因子深度研究系列：因子衰减在多因子选股中的应用-20190328-中信建投-27页.pdf

请参阅最后一页的重要声明 证券证券研究报告研究报告金融金融工程工程深度报告深度报告 因子衰减在多因子选股中的应用因子衰减在多因子选股中的应用：因子因子深度深度研究研究系列系列 主要结论主要结论 本文概述本文概述 本文主要介绍因子的衰减在多因子选股中的应用。主要包括因子半衰期定义、单因子衰减分析、多因子横截面 IC、IC_IR 半衰期加权方法和单因子时间序列最大化复合 IC_IR 加权方法的深入研究。发现不管是在横截面上做 IC、IC_IR 半衰期加权，还是单因子的时间序列加权上，单因子的半衰期 H_Factor 均为多因子权重求解的一个稳健最优参数。单因子单因子衰减衰减分析分析 从单因子衰减分析可知大部分因子的 IC 衰减速度较快，所以在做因子 IC 加权时理应对因子近期的 IC 给与更大的权重分配，这样才能更好地适应市场短期的变化。这里，我们引入半衰期权重来衡量其影响。半衰期权重可以定义为，给定一个半衰期，每隔期 IC 的权重值会以指数下降的方式降低一半 因子因子 IC/IC_IR 半衰期加权半衰期加权方法方法 经过测试，在对大部分不同类型但衰减速度相同的因子做多因子 IC或 IC_IR 半衰期加权时，半衰期参数等于因子本身的半衰期 H_Factor 时，组合的表现可以达到最好或者接近最好。例如我们在对两个半衰期均为 4的成长因子“单季度营业利润同比增长率”和“单季度营业收入同比增长率”做 IC 半衰期加权时，半衰期参数等于 4 时，组合的表现在所有加权方法里可以达到最好。IC_IR 从等权组合的 0.47 提升到 0.55，第一分位组合年化超额收益从等权组合的 12.73%提升到 14.16%。时间序列时间序列因子因子值加权值加权方法方法（采用（采用最大化复合最大化复合 IC_IR 加权方法加权方法）我们利用复合因子 IC_IR 最大化的方法搭建了一套基于单个因子不同历史期限暴露值的时间序列加权方法，发现利用历史因子值进行加权的效果总体上比仅用当期因子值要好，当历史样本期 T 等于因子的半衰期H_Factor 时，效果最佳。例如 EP_TTM 因子，我们利用过去 3 期的因子值进行最大化复合因子 IC_IR 加权的效果最好，复合因子的 IC 达到 6.64%，相比仅用当期因子的 IC 值（4.99%）提升较大，IC_IR 达到 1.04，而第一分位组合年化超额收益达到 18%，相比仅用当期因子的超额收益（8.68%）有将近 10%的年化超额收益提升。IC 半衰期加权多因子组合半衰期加权多因子组合 我们构建一个动态 IC 半衰期加权方法多因子组合，组合方法按因子半衰期分类，大类因子间等权，大类因子内按照因子 IC 半衰期加权（即半衰期参数取各因子本身的半衰期 H_Factor），每期选择因子打分排名前100 的股票作为投资组合。组合收益在所有加权方法里面表现最优，最近十年的累计超额收益达到 727%，年化超额收益 23.52%，夏普比率为 2.08，除了 2017 年市场风格比较极端跑输指数之外，其余年份都能够取得超过10%的超额收益。金融金融工程研究工程研究 。丁鲁明丁鲁明 021-68821623 执业证书编号：S1440515020001 研究助理研究助理 陈升锐陈升锐 chenshengrui 021-68821600 发布日期：2019 年 3 月 28 日 相关研究报告相关研究报告 table_report 19.01.15 因子深度研究系列：市值因子择时 18.08.29 因子深度研究系列：Barra 风险模型介绍及与中信建投选股体系的比较 18.08.23 技术形态选股研究之黎明曙光：深跌反转形态 18.08.07 量化基本面选股：从逻辑到模型，航空 业投资方法探讨 18.08.02 从相关关系到指数增强谈 IC 系数与股票权重的联系 18.06.08 因子深度研究系列：宏观变量控制下的有效因子轮动 18.05.18 因子深度研究系列：特质波动率纯因子在 A 股的实证与研究 1 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 目录目录 一、因子信息衰减和因子 IC 半衰期的定义.3 1.1、因子信息衰减.3 1.2、因子 IC 的时间衰减.3 二、单因子衰减分析.4 2.1、单因子衰减分析（价值因子 