渤海证券_20180927_渤海证券基本面量化系列专题之四：多因子模型在钢铁行业中的应用研究.pdf

金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责请务必阅读正文之后的免责声明声明 渤海证券股份有限公司具备证券投资咨询业务资格渤海证券股份有限公司具备证券投资咨询业务资格 1 of 23 金金融融工工程程 研研究究 证证券券研研究究报报告告 金金融融工工程程 专专题题报报告告 证券分析师证券分析师 祝涛 022-28451653 相关研究报告相关研究报告 钢铁行业择时及子行业轮动模型研究基本面量化系列专题之一 2018.7.13 核心观点核心观点：在基本面量化系列专题的第一篇中，我们介绍了钢铁行业的择时模型和子行业轮动模型，本文进一步在个股层面，探索多因子模型在钢铁行业中的应用表现情况。单因子检验单因子检验 我们测试了估值、盈利、成长、动量、波动率、流动性和市值共七大类在钢铁行业中的选股效果，其中，盈利、成长、动量和波动率这四大类因子相对更为有效。不过，各大类因子都或多或少存在在某段时期失效的情况。综合这七大类因子构建钢铁行业的选股模型，钢铁行业收益预测模型的构建我们选择最简单直观的移动均值模型，股票池的选取采用固定比例和固定只数两种方法，按固定比例选股相对于行业指数年化能有 8.7%的超额收益，按固定只数选股相对于行业指数年化能有 12.9%的超额收益。总结及总结及展望展望 由于钢铁行业股票只数较少，我们的目的不在于构建精准收益预测的模型，而是想探讨不同类型因子如估值、盈利、成长以及价量因子在行业不同发展阶段、在不同市场条件下的表现情况。基本面因子中，估值因子在行业整体估值下降的过程中通常表现会相对较好，盈利因子在行业业绩改善的过程中表现相对较好，成长因子的历史表现在钢铁行业累计利润同比为正的时期表现较好，这三个因子其实是相辅相成、相关性很高的。综合来看，对于钢铁行业，在行业复苏及繁荣的阶段适宜选择估值低、业绩好、成长性高的股票加以进攻，但在行业衰退阶段，选择估值相对低、业绩相对好、成长性相对不错的股票防守性可能比较一般。价量因子的历史表现并没有基本面因子这样较为明显的规律，可能更多的是与市场整体的投资风格偏好有关。我们后续将进一步探索钢铁行业量化选股的策略，包括更多特色因子的挖掘以及基于宏观因子进行选股的方法等。风险提示风险提示 未来模型失效的风险。多因子模型在钢铁行业中的应用研究多因子模型在钢铁行业中的应用研究 基本面量化系列专题之四基本面量化系列专题之四 分析师：分析师：祝涛 SAC NO：S1150516060002 2018 年 9 月 27 日 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 2 of 23 目 录 1.引言.4 2.多因子模型在钢铁行业中的应用.4 2.1 单因子检验.4 2.1.1 估值因子.8 2.1.2 盈利因子.9 2.1.3 成长因子.10 2.1.4 动量因子.11 2.1.5 波动率因子.13 2.1.6 流动性因子.14 2.1.7 市值因子.15 2.2 多因子选股模型.17 3.总结和展望.20 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 3 of 23 图 目 录 图图 1 1：估值因子多空累计净值图：估值因子多空累计净值图 .9 9 图图 2 2：盈利因子多空累计净值图：盈利因子多空累计净值图 .1010 图图 3 3：成长因子多空累计净值图：成长因子多空累计净值图 .1111 图图 4 4：动量因子多空累计净值图：动量因子多空累计净值图 .1313 图图 5 5：波动率因子多空累计净值图：波动率因子多空累计净值图 .1414 图图 6 6：流动性因子多空累计净值图：流动性因子多空累计净值图 .1515 图图 7 7：市值因子多空累计净值图：市值因子多空累计净值图 .1616 图图 8 8：各大类因子多空累计净值图：各大类因子多空累计净值图 .1717 图图 9 9：选取预测收益前：选取预测收益前 30%30%股票的选股表现股票的选股表现 .1919 图图 1010：选取预测收益前：选取预测收益前 1010 股票的选股表现股票的选股表现 .1919 表 目 录 表表 1 1：钢铁行业成分股：钢铁行业成分股 .4 4 表表 2 2：因子分类及解释：因子分类及解释 .5 5 表表 3 3：估值因子的单因子检验结果：估值因子的单因子检验结果 .8 8 表表 4 4：盈利因子的单因子检验结果：盈利因子的单因子检验结果 .9 9 表表 5 5：成长因子的单因子检验结果：成长因子的单因子检验结果 .1111 表表 6 6：动量因子的单因子检验结果：动量因子的单因子检验结果 .1212 表表 7 7：波动率因子的单因子检验结果：波动率因子的单因子检验结果 .1414 表表 8 8：流动性因子的单因子检验结果：流动性因子的单因子检验结果 .1515 表表 9 9：市值因子的单因子检验结果：市值因子的单因子检验结果 .1616 表表 1010：各大类因子各年度多空收益率统计：各大类因子各年度多空收益率统计 .1717 表表 1111：各大类因子间相关系数均值统计：各大类因子间相关系数均值统计 .1818 表表 1212：多因子模型股票池（：多因子模型股票池（20182018 年年 9 9 月）月）.1919 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 4 of 23 1.引言引言 我们在基本面量化系列专题的第一篇（见钢铁行业择时及子行业轮动模型研究基本面量化系列专题之一）中，介绍了钢铁行业的择时模型和子行业轮动模型，本文将进一步在个股层面，探索钢铁行业中用量化的方法进行选股的策略。本文我们主要探索多因子模型在钢铁行业中的应用表现情况。我们参考中信行业指数和申万行业指数的钢铁行业成分股，结合各个公司目前的主营业务进行筛选，剔除已转型的公司，并将钢铁行业分成板材、长材、特钢和铁矿石四个子行业。最终确定钢铁行业成分股构成如下表所示。表表 1：钢铁行业成分股：钢铁行业成分股 代码代码 名称名称 所属二级行所属二级行业业 代码代码 名称名称 所属二级行所属二级行业业 000932.SZ 华菱钢铁 板材 000778.SZ 新兴铸管 长材 000709.SZ 河钢股份 板材 002110.SZ 三钢闽光 长材 000761.SZ 本钢板材 板材 600231.SH 凌钢股份 长材 000898.SZ 鞍钢股份 板材 600507.SH 方大特钢 长材 000959.SZ 首钢股份 板材 601028.SH 玉龙股份 长材 600010.SH 包钢股份 板材 603969.SH 银龙股份 长材 600019.SH 宝钢股份 板材 002478.SZ 常宝股份 特钢 600282.SH 南钢股份 板材 000708.SZ 大冶特钢 特钢 600569.SH 安阳钢铁 板材 002075.SZ 沙钢股份 特钢 600782.SH 新钢股份 板材 002318.SZ 久立特材 特钢 600808.SH 马钢股份 板材 002443.SZ 金洲管道 特钢 002652.SZ 扬子新材 板材 002756.SZ 永兴特钢 特钢 601005.SH 重庆钢铁 板材 600117.SH 西宁特钢 特钢 600126.SH 杭钢股份 板材 603878.SH 武进不锈 特钢 600307.SH 酒钢宏兴 板材 000825.SZ 太钢不锈 特钢 600581.SH 八一钢铁 板材 002423.SZ 中原特钢 特钢 600022.SH 山东钢铁 长材 600532.SH 宏达矿业 铁矿石 601003.SH 柳钢股份 长材 601969.SH 海南矿业 铁矿石 000717.SZ 韶钢松山 长材 资料来源：渤海证券研究所 2.多因子模型在钢铁行业中的应用多因子模型在钢铁行业中的应用 2.1 单因子单因子检验检验 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 5 of 23 Barra 结构化风险模型是目前全球最知名的多因子模型之一，Barra 手册列举了若干经过特殊处理的因子，再结合常见的财务和价量指标，我们选取动量、流动性、波动、价值、成长、盈利和市值共七个大类因子，每个大类因子中选取若干小类因子，各小类因子具体解释如下表所示，其中参考 Barra 手册的因子在下表的因子解释中有相应说明。这些因子我们曾在全体 A 股中进行了测试（见多因子模型研究之一：单因子测试），本节我们将检验这些因子在钢铁行业中选股的有效性。