[Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 股市极值及收益率预测模型的周度择时研究解禁两融陆股通股票质押的截面溢价沪深 300 VS 中证 500 指数轮

Size: px

Start display at page:

Download "[Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 股市极值及收益率预测模型的周度择时研究解禁两融陆股通股票质押的截面溢价沪深 300 VS 中证 500 指数轮"

旷支
4 years ago
Views:

[Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 股市极值及收益率预测模型的周度择时研究 2018.07.06 解禁两融陆股通股票质押的截面溢价 2018.07.02 沪深 300 VS 中证 500 指数轮动研究 2018.06.21 [Table_AuthorInfo] 金融工程专题报告 2018 年 07 月 06 日选股因子系列研究 ( 三十五 ) 宏观经济的不确定性在 A 股市场被定价了吗?

1 [Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 股市极值及收益率预测模型的周度择时研究解禁两融陆股通股票质押的截面溢价沪深 300 VS 中证 500 指数轮动研究 [Table_AuthorInfo] 金融工程专题报告 2018 年 07 月 06 日选股因子系列研究 ( 三十五 ) 宏观经济的不确定性在 A 股市场被定价了吗? [Table_Summary] 投资要点 : 中国宏观经济不确定性指数 (EPU 指数 ) 是反应宏观经济不确定性程度的量化指标由来自西北大学斯坦福大学与芝加哥大学的三位学者 Scott R. Baker Nicholas. Bloom 和 Steven J. Davis 发布具体编制方法为, 在中国香港发行量最大的英文报刊南华早报上, 通过搜索关键词 uncertain/uncertainty, economic/economy, policy tax 等筛选出与经济不确定相关的文章, 经过统计和标准化处理后得到美国市场上, 宏观经济的不确定性并没有被完全定价具体表现为, 对不确定性敏感度越高的股票, 未来的收益越低一种可能的解释是, 敏感度较低的股票在经济不确定性上升时收益较低因此, 风险厌恶的投资者若持有这部分股票, 就会要求以更高的预期收益的形式得到额外的补偿分析师 : 冯佳睿 Tel:(021) fengjr@htsec.com 证书 :S 联系人 : 周一洋 Tel:(021) zyy10866@htsec.com A 股市场上, 对宏观经济不确定性较高的股票, 预期收益也更高通过时间序列回归计算每个股票在 EPU 指数上的回归系数, 记为 EPU_beta 把 A 股市场上所有可交易的股票, 按照这个因子从小到大分成 5 组在等权和市值加权两种方式下, 每组的平均收益呈单调上升的态势, 且首尾组合的收益差显著异于零 A 股市场上常用的选股因子并不能解释 EPU_beta 分组的超额收益在控制了市值反转 ROE 等常见因子后,EPU_beta 的分组收益与因子值依然呈现正相关性首尾组合的收益差在 10% 的水平下, 显著大于零而且, 在控制了换手率和特质波动率这两个因子后, 分组收益的单调性更为突出 A 股市场上, 宏观经济的不确定性似乎只有在大市值股票中未被合理定价先将所有可交易的 A 股按市值由小到大等分成 5 组, 随后在每个市值组别中, 按 EPU_beta 再等分成 5 组只有在市值最大的一组中,EPU_beta 和预期收益才表现出明显的正相关而在其余的市值组别中, 分组收益的单调性较弱, 首尾组合的收益差在统计意义上也不显著异于零在沪深 300 成分股中,EPU_beta 因子的选股效果突出 IC 均值为 5.87%,IC-IR 接近 2, 胜率也达到了 3/4 在原先的 8 因子模型中加入 EPU_beta 后, 多空组合的年化收益从 7.28% 提升至 9.87%, 波动率从 18.23% 下降至 15.25% 因而, 夏普比率也获得了明显的提高 (0.647 v.s 0.399) 风险提示市场系统性风险资产流动性风险以及模型失效风险会对最终结果产生较大影响

2 金融工程研究金融工程专题报告 2 目录 1. 宏观经济不确定性指数 (EPU Index) 宏观经济的不确定性在美国市场被定价了吗? 中国市场的经济不确定性因子及其选股有效性因子及其性质因子的选股有效性检验单变量分组双变量分组因子在大中市值股票中的选股有效性分析因子的截面溢价小结因子加入多因子模型后的效果分析总结与讨论风险提示... 14

3 金融工程研究金融工程专题报告 3 图目录图 1 中国 EPU 指数 ( )... 5 图 2 因子分组收益 ( 等权, )... 8 图 3 因子分组收益 ( 市值加权, )... 8 图 4 在沪深 300 成分股中的月度溢价 ( ) 图 5 在沪深 300 成分股中的溢价累计 ( ) 图 6 多空累计净值 ( , 沪深 300 成分股 ) 图 7 多空累计净值 ( , 中证 500 成分股 ) 图 8 多空累计净值 ( , 所有 A 股 )... 13

