的配置行业如下表所示表 3 二维化多因子行业配置情况日期行业行业行业 3 行业 4 行业 5 9/ 有色金属餐饮旅游纺织服装食品饮料商业贸易 9/ 有色金属餐饮旅游电子元器件机械设备轻工制造 9/3 餐饮旅游有色金属交运设备电子元器件机械设备 9/4 餐饮旅游综合机械设备纺织服装信息服务 9/5 金融服务纺织服装轻工制造综合房地产 9/6 交运设备房地产家用电器商业贸易机械设备 9/7 金融服务房地产交运设备食品饮料商业贸易 9/8 房地产金融服务机械设备食品饮料交运设备 9/9 房地产交运设备商业贸易食品饮料化工 9/ 房地产采掘化工交运设备金融服务 9/ 房地产建筑建材化工商业贸易家用电器 9/ 房地产化工建筑建材商业贸易家用电器 / 信息服务黑色金属化工公用事业医药生物 / 医药生物信息服务建筑建材黑色金属交通运输 /3 信息服务公用事业信息设备纺织服装餐饮旅游 /4 建筑建材农林牧渔家用电器黑色金属采掘 /5 交运设备食品饮料农林牧渔医药生物信息服务 /6 医药生物家用电器商业贸易金融服务机械设备 /7 医药生物金融服务食品饮料农林牧渔机械设备 /8 医药生物交运设备建筑建材机械设备纺织服装 /9 交运设备机械设备有色金属金融服务食品饮料 / 交运设备食品饮料有色金属机械设备农林牧渔 / 医药生物交运设备商业贸易食品饮料家用电器 / 金融服务商业贸易化工机械设备餐饮旅游 / 医药生物采掘建筑建材商业贸易餐饮旅游 / 医药生物商业贸易交运设备家用电器机械设备 /3 医药生物食品饮料家用电器建筑建材农林牧渔 /4 金融服务家用电器机械设备商业贸易化工 /5 机械设备金融服务商业贸易食品饮料有色金属 /6 交运设备有色金属农林牧渔建筑建材医药生物 /7 食品饮料交运设备家用电器商业贸易医药生物 /8 金融服务餐饮旅游轻工制造化工商业贸易 /9 医药生物建筑建材农林牧渔纺织服装食品饮料 / 交运设备医药生物机械设备有色金属商业贸易 / 有色金属交运设备农林牧渔采掘机械设备从配置的结果来看, 运用二维化多因子模型进行配置的效果非常不错, 在近 3 年的时间里, 该模型获得 4% 的累积收益, 相比同期的沪深 3 累积超额收益为 %, 年化超额收益达到 3%, 相对于 3 等权的累积超额收益为 73%, 年化超额收益为 6% 请务必阅读正文之后的免责条款部分 7 of 7

8 从胜率来看, 无论是相对沪深 3 还是 3 等权, 二维化多因子模型获得正超额收益的概率都超过 65%, 最大回撤不超过 9% 种种指标表明二维化模型比较稳健此外, 二维化模型的信息比率超过.6, 而夏普比率也超过, 这表明从风险调整后的收益角度看, 该模型都有不错的效果图二维化多因子配置组合走势相对 hs3 超额收益相对 3 等权超额收益二维化配置沪深 3 3 等权多因子二维化的有效性分析为分析二维化模型的有效性, 我们同时就该模型与单纯利用收益率模型及概率模型所作的行业配置进行比较表 4 收益率多因子行业配置情况日期行业行业行业 3 行业 4 行业 5 9/ 有色金属综合医药生物机械设备纺织服装 9/ 有色金属交运设备综合电子元器件餐饮旅游 9/3 有色金属交运设备机械设备房地产综合 9/4 综合电子元器件机械设备医药生物房地产 9/5 有色金属采掘机械设备金融服务纺织服装 9/6 机械设备综合交运设备商业贸易建筑建材 9/7 有色金属采掘交运设备金融服务商业贸易 9/8 有色金属房地产采掘机械设备商业贸易 9/9 有色金属房地产交运设备商业贸易采掘 9/ 有色金属采掘食品饮料农林牧渔商业贸易 9/ 房地产食品饮料采掘农林牧渔家用电器 9/ 食品饮料商业贸易医药生物农林牧渔房地产 / 食品饮料信息服务家用电器商业贸易医药生物 / 信息服务医药生物食品饮料公用事业家用电器 /3 医药生物家用电器信息服务建筑建材纺织服装请务必阅读正文之后的免责条款部分 8 of 7