EP_TTM）.4 2.2、单因子衰减分析（价值因子 BP_LYR）.4 2.3、单因子衰减分析（成长因子 SaleEarnings_SQ_YoY）.5 2.4、单因子衰减分析（质量因子 ROE_TTM）.5 2.5、单因子衰减分析（动量/反转因子 Momentum_1m）.6 2.6、单因子衰减分析（情绪因子 GrowthProfit_FY1_3M）.7 2.7、单因子衰减分析（技术因子 TurnoverAvg1M）.7 2.8、单因子衰减分析（技术因子 Volatility1M）.8 2.9、单因子衰减分析（单因子 IC 半衰期汇总）.8 2.10、单因子衰减分析（单因子 IC_IR 半衰期汇总）.9 三、IC 半衰期加权方法.10 3.1、IC 半衰期加权方法介绍.10 3.2、IC 半衰期加权方法（成长因子合成）.12 3.3、IC 半衰期加权方法（反转因子合成）.12 3.4、IC 半衰期加权方法（价值因子合成）.13 3.5、IC 半衰期加权方法（不同类型因子合成）.13 3.6、IC 半衰期加权方法（不同指数样本池的因子合成效果）.15 四、IC_IR 半衰期加权方法.16 五、单因子时间序列衰减加权方法.18 5.1、单因子时间序列衰减加权方法（EP_TTM 各期因子等权）.18 5.2、单因子时间序列衰减加权方法（最大化复合因子 IC_IR 加权方法介绍）.19 六、动态 IC 半衰期加权多因子组合展示.22 七、总结和思考.24 图表图表目录目录 图 1：EP_TTM 因子衰减图 1.4 图 2：EP_TTM 因子衰减图 2.4 图 3：BP_LYR 因子衰减图 1.5 图 4：BP_LYR 因子衰减图 2.5 图 5：SaleEarnings_SQ_YoY 因子衰减图 1.5 图 6：SaleEarnings_SQ_YoY 因子衰减图 2.5 图 7：ROE_TTM 因子衰减图 1.6 图 8：ROE_TTM 因子衰减图 2.6 图 9：Momentum_1m 因子衰减图 1.6 图 10：Momentum_1m 因子衰减图 2.6 图 11：GrowthProfit_FY1_3M 因子衰减图 1.7 2 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 图 12：GrowthProfit_FY1_3M 因子衰减图 2.7 图 13：TurnoverAvg1M 因子衰减图 1.7 图 14：TurnoverAvg1M 因子衰减图 2.7 图 15：Volatility1M 因子衰减图 1.8 图 16：Volatility1M 因子衰减图 2.8 图 17：半衰期=2，序列长度=12 的各期 IC 权重序列 1.10 图 18：半衰期=2，序列长度=12 的各期 IC 权重序列 2.10 图 19：半衰期=2，序列长度=24 的各期 IC 权重序列 1.11 图 20：半衰期=2，序列长度=24 的各期 IC 权重序列 2.11 图 21：不同类型（相同半衰期）因子 IC 加权方法 IC 均值图.14 图 22：不同类型因子 IC 加权方法第一分位超额收益图.14 图 23：不同类型因子 IC_IR 加权方法 IC 均值图.18 图 24：不同类型因子 IC_IR 加权方法第一分位超额收益图.18 图 25：EP_TTM 最大化复合因子 IC_IR 加权方法 IC 均值图.21 图 26：EP_TTM 最大化复合因子 IC_IR 加权方法第一分位超额收益图.21 表 1：单因子 IC 半衰期汇总（标红色为 IC 显著的因子（IC 绝对值大于等于 0.02）.9 表 2：单因子 IC_IR 半衰期汇总（标红色为 IC 显著的因子（IC 绝对值大于等于 0.02）.9 表 3：不同 IC 样本序列长度 N 对反转因子 IC 半衰期加权的权重影响.11 表 4：成长因子 IC 半衰期加权方法对比.12 表 5：反转因子 IC 半衰期加权方法对比.13 表 6：价值因子 IC 半衰期加权方法对比.13 表 7：不同类型（相同半衰期）因子 IC 半衰期加权方法对比.14 表 8：IC 半衰期加权方法对比(反转因子在沪深 300 指数样本池的合成).15 表 9：IC 半衰期加权方法对比(反转因子在中证 500 指数样本池的合成).15 表 10：成长因子 IC_IR 半衰期加权方法对比.16 表 11：反转因子 