4 金融工程研究金融工程专题报告 4 表目录表 1 美国市场上的分组收益 ( )... 6 表 2 EPU 指数的平稳性检验 ( )... 7 表 3 的自回归系数 ( )... 7 表 4 因子及分组收益 ( )... 8 表 5 分组中常见因子的分布特征 ( )... 9 表 6 双变量分组的平均收益 ( )... 9 表 7 市值和双变量分组的平均收益 ( ) 表 8 在沪深 300 成分股中的分组收益 ( ) 表 9 在中证 500 成分股中的分组收益 ( ) 表 10 在不同指数成分股中的 IC IR 值 ( ) 表 11 在不同指数成分股中的截面溢价 ( ) 表 12 多空组合的收益风险特征 ( )... 13

5 金融工程研究金融工程专题报告 5 近年来, 对宏观经济不确定性的研究成为了业界和学术界的热门话题有一种观点认为, 这种不确定性会改变人们的消费与投资行为, 进而对资产的定价产生影响受此启发, 本文考察了宏观经济的不确定性是否在 A 股市场被定价这一问题 1. 宏观经济不确定性指数 (EPU Index) 经济政策不确定性指数 (Economic Policy Uncertainty Index,EPU), 是反应宏观经济不确定性程度的量化指标最早由来自西北大学斯坦福大学与芝加哥大学的三位学者 Scott R. Baker Nicholas. Bloom 和 Steven J. Davis 共同编制, 主要用来度量美国宏观经济不确定性的高低该指数由三个基本组成部分, 依次为报刊上含有经济不确定性相关词组的文章数量未来 10 年按例将要失效的税法章程分析师对宏观经济指标预期的分歧度第三部分所涉及的经济指标包括,CPI 以及联邦政府各州政府和地方政府的采购规模在形成 EPU 指数时, 这三个部分各自的权重分别为 1/2 1/6 和 1/3 其中,CPI 和政府采购预期分歧度的权重相同, 都为 1/6 指数甫一推出, 便受到了市场极大的关注于是, 三位学者又进一步编制并发布了多个国家和地区, 乃至全球的经济不确定性指数, 这其中也包括中国和美国的 EPU 指数有三个组成部分不同, 中国的 EPU 指数仅包含新闻关键词这一个方面具体的编制方法为, 在中国香港发行量最大的英文报刊南华早报上, 通过搜索关键词 uncertain/uncertainty, economic/economy, policy tax 等筛选出与经济不确定相关的文章, 经过统计和标准化处理后得到中国的 EPU 指数下图是中国的 EPU 指数自 1995 以来的走势图中 EPU 指数每次升高都与当时严峻的经济形势一一对应如,08 到 09 年, 美国次贷危机对我国的影响逐渐凸显 ;12 年, 欧债危机的不确定性传导至国内 ;17 年, 美国新总统对华政策的不确定性与外界对中国经济增速下行的担忧随着中美贸易战的进一步升级,EPU 指数从今年 1 月以来不断上升截止 2018 年 4 月底, 中国 EPU 指数已经达到了去年 11 月以来的新高图 1 中国 EPU 指数 ( ) 资料来源 : 海通证券研究所 2. 宏观经济的不确定性在美国市场被定价了吗? Bali 1 等人研究了 1972 年 6 月到 2014 年 12 月间, 美国的宏观经济不确定性指数 ( 记为 UNC 指数 ) 对 NYSE,Amex,Nasdaq 中股票收益的影响作者首先用 60 个月的月度数据滚动估计个股收益对 Fama-French 三因子及 UNC 指数的回归方程, 并将 UNC 前的回归系数记为随后, 根据的大小把股票分成 10 组, 并按照等权和市值加权两种方式计算未来一个月的平均收益下表展示了分组收益和首尾组合的收益差在最低 (Low) 的一组中, 等权和市值加权的月平均收益分别为 1.13% 和 0.93%; 经 FF3 因素及动量和流动性因子调整后 1 Bali, T. G., Brown, S. J., Tang, Y., Is Economic Uncertainty Priced in the Cross-section of Stock Returns.