9 /4 纺织服装家用电器建筑建材金融服务医药生物 /5 餐饮旅游有色金属信息服务食品饮料交运设备 /6 农林牧渔医药生物采掘食品饮料家用电器 /7 采掘医药生物金融服务机械设备纺织服装 /8 纺织服装综合交运设备金融服务医药生物 /9 有色金属采掘金融服务房地产机械设备 / 有色金属采掘农林牧渔机械设备商业贸易 / 机械设备有色金属交运设备商业贸易综合 / 采掘有色金属黑色金属食品饮料金融服务 / 采掘农林牧渔食品饮料商业贸易黑色金属 / 医药生物综合机械设备食品饮料家用电器 /3 医药生物家用电器商业贸易食品饮料综合 /4 采掘有色金属黑色金属食品饮料交运设备 /5 有色金属采掘机械设备交运设备家用电器 /6 有色金属采掘交运设备金融服务综合 /7 有色金属采掘机械设备农林牧渔食品饮料 /8 有色金属采掘黑色金属交运设备金融服务 /9 农林牧渔医药生物纺织服装家用电器机械设备 / 有色金属机械设备采掘综合家用电器 / 有色金属采掘机械设备房地产金融服务表 5 概率多因子行业配置情况日期行业行业行业 3 行业 4 行业 5 9/ 食品饮料餐饮旅游电子元器件金融服务纺织服装 9/ 轻工制造食品饮料餐饮旅游电子元器件纺织服装 9/3 食品饮料餐饮旅游金融服务电子元器件有色金属 9/4 金融服务轻工制造餐饮旅游纺织服装机械设备 9/5 金融服务轻工制造食品饮料纺织服装房地产 9/6 金融服务食品饮料餐饮旅游交运设备家用电器 9/7 金融服务食品饮料化工轻工制造房地产 9/8 金融服务房地产餐饮旅游食品饮料信息服务 9/9 化工金融服务交运设备交通运输家用电器 9/ 化工房地产交运设备公用事业交通运输 9/ 化工房地产建筑建材信息服务交通运输 9/ 化工房地产交通运输建筑建材黑色金属 / 黑色金属化工交通运输公用事业建筑建材 / 医药生物建筑建材信息服务化工农林牧渔 /3 信息服务信息设备公用事业化工房地产 /4 交运设备建筑建材农林牧渔化工食品饮料 /5 医药生物交运设备建筑建材食品饮料黑色金属 /6 信息服务餐饮旅游金融服务家用电器化工 /7 医药生物信息服务食品饮料餐饮旅游交运设备 /8 医药生物食品饮料农林牧渔黑色金属建筑建材 /9 食品饮料交运设备家用电器轻工制造商业贸易 / 食品饮料医药生物信息服务轻工制造化工请务必阅读正文之后的免责条款部分 9 of 7

10 / 医药生物交运设备信息服务化工家用电器 / 化工信息服务房地产家用电器信息设备 / 医药生物信息服务化工家用电器信息设备 / 医药生物交运设备食品饮料建筑建材商业贸易 /3 医药生物农林牧渔交运设备食品饮料采掘 /4 信息服务化工金融服务餐饮旅游信息设备 /5 信息服务金融服务机械设备家用电器信息设备 /6 交运设备医药生物化工建筑建材农林牧渔 /7 食品饮料信息服务交运设备化工家用电器 /8 信息服务金融服务信息设备化工家用电器 /9 医药生物信息服务建筑建材黑色金属食品饮料 / 食品饮料医药生物交运设备轻工制造商业贸易 / 食品饮料医药生物有色金属农林牧渔电子元器件从行业配置来看, 二维化与收益率模型及概率模型大致有 4%-6% 的重合度, 剩余的行业都是收益率预测及概率预测比较适中的行业这就使得我们的二维化模型显得比较稳健从统计结果来看, 相比收益率模型与概率模型, 二维化模型在各项指标上均取得了显著改善 : 收益率获得了大幅提升波动率有所下降胜率有所提高最大回撤有所改善, 信息比率与夏普比率大幅提高上述结果说明对多因子模型实行二维化后, 有效性得到了大幅提高, 从而表明多因子模型进行二维化考虑是有意义的表 6 多因子配置的统计结果基准指数沪深 3 3 等权平均指数配置累积累积年化年化超收益波方式收益超额收益收益额收益动率信夏最大回最大超额息普撤 ( 相对跑输收益胜率比比基准指基准波动率率率数 ) 次数二维化 4.9%.47% 35.4% 3.7% 9.4%.9% % -8.6% 收益率 99.33% 6.6% 6.68% 4.8% 34.89%.7% % -7.43% 4 概率 6.33% 67.6% 8.9% 6.3% 6.83%.99% % -8.46% 3 二维化 4.9% 73.3% 35.4% 5.85% 9.4% 9.4% % -5.67% 收益率 99.33% 3.44% 6.68% 7.48% 34.89% 8.% % -5.78% 4 概率 6.33% 39.44% 8.9% 8.99% 6.83%.7% % -9.% 5 二维化 4.9% 57.7% 35.4%.4% 9.4% 6.44% % -5.7% 5 收益率 99.33% 6.84% 6.68% 3.78% 34.89% 9.64% % -6.48% 5 概率 6.33% 3.85% 8.9% 5.9% 6.83% 6.67% % -9.6% 6 请务必阅读正文之后的免责条款部分 of 7