IC_IR 半衰期加权方法对比.17 表 12：不同类型（相同半衰期）因子 IC_IR 半衰期加权方法对比.17 表 13：单因子时间序列衰减加权方法（EP_TTM 各期因子等权）.19 表 14：单因子时间序列衰减加权方法（EP_TTM 各期因子最大化复合因子 IC_IR 加权）.20 表 15：单因子时间序列衰减加权方法（中证 500 样本内 EP_TTM 各期因子最大化复合因子 IC_IR 加权）.21 表 16：各因子相关信息.22 表 17：各因子加权方法超额收益对比.23 表 18：动态 IC 半衰期加权多因子组合各年度超额收益统计.23 表 19：动态 IC 半衰期加权多因子组合累计超额收益净值.23 3 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 一、一、因子信息衰减和因子因子信息衰减和因子 ICIC 半衰期的定义半衰期的定义 1.1、因子信息衰减因子信息衰减 信息具有其时效性，对于选股因子而言，每个股票在其之上的暴露程度便是投资者所观察到的“信息”，该信息同样具有时效性，一般情况下，随着时间的滞后，信息的价值将逐步下降。1.2、因子因子 IC 的时间衰减的时间衰减 因子因子 IC 的时间衰减的时间衰减是被提及最多的一个因子衰减概念，用以衡量一个因子对未来的预测能力能持续多久。当一个指标时间衰减过快时，可能会导致组合较高的换手，交易成本会大幅侵蚀模型的盈利能力。通过计算当期（t）因子值和滞后 n 期的收益率，我们可以得到 IC 的时间序列：可以简单的用 IC 半衰期来衡量 IC 时间衰减的快慢，由于我们这边主要是以月频来计算因子的 IC，因此 IC半衰期可定义为月度 IC 第一次下降到一半或一半以下所用的时间。同理，我们也可以计算 IC_IR 的半衰期和衰减速度。4 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 二、二、单因子衰减分析单因子衰减分析 下面我们选取 A 股市场中常见的 28 个选股因子进行单因子衰减分析，分别求出 IC 和 IC_IR 的半衰期。因子类别划分为价值、成长、质量、反转、情绪（一致预期）和技术因子，最后每个类别选取 1-2 个有代表性的因子进行展示。回测时间：最近 10 年（2008 年 12 月-2018 年 12 月）样本池：全市场（后面单因子衰减分析的 PPT 均为全市场）、沪深 300、中证 500 样本内分别做测试 股票筛选：每月底剔除停牌、一字板、上市未满半年和 ST 股票，月频调仓 因子处理：极值处理（剔除 3 倍标准差之外的样本）、缺失值处理（直接剔除）、中性化处理（因子标准化值对流通市值对数标准化值和中信一级行业哑变量进行回归的残差）最大衰减期数选择：10 期 2.1、单因子衰减分析（单因子衰减分析（价值因子价值因子 EP_TTM）我们首先看看价值因子 EP_TTM 的衰减情况。EP_TTM 因子的当期（即衰减 0 期）IC 为 0.046，衰减 3 期的IC 为 0.02，第一次低于当期 IC 的一半，因此我们定义 EP_TTM 因子的半衰期为 3。图 1：EP_TTM 因子衰减图 1 图 2：EP_TTM 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 2.2、单因子衰减分析（单因子衰减分析（价值因子价值因子 BP_LYR）我们再看看价值因子 BP_LYR 的衰减情况。同理 BP_LYR 因子的当期（即衰减 0 期）IC 为 0.046，衰减 3 期的IC 为 0.02，第一次低于当期 IC 的一半，因此我们定义 BP_LYR 因子的半衰期为 3。IC均值IC均值IRIR衰减0期衰减0期0.0460.580衰减1期衰减1期0.0300.398衰减2期衰减2期0.0250.331衰减3期衰减3期0.0200.276衰减4期衰减4期0.0190.268衰减5期衰减5期0.0190.270衰减6期衰减6期0.0200.280衰减7期衰减7期0.0210.294衰减8期衰减8期0.0220.310衰减9期衰减9期0.0210.285衰减10期衰减10期0.0210.3010.0000.0050.0100.0150.0200.0250.0300.0350.0400.0450.050012345678910IC衰减图 5 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 图 3：BP_LYR 因子衰减图 1 图 4：BP_LYR 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 2.3、单因子衰减分析（单因子衰减分析（成长因子成长因子 SaleEarnings_SQ_YoY）我们再看看成长因子的表现情况，我这边选取了单季度营业利润同比增长率 SaleEarnings_SQ_YoY 因子，其半衰期为 4 期。