6 金融工程研究金融工程专题报告 6 的 alpha 分别为 0.28% 和 0.31%, 均为十组中最高反观论是在何种方式计算下, 原始收益和均为最低最高 (High) 的一组, 不表 1 美国市场上的分组收益 ( ) 等权市值加权原始收益 t 值 t 值原始收益 t 值 t 值 Low % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % High % % % % High-Low -0.51% -3.81% -0.56% % % 资料来源 :Is Economic Uncertainty Priced in the Cross-section of Stock Returns, 海通证券研究所整理等权和市值加权计算的最高组减最低组 (High-Low) 的原始收益差分别为 -0.51% 和 -0.40%, 并且显著异于零这表明, 在美国市场上, 对宏观经济不确定性敏感度较低的股票, 未来能获得显著的超额收益对此, 作者的解释是, 风险和不确定性是不同的第一组中的股票, 其小于零, 意味着它在经济不确定性上升时的收益较低 ( 由得到的回归方程可知 ) 因此, 风险厌恶的投资者若持有这部分股票, 就会要求以更高的预期收益的形式得到额外的补偿而第十组中的股票, 可以被看作是在经济不确定性上升时更加安全的资产, 故投资者愿意为其支付更高的价格, 并接受其较低的预期收益为了确认和预期收益之间的负相关性, 作者进一步考察了 Fama-Macbeth 回归和双变量分组的结果和预期一致, 在控制了常见的因子后, 依然具备不能被解释的选股能力因此, 作者认为, 在美国市场上, 宏观经济的不确定性并没有被完全定价具体表现为, 对不确定性敏感度越高的股票, 未来的收益越低 3. 中国市场的经济不确定性因子及其选股有效性 3.1 因子及其性质本文仿照美国市场的做法, 以中国的 EPU 指数作为对宏观经济不确定性的度量, 并和中国市场的 Fama-French 三因子共同形成四因子模型, 通过最近 60 个月的数据滚动估计个股在上的回归系数具体的回归方程如下 : 其中, 为股票第月的收益高的股票表明其与 EPU 有较强的相关性, 即经济较不确定性越高, 股票收益越好, 可以认为有比较强的抗风险能力而当经济不确定性减弱的时候, 这部分股票的收益往往会下降不过, 上述回归看似合理, 实则存在一定的问题由于是时间序列回归, 因而在没有协整关系存在的情况下, 应当要求所有变量都是平稳的否则, 长期均衡关系的前提假设就会被打破在所有的变量中, 个股和市场的收益 SMB 和 HML 都是价格的差分值, 一般可视作是平稳序列唯一存疑的是 EPU 指数的平稳性为此, 本文对其进行 ADF 检验该检验的原假设是序列存在单位根, 即不平稳具体结果如下表所示

7 金融工程研究金融工程专题报告 7 表 2 EPU 指数的平稳性检验 ( ) lag p 值由上表可见, 在滞后阶数为 0-4 时, 检验的 p 值都小于 0.05 这说明序列存在单位根的原假设被拒绝,EPU 指数是平稳的由此计算得到因子, 可以用做进一步的研究和分析除了平稳性, 另一个问题也值得关注每个股票的因子均是基于历史数据计算得到, 但却被用作预测未来的股票收益这一做法实际上暗含着一个基本假定, 即, 因子在时间序列上并不会发生很大的变动为了验证这一性质, 本文采用了横截面自回归的方式予以研究首先, 构建单因子的自回归, 分别提取未来 6 个月 12 个月 24 个月 36 个月的因子与当前的因子构建如下的回归模型其中,T=6,12,24 和 36 其次, 加入 A 股市场常用的 8 个选股因子市值 PB 反转 ROE 换手率非流动性特质波动率和 beta 的滞后项, 构建如下的多元回归模型下表列示了这两个模型中, 因子前的回归系数估计值及其 t 值表 3 的自回归系数 ( ) t 值 ( 控制 8 个因子 ) t 值 6 个月个月个月个月由上表可见, 不论是否控制其他 8 个因子, 代表因子在时间序列上稳定性的系数始终显著大于零而且,12 个月以内的回归系数保持在 0.7 以上这表明, 因子是股票比较稳定的属性, 可以作为一个新的因子考察其选股效果 3.2 因子的选股有效性检验单变量分组在每个月末, 按照因子把 A 股市场上所有可交易的股票 ( 剔除 ST 停牌涨停及上市不满 6 个月的股票 ), 从小到大分成 5 组, 依次记为 D1,D2,,D5 分别计算等权和市值加权两种方式下, 每组的平均收益 ( 见下图 )

金融工程研究金融工程专题报告 8 图 2 因子分组收益 ( 等权,2013.1-2018.4) 图 3 因子分组收益 ( 市值加权,2013.1-2018.4) 和美国的结果不同,A 股市场上个股的和预期收益呈现正相关下表进一步给出了按将所有股票分成 5 组后, 每组的均值次月的平均 / 市值加权收益及 Fama-French 三因子模型的 alpha 表 4 因子及分组收益 (2013.

16) (-0.77) 1.63% -0.29% 1.31% 0.11% (1.50) (-1.99) (1.45) (0.56) 1.86% 0.01% 1.37% 0.20% (1.66) (0.08) (1.49) (1.08) 1.65% -0.19% 1.20% -0.02% (1.43) (-0.87) (1.28) (-0.10) 0.48% 0.58% 1.09% 1.