11 图 3 收益率多因子配置组合走势相对沪深 3 超额收益相对 3 等权超额收益收益率配置沪深 3 3 等权图 4 概率多因子配置组合走势超额收益相对 3 等权超额收益概率配置沪深 3 3 等权利用多因子二维化进行多空组合交易事实上, 一个好的量化模型除了在做多配置有效外, 其在做空配置上也是有效的, 这样的模型才是稳定有效的为此, 本节, 我们主要分析多空头配对交易的收益情况, 以及多头空头组合相对基准组合的收益情况二维化模型给出的空头组合如下表所示 : 请务必阅读正文之后的免责条款部分 of 7

12 表 7 二维化多因子空头行业配置日期行业行业行业 3 行业 4 行业 5 9/ 交通运输化工公用事业房地产信息服务 9/ 公用事业化工黑色金属建筑建材农林牧渔 9/3 交通运输黑色金属化工信息服务信息设备 9/4 交通运输黑色金属农林牧渔化工建筑建材 9/5 交通运输信息设备黑色金属医药生物信息服务 9/6 公用事业黑色金属采掘交通运输电子元器件 9/7 信息设备公用事业交通运输信息服务黑色金属 9/8 交通运输信息设备黑色金属公用事业建筑建材 9/9 电子元器件公用事业综合纺织服装轻工制造 9/ 综合纺织服装信息设备餐饮旅游轻工制造 9/ 餐饮旅游综合纺织服装轻工制造信息设备 9/ 有色金属纺织服装综合轻工制造餐饮旅游 / 综合电子元器件纺织服装餐饮旅游交运设备 / 有色金属电子元器件轻工制造金融服务房地产 /3 采掘交运设备电子元器件轻工制造农林牧渔 /4 餐饮旅游有色金属轻工制造房地产公用事业 /5 纺织服装综合金融服务交通运输黑色金属 /6 房地产交通运输黑色金属有色金属电子元器件 /7 电子元器件房地产公用事业化工综合 /8 餐饮旅游公用事业信息服务信息设备房地产 /9 信息设备交通运输信息服务建筑建材黑色金属 / 公用事业建筑建材纺织服装黑色金属信息设备 / 黑色金属公用事业房地产金融服务餐饮旅游 / 公用事业电子元器件纺织服装信息设备医药生物 / 公用事业房地产电子元器件交运设备纺织服装 / 金融服务采掘有色金属交通运输餐饮旅游 /3 房地产轻工制造化工交通运输纺织服装 /4 公用事业纺织服装电子元器件信息设备农林牧渔 /5 黑色金属公用事业房地产化工电子元器件 /6 公用事业餐饮旅游信息设备交通运输轻工制造 /7 公用事业综合信息设备餐饮旅游房地产 /8 纺织服装公用事业建筑建材电子元器件交通运输 /9 房地产公用事业电子元器件轻工制造综合 / 公用事业黑色金属房地产农林牧渔信息设备 / 交通运输信息服务信息设备建筑建材餐饮旅游为了使得我们的组合与基准具有可比性, 我们选择行业平均指数作为基准, 利用表 3 及表 7 的结果进行配置后的组合收益比较如下图所示 : 请务必阅读正文之后的免责条款部分 of 7