表表 2：因子分类及解释：因子分类及解释 大类因子大类因子 小类因子小类因子 因子解释因子解释 动量 RSTR_m12 Barra 因子：年度动量 RSTR_m6 Barra 因子：半年动量 RSTR_m3 Barra 因子：季度动量 RSTR_m1 Barra 因子：月度动量 RS_1 月度收益率 RS_3 季度收益率 RS_6 半年收益率 RS_12 年度收益率 alpha alpha 系数：个股收益率序列与沪深 300 指数收益率序列以半衰期指数加权，得到 alpha 系数，流动性 STOM_Barra Barra 因子：月度流动性指标 STOQ_Barra Barra 因子：季度流动性指标 STOA_Barra Barra 因子：半年流动性指标 STOM 月度平均换手率 STOQ 季度平均换手率 STOS 半年平均换手率 STOA 年度平均换手率 MSM 月度换手率变动 MSQ 季度换手率变动 MSS 半年换手率变动 波动 dastd_barra Barra 因子：年度加权平均波动率 cmra_barra Barra 因子：年度波动率 hsigma_barra Barra 因子：特质波动率 beta_barra Barra 因子：贝塔系数 yieldvol_1 月度日收益率波动率 yieldvol_3 季度日收益率波动率 yieldvol_6 半年日收益率波动率 VOL_1 成交量月度波动率 VOL_3 成交量季度波动率 VOL_6 成交量半年波动率 VOL_12 成交量年度波动率 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 6 of 23 价值 ETOP_barra Barra 因子；1/市盈率 CETOP_Barra Barra 因子；1/市现率 BTOP_barra Barra 因子；1/市净率 epcut_ttm 1/市盈率（扣除非经营性损益部分）sp_ttm 1/营收市值比 成长 qfa_yoysales_qq 单季度营业收入一年增长率 qfa_yoynetprofit_qq 单季度归母净利润一年增长率 yoy_or_qq 营业收入一年增长率 yoy_growth_netprofit_qq 归母净利润一年增长率 growth_or_qq_3 营业收入三年增长率 growth_netprofit_qq_3 归母净利润三年增长率 sgro_barra Barra 因子：过去 5 年企业营业收入复合增长率 盈利 qfa_roe 当季净资产收益率 roe_ttm 滚动 ROE qfa_roa 当季资产收益率 roa_ttm 滚动 ROA roic_qq 投入资本回报率 sales2EV 营业收益率 市值 LNCAP_barra Barra 因子；总市值 nonlinearsize_barra Barra 因子；中等市值；将总市值的对数与总市值立方的对数回归得到残差 资料来源：The Barra China Equity Model(CNE5)，渤海证券研究所 在提取了原始的因子数据之后，我们根据以下步骤进行单个因子在钢铁行业内选股的有效性检验。因子数据因子数据前期前期处理处理 1、数据对齐：上市公司财报的报告期和报告发布日期之间有一定延迟，为避免未来信息，在提取数据的时候，需要对日期进行修正，保证因子数据为当时能获取的最新财报数据。在所有财务数据披露完成之后，统一更新因子数据，每月的数据在当月最后一天进行更新，即 4-7 月末选择一季报数据，8、9 月末选择半年报数据，10-12 及次年 1-3 月末选择三季报数据；2、去极值：避免数据中的极端值对结果产生过多影响，使用中位数去极值法，将超过上下限的极端值用上下限值代替；3、缺失值处理：对于部分缺失的因子数据，使用行业全体股票的中位值来代替；4、标准化：为了使各个数据之间具有可比性，对数据进行 ZScore 标准化处理，使因子序列近似成为一个符合 N(0,1)正态分布的序列。金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 7 of 23 单因子单因子回归回归检验检验 对于单个因子用于钢铁行业选股效果的检验，首先根据 Barra 手册中关于因子显著性测试的内容，对因子进行横截面回归，同时考虑市值因素的影响：TiTidTdTisizeTsizeTiufxfx,1r 其中1rTi为股票 i 在 T+1 期的收益率，Tisizef,为第 T 期，股票 i 的流通市值，Tidf,为第 T 期，股票 i 在 d 因子上的因子暴露，Tsizex、Tdx为回归模型运算所得的因子收益率，Tiu为回归模型运算所得股票 i 的残差。经过回归模型，可以得到因子收益 t 检验的 t 值序列与因子收益序列Tdx。