8 金融工程研究金融工程专题报告 8 图 2 因子分组收益 ( 等权, ) 图 3 因子分组收益 ( 市值加权, ) 和美国的结果不同,A 股市场上个股的和预期收益呈现正相关下表进一步给出了按将所有股票分成 5 组后, 每组的均值次月的平均 / 市值加权收益及 Fama-French 三因子模型的 alpha 表 4 因子及分组收益 ( ) Low High 1.39 High-Low 原始收益等权 FF3-alpha 原始收益市值加权 FF3-alpha 1.17% -0.77% 0.11% -1.16% (1.06) (-4.64) (0.12) (-4.88) 1.53% -0.45% 0.96% -0.14% (1.39) (-2.82) (1.16) (-0.77) 1.63% -0.29% 1.31% 0.11% (1.50) (-1.99) (1.45) (0.56) 1.86% 0.01% 1.37% 0.20% (1.66) (0.08) (1.49) (1.08) 1.65% -0.19% 1.20% -0.02% (1.43) (-0.87) (1.28) (-0.10) 0.48% 0.58% 1.09% 1.15% (2.01) (2.56) (3.01) (3.54) 由上表可见, 尽管分组收益并未呈现严格的单调特征, 但首尾组合 (High-Low) 的收益差及之差, 均显著大于零这表明, 在 A 股市场上, 那些在宏观经济不确定性较高时期表现较好的股票, 未来依然能延续这种表现如果说, 美国市场的投资者在预见到未来宏观经济的不确定性有可能上升后, 会买入高的股票以抵御或对冲风险, 从而造成这部分股票的预期收益下降那么,A 股市场并不存在这一现象这有可能是两个市场的投资者结构与成熟程度不同所导致的双变量分组尽管从单因子的分组中找到了能够区分股票未来收益的证据, 但众所周知,A 股市场上存在着众多异象, 如, 小市值反转流动性等等一个合理的怀疑是, 的选股有效性会不会是这些异象的另一种呈现为此, 本文首先考察了与常见因子之间的关系, 具体包括市值 PB 反转 ROE 换手率 Amihud 非流动性特质波动率 CAPM 的 beta 下表给出的是每一个分组内, 上述 8 个因子的平均值

9 金融工程研究金融工程专题报告 9 表 5 分组中常见因子的分布特征 ( ) 市值 PB 反转 ROE 换手率非流动性特质波动率 Low High 由上表可见, 高分组中的股票大体呈现小市值高 ROE 高换手率高特质波动率以及前期高涨幅的特征为了控制这些因子的影响, 本文采用双变量分组法, 具体步骤如下 : 1) 按照每一个控制变量将所有可交易的 A 股由小到大等分成 5 组 ; 2) 在每一个控制变量组中, 再按由小到大等分成 5 小组计算 5 5 个组别中, 每组的平均收益 ; 3) 在每个组别中, 计算 5 个控制变量组收益的平均值下表是按上述步骤分别对平均收益和市值 PB 等 8 个因子进行双变量分组后, 得到的表 6 双变量分组的平均收益 ( ) 市值 PB 反转 ROE 换手率非流动性特质波动率 Low 1.28% 1.16% 1.23% 1.21% 1.18% 1.22% 1.14% 1.16% (1.14) (1.06) (1.12) (1.10) (1.08) (1.10) (1.04) (1.05) % 1.52% 1.58% 1.51% 1.46% 1.54% 1.47% 1.59% (1.38) (1.39) (1.44) (1.38) (1.31) (1.41) (1.34) (1.45) % 1.63% 1.60% 1.66% 1.63% 1.64% 1.59% 1.59% (1.48) (1.48) (1.48) (1.53) (1.49) (1.51) (1.45) (1.46) % 1.82% 1.84% 1.86% 1.78% 1.82% 1.79% 1.84% (1.66) (1.62) (1.64) (1.66) (1.60) (1.63) (1.61) (1.66) High 1.66% 1.72% 1.64% 1.60% 1.84% 1.67% 1.88% 1.70% (1.46) (1.51) (1.43) (1.38) (1.62) (1.46) (1.64) (1.46) High-Low 0.38% 0.56% 0.41% 0.38% 0.66% 0.45% 0.74% 0.54% (1.71) (2.48) (1.74) (1.66) (2.84) (2.25) (3.21) (2.27) 在控制了常见因子后, 的分组收益依然保持了与单变量分组时一致的分布特征首尾组合的收益差在 10% 的水平下, 显著大于零而且, 在控制了换手率和特质波动率这两个因子后, 分组收益的单调性更为突出由此可见,A 股市场上常用的选股因子并不能解释分组的超额收益 3.3 因子在大中市值股票中的选股有效性分析由上一节可知, 尽管在控制市值因子后, 因子依然和预期收益正相关但首尾组合的收益差及其 t 值, 相比单因子分组的结果, 均出现了一定幅度的下降因此, 本文单独考察了市值和双变量分组后, 各组的平均收益 ( 见下表 )