13 图 5 多空组合的收益走势多头收益率基准收益率空头组合空头收益率多头组合基准组合由图 5 可以看到, 多头组合跑赢了基准组合, 而基准组合又跑赢了空头组合, 这表明利用多因子二维化选取的行业是稳定有效的利用上述结果我们可以做三种交易策略 :. 配对交易 : 做多多头组合, 做空空头组合 ;. 多头对冲交易 : 做多多头组合, 做空基准 ; 3. 空头对冲交易 : 做空空头组合, 做多基准三种交易策略的每期收益及累积收益如 6-8 所示 : 图 6 配对交易收益走势收益率 (%) 累计收益请务必阅读正文之后的免责条款部分 3 of 7

14 9/ 9/3 9/5 9/7 9/9 9/ / /3 /5 /7 /9 / / /3 /5 /7 /9 / 图 7 多头对冲交易收益走势收益率 (%) 累计收益图 8 空头对冲交易收益走势收益率 (%) 累计收益表 8 多空组合统计结果交易方式累积收益年化收益年化收益获取负收益信息比率胜率最大回撤波动率的最大次数配对交易 63.49% 8.36%.95% % -.% 5 做多对冲 3.7%.4%.%.9 6% -5.8% 5 做空对冲 4.64% 7.85%.4% % -4.45% 3 由表 8 可以看出, 无论是配对交易做多对冲还是做空对冲, 三种交易方式都获得了较高的收益, 而且比较稳定, 这再次佐证了二维化模型的有效性 5. 月行业配置建议根据月的数据, 我们对 3 个申万一级行业分别就收益率概率以及二维化在月进行了排序, 具体见下表请务必阅读正文之后的免责条款部分 4 of 7

15 表 9 月各行业在多因子模型中的排名情况行业预测收益预测概率收益率排名概率排名二维化排名交运设备食品饮料有色金属轻工制造机械设备农林牧渔化工商业贸易金融服务电子元器件黑色金属采掘纺织服装综合房地产医药生物家用电器餐饮旅游建筑建材信息设备交通运输信息服务公用事业基于上述结果, 月份, 二维化模型我们推荐交运设备食品饮料有色金属轻工业制造以及机械设备 ; 我们不看好的行业有 : 公用事业信息服务交通运输信息设备以及建筑建材请务必阅读正文之后的免责条款部分 5 of 7

16 作者简介 : 刘富兵 : 执业资格证书编号 :S8857 电话 : 邮箱 :liufubing848@gtjas.com 上海交通大学金融工程博士, 国泰君安金融工程研究员,8- 年曾供职于国金证券研究所, 目前从事股指期货等衍生品及量化方面的研究年水晶球奖衍生品第四名, 年水晶球奖第五名, 金牛奖第五名, 入围新财富蒋瑛琨 : 执业资格证书编号 :S8853 电话 : 邮箱 :jiangyingkun@gtjas.com 吉林大学数量经济学博士,CPA, 国泰君安证券首席金融工程研究员 5 年加入国泰君安证券研究所, 曾在衍生产品部销售交易部工作, 多次获中金所深交所中国证券业协会中国金融学会等奖励 6 年新财富衍生品第二名,7-8 年入围新财富, 年水晶球奖衍生品第四名, 年水晶球奖第五名, 金牛奖第五名, 入围新财富感谢实习生邵金顺为本文作出的贡献请务必阅读正文之后的免责条款部分 6 of 7