信息比率 IC 是衡量因子收益预测能力的重要参数，它的计算方法是将每一期的因子值作为因变量，市值变量进行回归，取其残差，作为剔除行业与市值影响后的因子值。再计算新因子值与下一期股票收益序列间的 Spearman 相关系数。通过以上回归模型主要考察以下几个指标：1)因子收益平均值：衡量因子收益能力大小的指标；2)因子收益 t 值：衡量因子收益率统计上是否显著不为 0 的指标；3)因子收益0 概率：衡量因子收益率方向性是否一致的指标；4)IC 平均值：衡量模型预测能力的指标；5)ICIR：IC 平均值/IC 标准差。单因子多空检验单因子多空检验 由于钢铁行业股票数量较少，样本量的问题使得常规的回归检验及 IC、ICIR 的方法会受到较大的影响，统计结果容易不显著，因此我们加入多空检验的方法进行辅助判断，即在截面数据上根据因子值统计前 30%和后 30%的股票次月收益率均值的差额作为多空收益，并统计多空收益大于 0 的概率以及多空累计净值的最大回撤进行综合分析。金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 8 of 23 单因子检验的样本区间选取为 2010 年 1 月至 2018 年 8 月。2.1.1 估值因子估值因子 估值因子我们测试了 1/市盈率（ETOP_barra）、1/市净率（BTOP_barra）、1/市现率（CETOP_barra）、1/TTM 市盈率（epcut_ttm）和 1/市销率（sp_ttm）共五个指标。从因子收益上来看，估值因子里多数因子收益均值为正，说明钢铁行业估值水平较低的公司整体上能获得一定的超额收益。不过估值因子的显著性水平普遍不太高，只有 ETOP_barra 和 CETOP_barra 的因子收益 t 值超过 1，且因子收益大于0 的概率只有这两个指标超过 50%。从多空收益上来看，同样是 ETOP_barra 和CETOP_barra 两个因子的多空收益均值较高，且多空净值最大回撤最小。综合考虑，估值因子选择 ETOP_barra 和 CETOP_barra 两个指标。估值因子 2016 年以前的表现比较一般，近三年的表现较佳，这三年也是供给侧改革之后的行业复苏期。估值因子主要的失效期是 2014 年 12 月至 2016 年 2 月，相应这段时间是钢铁行业业绩快速下滑的一段时期。表表 3：估值因子的单因子检验结果：估值因子的单因子检验结果 因子收因子收益均值益均值 因子收因子收益益 t 值值 因子收因子收益益0 概概率率 IC 平均平均值值 ICIR 多空收多空收益均值益均值 多空收多空收益益0 概概率率 多空净多空净值最大值最大回撤回撤 ETOP_barra 0.26 1.05 0.52 0.06 0.20 1.06 0.52-0.20 CETOP_barra 0.29 1.40 0.55 0.04 0.16 0.87 0.53-0.30 BTOP_barra-0.06-0.21 0.49 0.01 0.05 0.35 0.50-0.42 epcut_ttm 0.18 0.74 0.50 0.05 0.18 0.74 0.50-0.35 sp_ttm 0.16 0.49 0.46 0.03 0.10 0.69 0.50-0.54 资料来源：Wind，渤海证券研究所 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 9 of 23 图图 1：估值因子多空：估值因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 2.1.2 盈利因子盈利因子 盈利因子我们测试了当季净资产收益率（qfa_roe）、滚动净资产收益率（roe_ttm）、当季资产收益率（qfa_roa）、滚动资产收益率（roa_ttm）、投入资本回报率（roic_qq）和营业收益率（SALE2EV）共六个指标。从因子收益上来看，六个盈利因子的因子收益均值均为正值，说明钢铁行业中盈利水平高的公司整体上能获得一定的超额收益。其中，qfa_roe 因子收益 t 值为1.85，显著性水平较高，roe_ttm、qfa_roa 和 SALE2EV 的因子收益 t 值也均超过 1。从多空收益上来看，qfa_roe、qfa_roa 和 SALE2EV 的多空收益均值相对较高，而 roe_ttm 的多空净值最大回撤超过了 0.40，说明在历史上有明显失效的情况存在。综合考虑，盈利因子选择 qfa_roe、qfa_roa 和 SALE2EV 三个小类因子。