10 金融工程研究金融工程专题报告 10 表 7 市值和双变量分组的平均收益 ( ) Low High Small 2.58% 2.59% 2.55% 2.78% 2.79% % 1.76% 1.89% 2.02% 1.80% % 1.22% 1.30% 1.66% 1.29% % 1.15% 1.25% 1.71% 1.24% Big 0.18% 0.80% 1.11% 0.97% 1.20% 从上表中可以发现一个有趣的现象, 只有在市值最大的一组 (Big) 中, 和预期收益才表现出明显的正相关, 首尾组合的收益差高达 1.02% 而在其余的市值组别中, 分组收益的单调性较弱, 首尾组合的收益差在统计意义上也不显著异于零这似乎意味着,A 股市场上, 宏观经济的不确定性只有在大市值股票中未被合理定价为了证实这一猜测, 本文进一步在沪深 300 和中证 500 的成分股中, 检验了分组收益下表展示的是沪深 300 成分股中的结果的表 8 在沪深 300 成分股中的分组收益 ( ) Low High 1.32 High-Low 原始收益等权 FF3-alpha 原始收益市值加权 FF3-alpha 0.33% -1.25% 0.20% -1.09% (0.33) (-5.88) (0.20) (-3.13) 0.74% -0.79% 0.54% -0.38% (0.80) (-4.39) (0.73) (-1.76) 1.04% -0.31% 1.08% 0.19% (1.10) (-1.68) (1.22) (0.83) 1.22% 0.05% 1.20% 0.17% (1.33) (0.20) (1.29) (0.58) 1.52% 0.56% 1.58% 0.85% (1.65) (2.72) (1.70) (2.80) 1.19% 1.80% 1.38% 1.94% (3.13) (5.52) (2.74) (4.14) 由上表可见, 沪深 300 的成分股在按等分成 5 组后, 不论是等权还是市值加权, 分组收益都呈现出严格的单调特征首尾组合的原始收益差分别为 1.19% 和 1.38%, 对应的 t 值为 3.13 和 2.74, 均显著高于全市场的分组结果同时,Fama-French 三因素模型的 alpha 之差及其 t 值也都出现了明显的上升反观中证 500 成分股的对应结果, 除了分组收益间单调性的显著下降以外, 首尾组合的原始收益和 alpha 之差, 在 5% 的水平下均不显著表 9 在中证 500 成分股中的分组收益 ( ) Low 原始收益 Equal-weighted FF3-alpha 原始收益 Value-weighted FF3-alpha 1.02% -0.48% 0.82% -0.50% (0.97) (-1.95) (0.79) (-1.91) 1.34% -0.45% 1.21% -0.43% (1.28) (-2.05) (1.17) (-1.83) 1.51% -0.07% 1.46% 0.10% (1.45) (-0.38) (1.40) (0.47)

11 金融工程研究金融工程专题报告 % 0.31% 1.57% 0.36% (1.61) (1.20) (1.47) (1.32) High % 0.02% 1.34% 0.10% (1.37) (0.06) (1.20) (0.32) High-Low 0.50% 0.50% 0.52% 0.60% (1.69) (1.72) (1.52) (1.83) 以上对比证实了双变量分组的结果, 即, 选股能力因子在市值较大的股票中具有较强的下表列示的是因子在不同指数成分股中的 IC IC-IR 和胜率和分组得到的结论一致, 因子在沪深 300 成分股中的 IC 为 5.87%,IC-IR 接近 2, 胜率也达到了 3/4 而在中证 500 成分股和所有 A 股中, 该因子的 IC 均未超过 2% 表 10 在不同指数成分股中的 IC IR 值 ( ) 沪深 300 成分股中证 500 成分股所有 A 股 IC 5.87% 1.96% 1.98% IR 胜率 75% 59.38% 64.06% 3.4 因子的截面溢价双变量分组只能控制一个因子对的影响, 若要控制多个因子, 必须使用横截面回归将上文的 8 个控制因子和作为自变量, 建立如下的回归方程下表给出了每个因子的截面溢价 ( 回归系数 ) 的时间序列均值和 t 统计量在不同的指数成分股中, 常用因子, 如, 市值反转 ROE 换手率特质波动率的截面溢价均表现出和预期一致的方向的截面溢价均为正, 但数值大小和 t 值却存在明显的差异在沪深 300 成分股的回归中, 的截面溢价均值为 0.34%, 是其余两种情形下的 1 倍 t 值接近 3, 表明估计的稳定性也较高这与上一节中, 因子较高的 IR 和胜率相吻合表 11 在不同指数成分股中的截面溢价 ( ) 截距市值 PB 反转 ROE 换手率非流动性特质波动率沪深 % 0.34% -0.08% -0.30% -0.03% 0.13% -0.39% 0.19% -0.28% -0.44% (1.009) (2.980) (-0.398) (-1.275) (-0.121) (0.858) (-2.427) (1.661) (-2.033) (-2.391) 中证 % 0.16% -0.12% 0.01% -0.04% 0.41% -0.51% 0.04% -0.26% -0.01% (1.331) (1.879) (-0.851) (0.056) (-0.224) (4.036) (-3.417) (0.467) (-2.304) (-0.087) 所有 A 股 1.50% 0.17% -0.60% -0.01% -0.26% 0.29% -1.07% 0.14% -0.36% -0.14% (1.307) (2.414) (-2.417) (-0.102) (-1.233) (3.651) (-6.312) (1.839) (-2.449) (-1.657) 以下两图进一步展示了因子在沪深 300 成分股中的月度溢价序列及累计净值除了 2015 年 3 月 -8 月之间的回撤以外, 因子在其余时间内均表现出稳定的正向溢价, 胜率高达 73.4% 因此, 可以认为, 因子和沪深 300 成分股预期收益的正相关性, 即使在控制了常见选股因子的影响之后, 依然是稳健的