图 5：SaleEarnings_SQ_YoY 因子衰减图 1 图 6：SaleEarnings_SQ_YoY 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 2.4、单因子衰减分析（单因子衰减分析（质量质量因子因子 ROE_TTM）IC均值IC均值IRIR衰减0期衰减0期0.0460.476衰减1期衰减1期0.0300.310衰减2期衰减2期0.0240.248衰减3期衰减3期0.0200.210衰减4期衰减4期0.0200.211衰减5期衰减5期0.0180.202衰减6期衰减6期0.0180.202衰减7期衰减7期0.0160.194衰减8期衰减8期0.0170.210衰减9期衰减9期0.0180.219衰减10期衰减10期0.0170.2080.0000.0050.0100.0150.0200.0250.0300.0350.0400.0450.050012345678910IC衰减图IC均值IC均值IRIR衰减0期衰减0期0.0250.488衰减1期衰减1期0.0190.363衰减2期衰减2期0.0130.249衰减3期衰减3期0.0130.252衰减4期衰减4期0.0100.199衰减5期衰减5期0.0060.125衰减6期衰减6期0.0070.140衰减7期衰减7期0.0060.131衰减8期衰减8期0.0040.093衰减9期衰减9期0.0030.058衰减10期衰减10期0.0010.0220.0000.0050.0100.0150.0200.0250.030012345678910IC衰减图 6 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 质量因子选取了 ROE_TTM 因子，其半衰期为 4 期。图 7：ROE_TTM 因子衰减图 1 图 8：ROE_TTM 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 2.5、单因子衰减分析（单因子衰减分析（动量动量/反转因子反转因子 Momentum_1m）动量/反转因子选取了一个月收益率 Momentum_1m 因子，这个因子比较特别，当期 IC 为非常明显的负向因子，高达-0.069，而衰减 1 期的 IC 均值已经下降到-0.014，因此其半衰期可能远小于 1 个月，但我们这边的分析都基于月频，因此把其半衰期定义为 1 期。图 9：Momentum_1m 因子衰减图 1 图 10：Momentum_1m 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 IC均值IC均值IRIR衰减0期衰减0期0.0200.249衰减1期衰减1期0.0150.187衰减2期衰减2期0.0110.142衰减3期衰减3期0.0110.144衰减4期衰减4期0.0100.130衰减5期衰减5期0.0090.124衰减6期衰减6期0.0110.149衰减7期衰减7期0.0100.136衰减8期衰减8期0.0110.158衰减9期衰减9期0.0100.148衰减10期衰减10期0.0090.1330.0000.0050.0100.0150.0200.025012345678910IC衰减图IC均值IC均值IRIR衰减0期衰减0期-0.069-0.711衰减1期衰减1期-0.014-0.165衰减2期衰减2期-0.007-0.092衰减3期衰减3期0.0130.179衰减4期衰减4期0.0020.023衰减5期衰减5期0.0110.159衰减6期衰减6期0.0070.113衰减7期衰减7期0.0100.152衰减8期衰减8期0.0070.118衰减9期衰减9期-0.008-0.123衰减10期衰减10期0.0070.135-0.080-0.070-0.060-0.050-0.040-0.030-0.020-0.0100.0000.0100.020012345678910IC衰减图 7 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 2.6、单因子衰减分析（单因子衰减分析（情绪因子情绪因子 GrowthProfit_FY1_3M）情绪（一致预期）因子选取了 GrowthProfit_FY1_3M 因子，计算公式为（预测净利润 FY1/预测净利润 FY1_三月前-1），其半衰期为 2 期。