盈利因子样本期内整体表现一直较好，主要的失效期是 2011 年 8 月至 2012 年11 月，相应的这段时间是钢铁行业的盈利能力从高点开始明显回落的一段时期，在近三年的行业复苏期，盈利因子有着较佳的表现。表表 4：盈利因子的单因子检验结果：盈利因子的单因子检验结果 因子收因子收益均值益均值 因子收因子收益益 t 值值 因子收因子收益益0 概概率率 IC 平均平均值值 ICIR 多空收多空收益均值益均值 多空收多空收益益0 概概率率 多空净多空净值最大值最大回撤回撤 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 10 of 23 qfa_roe 0.48 1.85 0.59 0.08 0.28 1.68 0.55-0.30 roe_ttm 0.27 1.06 0.54 0.06 0.19 0.63 0.57-0.41 qfa_roa 0.37 1.55 0.61 0.07 0.25 1.18 0.61-0.28 roa_ttm 0.12 0.56 0.52 0.05 0.16 0.71 0.60-0.32 roic_qq 0.12 0.50 0.54 0.05 0.16 0.47 0.53-0.32 SALE2EV 0.33 1.01 0.49 0.06 0.21 1.25 0.50-0.34 资料来源：Wind，渤海证券研究所 图图 2：盈利因子多空：盈利因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 2.1.3 成长因子成长因子 成长因子我们测试了单季度营业收入一年增长率（qfa_yoysales_qq）、单季度归母净利润一年增长率（qfa_yoynetprofit_qq）、营业收入一年增长率（yoy_or_qq）、归母净利润一年增长率（yoy_growth_netprofit_qq）、营业收入三年增长率（growth_or_qq_3）、归母净利润三年增长率（growth_netprofit_qq_3）和 Barra过去 5 年企业营业收入复合增长率（sgro_barra）共七个指标。从因子收益上来看，与利润增长相关的因子收益均值均为正，而与收入增长相关的因子收益均值都在 0 附近，说明钢铁行业中利润增长水平高的公司整体上能获得一定的超额收益。其中，yoy_growth_netprofit_qq 因子收益 t 值为 2.59，显著性水平较高，qfa_yoynetprofit_qq 和 growth_netprofit_qq_3 的因子收益 t 值也均接近或超过 1。从多空收益上来看，qfa_yoynetprofit_qq、yoy_growth_netprofit_qq和 growth_netprofit_qq_3 的多空收益均值相对较高。综合考虑，成长因子选择qfa_yoynetprofit_qq、yoy_growth_netprofit_qq 和 growth_netprofit_qq_3 三个小 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 11 of 23 类因子。成长因子样本期内整体表现较好，主要失效期也是 2014 年 12 月至 2016 年 2 月，这段时间也是钢铁行业处于衰退的一段时间，在近三年的行业复苏期，成长因子有着较佳的表现。表表 5：成长因子的单因子检验结果：成长因子的单因子检验结果 因子收因子收益均值益均值 因子收因子收益益 t 值值 因子收因子收益益0概概率率 IC 平均平均值值 ICIR 多空收多空收益均值益均值 多空收多空收益益0概概率率 多空净多空净值最大值最大回撤回撤 qfa_yoysales_qq 0.08 0.37 0.55 0.03 0.13 0.22 0.56-0.39 qfa_yoynetprofit_qq 0.33 1.69 0.58 0.06 0.25 1.32 0.63-0.38 yoy_or_qq 0.00 0.02 0.51 0.02 0.11-0.03 0.47-0.38 yoy_growth_netprofit_qq 0.48 2.59 0.61 0.06 0.23 1.22 0.58-0.28 growth_or_qq_3-0.06-0.38 0.46 0.00 0.01-0.02 0.53-0.21 growth_netprofit_qq_3 0.18 0.95 0.55 0.05 0.21 1.16 0.60-0.33 