17 本公司具有中国证监会核准的的证券投资咨询业务资格分析师声明作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力, 保证报告所采用的数据均来自合规渠道, 分析逻辑基于作者的职业理解, 本报告清晰准确地反映了作者的研究观点, 力求独立客观和公正, 结论不受任何第三方的授意或影响, 特此声明免责声明本报告仅供国泰君安证券股份有限公司 ( 以下简称本公司 ) 的客户使用本公司不会因接收人收到本报告而视其为本公司的当然客户本报告仅在相关法律许可的情况下发放, 并仅为提供信息而发放, 概不构成任何广告本报告的信息来源于已公开的资料, 本公司对该等信息的准确性完整性或可靠性不作任何保证本报告所载的资料意见及推测仅反映本公司于发布本报告当日的判断, 本报告所指的证券或投资标的的价格价值及投资收入可升可跌过往表现不应作为日后的表现依据在不同时期, 本公司可发出与本报告所载资料意见及推测不一致的报告本公司不保证本报告所含信息保持在最新状态同时, 本公司对本报告所含信息可在不发出通知的情形下做出修改, 投资者应当自行关注相应的更新或修改本报告中所指的投资及服务可能不适合个别客户, 不构成客户私人咨询建议在任何情况下, 本报告中的信息或所表述的意见均不构成对任何人的投资建议在任何情况下, 本公司本公司员工或者关联机构不承诺投资者一定获利, 不与投资者分享投资收益, 也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任投资者务必注意, 其据此做出的任何投资决策与本公司本公司员工或者关联机构无关本公司利用信息隔离墙控制内部一个或多个领域部门或关联机构之间的信息流动因此, 投资者应注意, 在法律许可的情况下, 本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易, 也可能为这些公司提供或者争取提供投资银行财务顾问或者金融产品等相关服务在法律许可的情况下, 本公司的员工可能担任本报告所提到的公司的董事市场有风险, 投资需谨慎投资者不应将本报告为作出投资决策的惟一参考因素, 亦不应认为本报告可以取代自己的判断在决定投资前, 如有需要, 投资者务必向专业人士咨询并谨慎决策本报告版权仅为本公司所有, 未经书面许可, 任何机构和个人不得以任何形式翻版复制发表或引用如征得本公司同意进行引用刊发的, 需在允许的范围内使用, 并注明出处为国泰君安证券研究, 且不得对本报告进行任何有悖原意的引用删节和修改若本公司以外的其他机构 ( 以下简称该机构 ) 发送本报告, 则由该机构独自为此发送行为负责通过此途径获得本报告的投资者应自行联系该机构以要求获悉更详细信息或进而交易本报告中提及的证券本报告不构成本公司向该机构之客户提供的投资建议, 本公司本公司员工或者关联机构亦不为该机构之客户因使用本报告或报告所载内容引起的任何损失承担任何责任评级说明. 投资建议的比较标准投资评级分为股票评级和行业评级以报告发布后的个月内的市场表现为比较标准, 报告发布日后的个月内的公司股价 ( 或行业指数 ) 的涨跌幅相对同期的沪深 3 指数涨跌幅为基准股票投资评级评级增持谨慎增持中性减持说明相对沪深 3 指数涨幅 5% 以上相对沪深 3 指数涨幅介于 5%~5% 之间相对沪深 3 指数涨幅介于 -5%~5% 相对沪深 3 指数下跌 5% 以上. 投资建议的评级标准报告发布日后的个月内的公司股价 ( 或行业指数 ) 的涨跌幅相对同期的沪深 3 指数的涨跌幅行业投资评级增持中性减持明显强于沪深 3 指数基本与沪深 3 指数持平明显弱于沪深 3 指数国泰君安证券研究上海深圳北京地址上海市浦东新区银城中路 68 号上海银行大厦 9 层深圳市福田区益田路 69 号新世界商务中心 34 层北京市西城区金融大街 8 号盈泰中心号楼层邮编电话 () (755) () gtjaresearch@gtjas.com 请务必阅读正文之后的免责条款部分 7 of 7

p2:p1: 国泰君安版权所有发送给 : 国泰君安 / 研究所 /report.nsf [Table_OtherInfo] 模型更新时间 : 股票研究工业建筑工程业评级 : 谨慎增持上次评级 : 谨慎增持目标价格 : 上次预测 : 当前价格 : 14.

p2:p1: 国泰君安版权所有发送给 : 国泰君安 / 研究所 /report.nsf [Table_OtherInfo] 模型更新时间 : 股票研究工业建筑工程业评级 : 谨慎增持上次评级 : 谨慎增持目标价格 : 上次预测 : 当前价格 : 14. p1: 国泰君安版权所有发送给 : 国泰君安 / 研究所 /report.nsf 股票研究公司更新报告前期拖延工程复工, 延续高增长趋势中国海诚 2012 年三季报点评韩其成 ( 分析师 ) 熊昕 ( 研究助理 ) 张琨 ( 分析师 ) 021-38676162 021-38676715 021-38674754 hanqicheng@gtjas.com xiongxin009291@gtjas.com

金融工程 金融工程 基于宏观变量的二维化多因子行业配置 数量化专题报告 刘富兵 量化研究系列之二十一 蒋瑛琨 编号 S08805

金融工程金融工程基于宏观变量的二维化多因子行业配置数量化专题报告刘富兵量化研究系列之二十一蒋瑛琨编号 S08805