图 11：GrowthProfit_FY1_3M 因子衰减图 1 图 12：GrowthProfit_FY1_3M 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 2.7、单因子衰减分析（单因子衰减分析（技术技术因子因子 TurnoverAvg1M）技术因子选取了过去一个月日均换手率 TurnoverAvg1M 因子，其半衰期为 3 期。图 13：TurnoverAvg1M 因子衰减图 1 图 14：TurnoverAvg1M 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 IC均值IC均值IRIR衰减0期衰减0期0.0340.707衰减1期衰减1期0.0250.467衰减2期衰减2期0.0170.308衰减3期衰减3期0.0140.261衰减4期衰减4期0.0120.234衰减5期衰减5期0.0080.169衰减6期衰减6期0.0050.114衰减7期衰减7期0.0070.158衰减8期衰减8期0.0000.001衰减9期衰减9期0.0000.003衰减10期衰减10期-0.003-0.057-0.0050.0000.0050.0100.0150.0200.0250.0300.0350.040012345678910IC衰减图IC均值IC均值IRIR衰减0期衰减0期-0.077-0.843衰减1期衰减1期-0.041-0.483衰减2期衰减2期-0.032-0.393衰减3期衰减3期-0.030-0.391衰减4期衰减4期-0.028-0.381衰减5期衰减5期-0.026-0.371衰减6期衰减6期-0.024-0.358衰减7期衰减7期-0.021-0.316衰减8期衰减8期-0.020-0.303衰减9期衰减9期-0.020-0.343衰减10期衰减10期-0.020-0.336-0.090-0.080-0.070-0.060-0.050-0.040-0.030-0.020-0.0100.000012345678910IC衰减图 8 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 2.8、单因子衰减分析（单因子衰减分析（技术技术因子因子 Volatility1M）另外一个技术因子选取了过去一个月日收益波动率 Volatility1M 因子，其半衰期为 3 期。图 15：Volatility1M 因子衰减图 1 图 16：Volatility1M 因子衰减图 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 2.9、单因子衰减分析（单因子衰减分析（单因子单因子 IC 半衰期汇总半衰期汇总）我们把常用的 28 个选股因子的 IC 半衰期做一个汇总，这边按照全市场、沪深 300 指数样本池和中证 500指数样本池分别进行测试，标红色为 IC 显著（即 IC 绝对值大于等于 0.02）的因子，由于测试中的最大衰减期数选择为 10 期，因此半衰期大于 10 期的统一写为10。IC均值IC均值IRIR衰减0期衰减0期-0.064-0.554衰减1期衰减1期-0.042-0.399衰减2期衰减2期-0.038-0.359衰减3期衰减3期-0.031-0.329衰减4期衰减4期-0.023-0.240衰减5期衰减5期-0.031-0.355衰减6期衰减6期-0.026-0.293衰减7期衰减7期-0.024-0.289衰减8期衰减8期-0.026-0.346衰减9期衰减9期-0.026-0.349衰减10期衰减10期-0.021-0.298-0.070-0.060-0.050-0.040-0.030-0.020-0.0100.000012345678910IC衰减图 