sgro_barra-0.09-0.52 0.44-0.01-0.03 0.03 0.52-0.36 资料来源：Wind，渤海证券研究所 图图 3：成长因子多空：成长因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 2.1.4 动量因子动量因子 动量因子我们测试了 Barra 年度动量（RSTR_m12）、Barra 半年度动量（RSTR_m6）、Barra 季度动量（RSTR_m3）、Barra 月度动量（RSTR_m1）、月度收益率（RS_1）、季度收益率（RS_3）、半年收益率（RS_6）、年度收益率 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 12 of 23 （RS_12）和 alpha 共九个指标。从因子收益上来看，与动量相关的因子收益均值均为负，且收益均值 t 值大多都低于-2，说明钢铁行业中存在较为显著的反转效应。其中，RSTR_m1、RSTR_m3、RSTR_m6 和 RS_6 的收益均值 t 值相对较低，显著性水平较高。从多空收益上来看，这四个指标的多空收益均值也相对较高，不过 RS_6 的多空净值最大回撤达到了-0.48，说明在历史上有明显失效的情况存在。综合考虑，动量因子选择RSTR_m1、RSTR_m3、RSTR_m6 三个小类因子。动量因子在 2017 年之前表现一直较好，近两年有一定的失效，样本期内整体来看动量因子表现与行业发展状况之间没有明显的规律可循。表表 6：动量因子的单因子检验结果：动量因子的单因子检验结果 因子收因子收益均值益均值 因子收因子收益益 t 值值 因子收因子收益益0概概率率 IC 平均平均值值 ICIR 多空收多空收益均值益均值 多空收多空收益益0概概率率 多空净多空净值最大值最大回撤回撤 RSTR_m12-0.70-2.56 0.37-0.11-0.40 1.49 0.57-0.44 RSTR_m6-0.73-2.89 0.38-0.10-0.37 1.47 0.58-0.38 RSTR_m3-0.77-3.10 0.35-0.10-0.37 1.56 0.63-0.27 RSTR_m1-0.67-2.78 0.41-0.09-0.34 1.21 0.56-0.19 RS_1-0.66-2.73 0.41-0.08-0.34 1.11 0.55-0.20 RS_3-0.57-2.25 0.42-0.08-0.30 0.98 0.56-0.46 RS_6-0.72-2.92 0.36-0.10-0.38 1.43 0.62-0.48 RS_12-0.50-1.73 0.41-0.09-0.32 0.83 0.52-0.57 alpha-0.63-2.27 0.41-0.09-0.35 1.01 0.54-0.39 资料来源：Wind，渤海证券研究所 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 13 of 23 图图 4：动量因子多空：动量因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 2.1.5 波动率因子波动率因子 波动率因子我们测试了 Barra 年度加权平均波动率（dastd_barra）、Barra 年度波动率（cmra_barra）、Barra 特质波动率（hsigma_barra）、Barra 贝塔系数（beta_barra）、月度波动率（yieldvol_1）、季度波动率（yieldvol_3）、半年度波动率（yieldvol_6）、月度成交量收益率（VOL_1）、季度成交量收益率（VOL_3）、半年度成交量收益率（VOL_6）和年度成交量收益率（VOL_12）共 11 个指标。从因子收益上来看，各波动率因子的收益均值均为负，半数左右的因子收益均值t 值低于-2，说明钢铁行业中波动率水平较低的公司整体上能获得一定的超额收益。其中，dastd_barra、VOL_1、VOL_3、VOL_6 和 VOL_12 的收益均值 t 值小于-2，显著性水平较高。从多空收益上来看，dastd_barra、VOL_1、VOL_3的多空收益均值相对较高，均超过 1。综合考虑，波动率因子选择 dastd_barra、VOL_1、VOL_3 三个小类因子。波动率因子样本期内整体表现也相对较好，主要的失效期是 2014 年底和 2017年 6 月至今，样本期内整体来看动量因子表现与行业发展状况之间同样没有明显的规律可循。