12 金融工程研究金融工程专题报告 12 图 4 在沪深 300 成分股中的月度溢价 ( ) 图 5 在沪深 300 成分股中的溢价累计 ( ) 3.5 小结仅就单变量和双变量分组的结果而言, 因子具备一定的区分股票未来收益的作用具体表现为, 它与次月收益呈现较强的正相关性但仔细分析后却发现, 这种正相关性在沪深 300 成分股中表现得更为明显, 而在其余股票中并不显著换句话说, 在大市值股票中, 那些历史上能够抵御宏观经济不确定性风险的股票, 在未来仍有超额收益上述发现与美国股市中因子和次月收益成负相关的结论恰好相反, 这有可能是两国市场环境的不同所导致的 : 美国市场的投资者多为风险厌恶型, 如果预期到未来宏观经济的不确定性较高, 会倾向于买入抗不确定性能力强的股票, 从而使得该类股票在未来有负向的超额收益, 而中国市场上似乎不存在类似的现象 4. 因子加入多因子模型后的效果分析在前文的基础上, 本部分尝试将票组合的收益表现具体步骤如下 : 作为一个新因子加入多因子选股模型, 考察股 1) 将次月收益对当月的市值 PB 反转 ROE 换手率非流动性特质波动率和, 这 9 个因子做线性回归, 得到每一期的因子溢价 ( 回归系数 ); 2) 以前 24 期回归系数的均值作为新一期因子溢价的预测, 乘以对应的因子值并相加得到每个股票未来一个月的预期收益 ; 3) 选择预期收益最高 ( 最低 ) 的 50 个股票构建多头 ( 空头 ) 组合, 并以内部等权的方式计算组合收益 ( 注 : 全市场选股时, 多空头组合各包含 100 个股票 ) 以下两图分别是在沪深 300 成分股和中证 500 成分股中选股, 得到的多空累计净值其中, 深色曲线为包含在内的 9 因子的结果 ; 浅色曲线则是剔除了后, 用原来 8 个因子得到的结果对比来看, 加入因子后, 多空累计净值都得到了不同幅度的提升相对而言, 在沪深 300 成分股中, 因子对原始 8 因子模型的提升幅度更大这一结果再一次验证了上文发现的, 因子在大市值股票中更有效的结论

13 金融工程研究金融工程专题报告 13 图 6 多空累计净值 ( , 沪深 300 成分股 ) 图 7 多空累计净值 ( , 中证 500 成分股 ) 下图给出的是在所有可交易的 A 股中, 按照多因子模型得到的预期收益, 各选取 100 个股票构建多空组合的累计净值加入因子后, 最终的净值依然有所提升, 但幅度远不及沪深 300 成分股中的结果图 8 多空累计净值 ( , 所有 A 股 ) 下表进一步给出了是否加入因子得到的多空组合的收益 - 风险特征在沪深 300 成分股中, 加入因子后, 年化收益从 7.28% 提升至 9.87%, 波动率从 18.23% 下降至 15.25% 因而, 夏普比率也获得了明显的提高 (0.647 v.s 0.399) 但是, 在中证 500 成分股或所有可交易的 A 股中, 加入因子对年化收益的改善效果较弱, 提升幅度在 1-2 个百分点之间表 12 多空组合的收益风险特征 ( ) 沪深 300 成分股中证 500 成分股所有 A 股 9 因子不包含 9 因子不包含 9 因子不包含年化收益 9.87% 7.28% 19.49% 18.21% 44.88% 43.25% 波动率 15.25% 18.23% 16.28% 16.17% 19.47% 20.52% 最大回撤 26.44% 27.49% 17.69% 16.99% 17.43% 19.81% 夏普比率注 : 计算夏普比率时, 假设无风险利率为 0 总体而言, 从本文的分析结果来看, 因子至少不会降低原始多因子模型的性能而且, 如果仔细观察加入因子前后的多空累计净值, 不难发现, 不论是在何种指数成分股中, 该因子对业绩的提升均始于 2016 年年中, 恰好对应着 EPU 指数的大幅上升这一现象表明, 在整个宏观经济处于较高的不确定期, 选择高的个股或行业, 能增强投资组合抵御这种不确定性的能力