9 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 表 1：单因子 IC 半衰期汇总（标红色为 IC 显著的因子（IC 绝对值大于等于 0.02）数据来源：wind、中信建投证券研究发展部 2.10、单因子衰减分析（单因子衰减分析（单因子单因子 IC_IR 半衰期汇总半衰期汇总）同理，28 个选股因子的 IC_IR 半衰期的汇总如下，即因子 IC_IR 第一次下降到一半或一半以下所用的时间：表 2：单因子 IC_IR 半衰期汇总（标红色为 IC 显著的因子（IC 绝对值大于等于 0.02）数据来源：wind、中信建投证券研究发展部 因子类别因子名称因子描述全样本因子名称沪深300因子名称中证500价值EP_TTM1/市盈率PE(TTM)3EP_TTM7EP_TTM3价值BP_LYR1/PB_LYR3BP_LYR3BP_LYR3价值CashFlowYield_TTM经营活动产生的现金流量净额_TTM/总市值9CashFlowYield_TTM3CashFlowYield_TTM10成长SaleEarnings_SQ_YoY单季度营业利润同比增长率4SaleEarnings_SQ_YoY1SaleEarnings_SQ_YoY5成长Earnings_SQ_YoY单季度净利润同比增长率5Earnings_SQ_YoY3Earnings_SQ_YoY1成长Sales_SQ_YoY单季度营业收入同比增长率4Sales_SQ_YoY9Sales_SQ_YoY5成长Earnings_LTG净利润过去3年历史增长率5Earnings_LTG3Earnings_LTG成长ROE_SQ_YoYROE_单季度/ROE_单季度_一年前-16ROE_SQ_YoY2ROE_SQ_YoY成长GrossMargin_SQ_YoY毛利率_单季度/毛利率_单季度_一年前-12GrossMargin_SQ_YoY9GrossMargin_SQ_YoY质量ROE_TTM净利润_TTM/股东权益合计_最新财报4ROE_TTM6ROE_TTM10质量ROA_TTM净利润_TTM/资产总计_最新财报10ROA_TTM10ROA_TTM10质量GrossMargin_TTM(营业收入_TTM-营业成本_TTM)/营业收入_TTM10GrossMargin_TTMGrossMargin_TTM质量Debt2Equity_LR负债合计_最新财报/股东权益合计_最新财报2Debt2Equity_LRDebt2Equity_LR质量CurrentRatio流动资产合计_最新财报/流动负债合计_最新财报6CurrentRatioCurrentRatio质量Berry_Ratio(营业收入_TTM-营业成本_TTM)/销售费用_TTM10Berry_Ratio1Berry_Ratio反转Momentum_1m复权收盘价/复权收盘价_一个月前-11Momentum_1m1Momentum_1m1反转Momentum_3m复权收盘价/复权收盘价_三个月前-11Momentum_3m1Momentum_3m1反转Momentum_6m复权收盘价/复权收盘价_六个月前-11Momentum_6m1Momentum_6m1反转Momentum_12m复权收盘价/复权收盘价_十二个月前-11Momentum_12m1Momentum_12m1反转Momentum_24m复权收盘价/复权收盘价_二十四个月前-11Momentum_24m1Momentum_24m1情绪GrowthProfit_FY1_3M预测净利润FY1/预测净利润FY1_三月前-12GrowthProfit_FY1_3M3GrowthProfit_FY1_3M3情绪RatingAvg经过行业、市值、Beta、BP调整的分析师综合评级3RatingAvg5RatingAvg3技术LnFloatCap流通市值的自然对数10LnFloatCap6LnFloatCap3技术AmountAvg_1M过去一个月日均成交额1AmountAvg_1M10AmountAvg_1M3技术TurnoverAvg1M过去一个月日均换手率3TurnoverAvg1M2TurnoverAvg1M2技术TurnoverAvg3M过去三个月日均换手率4TurnoverAvg3M10TurnoverAvg3M5技术Volatility1M过去一个月日收益波动率3Volatility1M4Volatility1M4技术Volatility3M过去三个月日收益波动率8Volatility3M10Volatility3M9因子类别因子名称因子描述全样本因子名称沪深300因子名称中证500价值EP_TTM1/市盈率PE(TTM)3EP_TTM7EP_TTM3价值BP_LYR1/PB_LYR3BP_LYR3BP_LYR3价值CashFlowYield_TTM经营活动产生的现金流量净额_TTM/总市值5CashFlowYield_TTM3CashFlowYield_TTM8成长SaleEarnings_SQ_YoY单季度营业利润同比增长率4SaleEarnings_SQ_YoY1SaleEarnings_SQ_YoY2成长Earnings_SQ_YoY单季度净利润同比增长率5Earnings_SQ_YoY3Earnings_SQ_YoY1成长Sales_SQ_YoY单季度营业收入同比增长率4Sales_SQ_YoY9Sales_SQ_YoY5成长Earnings_LTG净利润过去3年历史增长率5Earnings_LTG3Earnings_LTG成长ROE_SQ_YoYROE_单季度/ROE_单季度_一年前-16ROE_SQ_YoY2ROE_SQ_YoY成长GrossMargin_SQ_YoY毛利率_单季度/毛利率_单季度_一年前-12GrossMargin_SQ_YoY4GrossMargin_SQ_YoY质量ROE_TTM净利润_TTM/股东权益合计_最新财报5ROE_TTM6ROE_TTM10质量ROA_TTM净利润_TTM/资产总计_最新财报10ROA_TTM10ROA_TTM10质量GrossMargin_TTM(营业收入_TTM-营业成本_TTM)/营业收入_TTM10GrossMargin_TTMGrossMargin_TTM质量Debt2Equity_LR负债合计_最新财报/股东权益合计_最新财报2Debt2Equity_LRDebt2Equity_LR质量CurrentRatio流动资产合计_最新财报/流动负债合计_最新财报7CurrentRatioCurrentRatio质量Berry_Ratio(营业收入_TTM-营业成本_TTM)/销售费用_TTM10Berry_Ratio1Berry_Ratio反转Momentum_1m复权收盘价/复权收盘价_一个月前-11Momentum_1m1Momentum_1m1反转Momentum_3m复权收盘价/复权收盘价_三个月前-11Momentum_3m1Momentum_3m1反转Momentum_6m复权收盘价/复权收盘价_六个月前-11Momentum_6m1Momentum_6m1反转Momentum_12m复权收盘价/复权收盘价_十二个月前-11Momentum_12m1Momentum_12m1反转Momentum_24m复权收盘价/复权收盘价_二十四个月前-11Momentum_24m1Momentum_24m3情绪GrowthProfit_FY1_3M预测净利润FY1/预测净利润FY1_三月前-12GrowthProfit_FY1_3M3GrowthProfit_FY1_3M3情绪RatingAvg经过行业、市值、Beta、BP调整的分析师综合评级3RatingAvg5RatingAvg2技术LnFloatCap流通市值的自然对数10LnFloatCap10LnFloatCap10技术AmountAvg_1M过去一个月日均成交额1AmountAvg_1M10AmountAvg_1M3技术TurnoverAvg1M过去一个月日均换手率3TurnoverAvg1M2TurnoverAvg1M3技术TurnoverAvg3M过去三个月日均换手率7TurnoverAvg3M10TurnoverAvg3M6技术Volatility1M过去一个月日收益波动率4Volatility1M4Volatility1M10技术Volatility3M过去三个月日收益波动率10Volatility3M10Volatility3M10 10 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 三三、ICIC 半衰期加权方法半衰期加权方法 3.1、IC 半衰期加权方法半衰期加权方法介绍介绍 2017 年以来，市场风格切换迅速，传统的市值、反转等因子都纷纷失效，基于长期 IC 均值（一般采用因子最近 12 个月或 24 个月的 IC 均值进行加权）或 IC_IR 均值等方式进行加权的多因子构建方式不能适应短期多变的市场，大部分都产生了较大的回撤。