金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 14 of 23 表表 7：波动率因子的单因子检验结果：波动率因子的单因子检验结果 因子收因子收益均值益均值 因子收因子收益益 t 值值 因子收因子收益益0概概率率 IC 平均平均值值 ICIR 多空收多空收益均值益均值 多空收多空收益益0概概率率 多空净多空净值最大值最大回撤回撤 dastd_barra-0.69-2.80 0.33-0.07-0.28 1.15 0.64-0.37 cmra_barra-0.11-0.54 0.45 0.01 0.06 0.16 0.53-0.33 hsigma_barra-0.25-0.92 0.44-0.06-0.23 0.36 0.56-0.28 beta_barra 0.21 0.83 0.47 0.00 0.00 0.54 0.48-0.38 yieldvol_1-0.17-0.76 0.43-0.05-0.21 0.23 0.54-0.34 yieldvol_3-0.05-0.20 0.49-0.05-0.18 0.28 0.55-0.29 yieldvol_6-0.03-0.14 0.49-0.04-0.12-0.01 0.54-0.38 VOL_1-0.80-3.34 0.34-0.09-0.39 1.38 0.61-0.27 VOL_3-0.70-2.70 0.33-0.08-0.31 1.23 0.66-0.38 VOL_6-0.55-2.22 0.35-0.05-0.21 0.87 0.63-0.42 VOL_12-0.53-2.18 0.35-0.05-0.22 0.86 0.64-0.33 资料来源：Wind，渤海证券研究所 图图 5：波动率因子多空：波动率因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 2.1.6 流动性因子流动性因子 流动性因子我们测试了 Barra 月度流动性指标（STOM_Barra）、Barra 季度流动性指标（STOQ_Barra）、Barra 年度流动性指标（STOA_Barra）、月度平均换手率（STOM）、季度平均换手率（STOQ）、半年平均换手率（STOS）、年度平均换手率（STOA）、月度换手率变化（MSM）、季度换手率变化（MSQ）、半年换手率变化（MSS）共十个指标。金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 15 of 23 从因子收益上来看，各流动性因子因子收益均值多数在 0 值附近，并且显著性水平普遍较低，说明钢铁行业中流动性因子选股获取超额收益的能力较弱。从多空收益上来看，MSS 多空收益均值最高，且多空收益大于 0 的概率明显超过 50%。综合考虑，流动性因子选择 MSS 一个小类因子，即钢铁行业内半年换手率明显改善的公司整体可以获得超额收益。流动性因子整体表现与其他因子相比有一定差距 表表 8：流动性因子的单因子检验结果：流动性因子的单因子检验结果 因子因子收收益均值益均值 因子收因子收益益 t 值值 因子收因子收益益0概概率率 IC 平均平均值值 ICIR 多空收多空收益均值益均值 多空收多空收益益0概概率率 多空净多空净值最大值最大回撤回撤 STOM_Barra-0.20-0.87 0.50-0.04-0.14 0.17 0.50-0.34 STOQ_Barra 0.06 0.25 0.52-0.01-0.05 0.49 0.50-0.23 STOA_Barra-0.11-0.44 0.50-0.01-0.05-0.35 0.47-0.55 STOM-0.20-0.87 0.50-0.04-0.14 0.17 0.50-0.34 STOQ-0.03-0.11 0.52-0.02-0.08-0.36 0.49-0.51 STOS-0.02-0.09 0.49-0.01-0.04 0.47 0.50-0.26 STOA-0.12-0.50 0.51-0.01-0.05-0.24 0.48-0.49 MSM-0.32-1.43 0.39-0.05-0.20 0.29 0.51-0.30 MSQ 0.02 0.08 0.50-0.03-0.11 0.02 0.50-0.31 MSS 0.20 0.99 0.53-0.01-0.04 0.49 0.56-0.19 资料来源：Wind，渤海证券研究所 图图 6：流动性因子多空：流动性因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 2.1.7 市值因子市值因子 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 16 of 23 市值因子我们测试了 Barra 总市值（LNCAP_barra）和 Barra 中等市值（nonlinearsize_barra）共两个指标。