14 5. 总结与讨论金融工程研究金融工程专题报告 14 本文研究了宏观经济的不确定性在个股和投资组合的定价中扮演的角色以 EPU 指数作为经济不确定性的代理变量, 通过时间序列回归计算得到每个股票对该指数的暴露, 并定义为不确定性 beta 单变量分组的结果表明, 该因子和次月收益呈正相关即, 对经济不确定性暴露越大的股票, 预期收益也越高尽管高不确定性 beta 的股票具有小市值高 ROE 和高换手率等特征, 但双变量分组的检验证明,A 股市场常用的选股因子无法完全解释经济不确定性 beta 的选股效应然而, 进一步的分析却发现, 这种正相关性主要出现在大市值的股票中若以沪深 300 成分股为样本空间, 不确定性 beta 因子的 IC 为 5.87%,IR 为 1.99, 月度胜率高达 75% 将其纳入包含市值 ROE 换手率等常用因子的选股模型后, 可以显著提升多空组合的风险调整后收益 6. 风险提示市场系统性风险资产流动性风险以及模型失效风险会对最终结果产生较大影响 ( 实习生王曦对本文有重大贡献 )

15 金融工程研究金融工程专题报告 15 信息披露分析师声明 [Table_Analysts] 冯佳睿金融工程研究团队本人具有中国证券业协会授予的证券投资咨询执业资格, 以勤勉的职业态度, 独立客观地出具本报告本报告所采用的数据和信息均来自市场公开信息, 本人不保证该等信息的准确性或完整性分析逻辑基于作者的职业理解, 清晰准确地反映了作者的研究观点, 结论不受任何第三方的授意或影响, 特此声明法律声明本报告仅供海通证券股份有限公司 ( 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客户在任何情况下, 本报告中的信息或所表述的意见并不构成对任何人的投资建议在任何情况下, 本公司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能会波动在不同时期, 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市场有风险, 投资需谨慎本报告所载的信息材料及结论只提供特定客户作参考, 不构成投资建议, 也没有考虑到个别客户特殊的投资目标财务状况或需要客户应考虑本报告中的任何意见或建议是否符合其特定状况在法律许可的情况下, 海通证券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并进行交易, 还可能为这些公司提供投资银行服务或其他服务本报告仅向特定客户传送, 未经海通证券研究所书面授权, 本研究报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品, 或再次分发给任何其他人, 或以任何侵犯本公司版权的其他方式使用所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记如欲引用或转载本文内容, 务必联络海通证券研究所并获得许可, 并需注明出处为海通证券研究所, 且不得对本文进行有悖原意的引用和删改根据中国证监会核发的经营证券业务许可, 海通证券股份有限公司的经营范围包括证券投资咨询业务

16 金融工程研究金融工程专题报告 16 [Table_PeopleInfo] 海通证券股份有限公司研究所路颖所长 (021) 高道德副所长 (021) 姜超副所长 (021) 邓勇副所长 (021) 荀玉根副所长 (021) 钟奇所长助理 (021) 涂力磊所长助理 (021) 宏观经济研究团队姜超 (021) 于博 (021) 顾潇啸 (021) 梁中华 (021) 联系人李金柳 (021) 宋潇 (021) 陈兴 (021) 固定收益研究团队姜超 (021) 朱征星 (021) 周霞 (021) 姜珮珊 (021) 联系人杜佳 (021) 李波 (021) 政策研究团队李明亮 (021) 陈久红 (021) 吴一萍 (021) 朱蕾 (021) 周洪荣 (021) 王旭 (021) 汽车行业王猛 (021) 杜威 (0755) 互联网及传媒钟奇 (021) 郝艳辉 (010) 许樱之孙小雯 (021) 刘欣 (010) 强超廷 (021) 联系人毛云聪 (010) 陈星光 (021) 金融工程研究团队高道德 (021) 冯佳睿 (021) 郑雅斌 (021) 罗蕾 (021) 沈泽承 (021) 余浩淼 (021) 袁林青 (021) 姚石 (021) 吕丽颖 (021) 联系人周一洋 (021) 张振岗 (021) 颜伟 (021) 梁镇 (021) 策略研究团队荀玉根 (021) 钟青 (010) 高上 (021) 李影 (021) 联系人姚佩 (021) 唐一杰 (021) 郑子勋 (021) 石油化工行业邓勇 (021) 朱军军 (021) 联系人胡歆 (021) 公用事业吴杰 (021) 张磊 (021) 戴元灿 (021) 联系人傅逸帆 (021) 有色金属行业施毅 (021) 联系人李姝醒 (021) 陈晓航 (021) 李骥 (021) 甘嘉尧 (021) 金融产品研究团队高道德 (021) 倪韵婷 (021) 陈瑶 (021) 唐洋运 (021) 宋家骥 (021) 皮灵 (021) 徐燕红 (021) 薛涵 (021) 联系人谈鑫 (021) 王毅 (021) 蔡思圆 (021) 庄梓恺 (021) 中小市值团队张宇 (021) 钮宇鸣 (021) 孔维娜 (021) 潘莹练 (021) 联系人王鸣阳 (021) 程碧升 (021) 相姜 (021) 医药行业余文心 (0755) 郑琴 (021) 孙建 (021) 师成平 (010) 联系人贺文斌 (010) 吴佳栓 (010) 范国钦批发和零售贸易行业汪立亭 (021) 李宏科 (021) 联系人史岳房地产行业涂力磊 (021) 谢盐 (021) 联系人杨凡 (021) 金晶 (021)