从因子收益上来看，总市值因子收益为负，中等市值因子因处理方法的不同，因子收益为正，不过二者因子收益 t 值的绝对值均超过 2，显著性水平较高，说明钢铁行业内小市值的公司整体上能获得一定的超额收益。从多空收益上来看，这两个指标的多空收益均值相对较高，接近于 1。综合考虑，市值因子同时选择LNCAP_barra 和 nonlinearsize_barra 两个小类因子。市值因子样本期内整体表现也相对较好，主要的失效期是 2014 年底和 2017 年 6月至今，样本期内整体来看市值因子表现与行业发展状况之间没有明显的规律可循。表表 9：市值因子的单因子检验结果：市值因子的单因子检验结果 因子收因子收益均值益均值 因子收因子收益益 t 值值 因子收因子收益益0概概率率 IC 平均平均值值 ICIR 多空收多空收益均值益均值 多空收多空收益益0概概率率 多空净多空净值最大值最大回撤回撤 LNCAP_barra-1.00-2.69 0.38-0.08-0.36 0.86 0.57-0.32 nonlinearsize_barra 0.49 2.35 0.61 0.07 0.32 0.78 0.56-0.25 资料来源：Wind，渤海证券研究所 图图 7：市值因子多空：市值因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 17 of 23 2.2 多因子选股模型多因子选股模型 本小节我们将综合上节选取的有效因子，构建钢铁行业的多因子选股模型。首先将小类因子等权合并成大类因子，同样在截面数据上根据因子值统计前 30%和后 30%股票的次月收益率均值差作为多空收益，并通过多空累计净值观察各大类因子在历史上的表现情况。通过对比可以发现不同时期有效的因子不尽相同，因此将多个因子结合进行选股可能获得更为稳定的结果。图图 8：各大类因子多空：各大类因子多空累计累计净值图净值图 资料来源：Wind，渤海证券研究所 表表 10：各大类因子各年度多空收益率统计：各大类因子各年度多空收益率统计 估值估值 盈利盈利 成长成长 动量动量 波动率波动率 流动性流动性 市值市值 2010 1.4%13.1%8.7%15.7%18.0%-5.4%19.7%2011 1.7%1.3%8.2%-4.9%22.0%-2.5%-4.5%2012-0.6%-7.3%18.5%33.0%2.0%3.3%11.2%2013 7.4%5.0%23.1%9.9%12.1%8.2%14.9%2014 9.0%15.2%17.6%-5.4%-8.8%25.0%-26.0%2015-23.4%-11.9%-23.1%32.9%86.0%5.9%64.1%2016 9.2%31.7%15.0%56.2%53.3%2.4%21.3%2017 62.4%82.7%43.6%-4.2%-0.8%-0.7%6.5%2018 39.5%38.3%25.0%15.3%-19.2%2.2%-15.8%资料来源：Wind，渤海证券研究所 金融工程金融工程专题报告专题报告 请务必阅读正文之后的免责声明请务必阅读正文之后的免责声明 18 of 23 因子正交因子正交 多因子选股采用传统的线性回归模型，合成之后的大类间因子如表现出较高相关性，会出现多重共线性的问题，模型会失真或难以估计准确，所以在建立收益预测模型之前，我们使用因子正交的方法，将相关性较高的因子之一相对另一因子做回归，取回归残差项进行标准化处理后代替因子值。通过这各大类因子间相关系数均值统计可以看出，估值因子、盈利因子、成长因子三者之间的相关性较高，波动率因子和市值因子之间的相关性较高，因此，我们将估值因子和成长因子相对盈利因子做正交，波动率因子相对市值因子做正交，得到最终的因子池。表表 11：各大类因子间相关系数均值统计：各大类因子间相关系数均值统计 估值估值 盈利盈利 成长成长 动量动量 波动率波动率 流动性流动性 市值市值 估值估值 1.00 0.59