17 电子行业陈平 (021) 联系人谢磊 (021) 尹苓 (021) 石坚 (010) 基础化工行业刘威 (0755) 刘海荣 (021) 张翠翠 (021) 孙维容 (021) 联系人李智 (021) 非银行金融行业孙婷 (010) 何婷 (021) 联系人夏昌盛 (010) 李芳洲 (021) 建筑建材行业钱佳佳 (021) 冯晨阳 (021) 联系人申浩 (021) 建筑工程行业杜市伟 (0755) 张欣劼李富华 (021) 军工行业张恒晅蒋俊 (021) 刘磊 (010) 联系人张宇轩 (021) 家电行业陈子仪 (021) 联系人李阳朱默辰 (021) 刘璐 (021) 煤炭行业李淼 (010) 戴元灿 (021) 吴杰 (021) 计算机行业郑宏达 (021) 黄竞晶 (021) 杨林 (021) 鲁立 (021) 联系人洪琳 (021) 于成龙交通运输行业虞楠 (021) 联系人李丹 (021) 党新龙 (0755) 机械行业佘炜超 (021) 耿耘 (021) 杨震 (021) 沈伟杰 (021) 联系人周丹农林牧渔行业丁频 (021) 陈雪丽 (021) 陈阳 (021) 银行行业孙婷 (010) 解巍巍联系人林加力 (021) 谭敏沂 (0755) 造纸轻工行业衣桢永 (021) 曾知 (021) 赵洋 (021) 金融工程研究金融工程专题报告 17 电力设备及新能源行业张一弛 (021) 房青 (021) 曾彪 (021) 徐柏乔 (021) 张向伟 (021) 联系人陈佳彬 (021) 通信行业朱劲松 (010) 余伟民 (010) 联系人张峥青 (021) 纺织服装行业梁希 (021) 联系人盛开 (021) 钢铁行业刘彦奇 (021) 联系人周慧琳 (021) 刘璇食品饮料行业闻宏伟 (010) 成珊 (021) 唐宇 (021) 社会服务行业汪立亭 (021) 联系人陈扬扬 (021) 研究所销售团队深广地区销售团队蔡铁清 (0755) 伏财勇 (0755) 辜丽娟 (0755) 刘晶晶 (0755) 王雅清 (0755) 饶伟 (0755) 欧阳梦楚 (0755) 宗亮巩柏含上海地区销售团队胡雪梅 (021) 朱健 (021) 季唯佳 (021) 黄毓 (021) 漆冠男 (021) 胡宇欣 (021) 黄诚 (021) 毛文英 (021) 马晓男杨祎昕 (021) 方烨晨 (021) 张思宇慈晓聪 (021) 王朝领北京地区销售团队殷怡琦 (010) 吴尹张丽萱 (010) 杨羽莎 (010) 杜飞张杨 (021) 李铁生 (010) 何嘉 (010) 欧阳亚群李婕

18 金融工程研究金融工程专题报告 18 海通证券股份有限公司研究所地址 : 上海市黄浦区广东路 689 号海通证券大厦 9 楼电话 :(021) 传真 :(021) 网址 :

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级...

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级... [Table_MainInfo] 公司研究 / 公用事业 / 水公用事业中联环 (835750) 公司研究报告证券研究报告 2016 年 07 月 19 日 [Table_InvestInfo] 投资评级暂不评级首次覆盖股票数据 6 [Table_StockInfo] 个月内目标价 ( 元 ) 7 月 18 日

[Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 股市极值及收益率预测模型的周度择时研究 解禁 两融 陆股通 股票质押的截面溢价 沪深 300 VS 中证 500 指数轮

[Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 股市极值及收益率预测模型的周度择时研究解禁两融陆股通股票质押的截面溢价沪深 300 VS 中证 500 指数轮