为此，我们需要对不同的选股因子在不同样本池的衰减速度进行分析，以做到因子加权时灵活配置因子权重，以适应复杂多变的市场。一般采用的 IC 均值加权方式相当于为对过去每期的因子 IC 等权分配权重，假定因子 i 过去 期的因子 IC向量=(1,1,)，则因子 i 的当期权重为：=1 1+2 2+=，其中，=1 从前面的单因子衰减分析可知大部分因子的 IC 衰减速度较快，所以在做因子 IC 加权时理应对因子近期的 IC给与更大的权重分配，这样才能更好地适应市场短期的变化。这里，我们引入半衰期权重来衡量其影响。半衰期权重可以定义为，给定一个半衰期，每隔期 IC 的权重值会以指数下降的方式降低一半。即给定半衰期，IC 序列长度，则半衰期权重向量=(1,2,)，其中，满足。下面，我们看下半衰期=2，序列长度=12 时的各期 IC 权重值序列：图 17：半衰期=2，序列长度=12 的各期 IC 权重序列 1 图 18：半衰期=2，序列长度=12 的各期 IC 权重序列 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 再看下半衰期=2，序列长度=24 时的各期 IC 权重值序列：各期IC权重IC10.298IC20.210IC30.149IC40.105IC50.074IC60.053IC70.037IC80.026IC90.019IC100.013IC110.009IC120.0070.0000.0500.1000.1500.2000.2500.3000.350IC1IC2IC3IC4IC5IC6IC7IC8IC9IC10IC11IC12各期IC权重 11 金融金融工程工程研究研究 金融工程深度报告 请参阅最后一页的重要声明 图 19：半衰期=2，序列长度=24 的各期 IC 权重序列 1 图 20：半衰期=2，序列长度=24 的各期 IC 权重序列 2 数据来源：wind、中信建投证券研究发展部 数据来源：wind、中信建投证券研究发展部 从上面两个不同序列长度的各期 IC 权重序列可以看出，前 5 大 IC 权重占比均接近 85%，前 10 大权重占比接近 98%，因此序列长度 N 取 12 或 24 对最终的因子 IC 合成权重影响不大。我们再看一个具体实例，对两个反转因子 Momentum_1m(1 个月反转)和 Momentum_3m(3 个月反转)做 IC半衰期加权时，我们分别选取不同的 IC 样本序列长度 N，发现 N 从 5 开始一直到 100，两个选股因子的最终权重变化较小，因此序列长度 N 对因子的最终权重影响较小，影响程度几乎可以忽略，我们在之后的实证中主要关注半衰期参数的选取：表 3：不同 IC 样本序列长度 N 对反转因子 IC 半衰期加权的权重影响 数据来源：wind、中信建投证券研究发展部 通过前面分析，在做多因子 IC 半衰期加权时，半衰期参数的选取最为重要。而我们在第二节单因子衰减速度的研究中发现不同样本池和不同因子类别的因子衰减速度有较大差异（即单因子的半衰期 H_Factor 有较大不同）。因此从逻辑上出发，在做因子 IC 半衰期加权时，我们首先需要对相同种类或者相同衰减速度的因子进行合并归类，而不是对所有因子同时做加权处理。但是对于相同类型或相同衰减速度的因子怎样进行合并呢？下面，我们有个想法，是否具有相同衰减速度的同类型因子在做 IC 半衰期加权时，半衰期参数取因子本身的半衰期 H_Factor 时，组合的最终表现较好？各期IC权重IC10.2930IC20.2072IC30.1465IC40.1036IC50.0732IC60.0518IC70.0366IC80.0259IC90.0183IC100.0129IC110.0092IC120.0065IC130.0046IC140.0032IC150.0023IC160.0016IC170.0011IC180.0008IC190.0006IC200.0004IC210.0003IC220.0002IC230.0001IC240.00010.00000.05000.10000.15000.20000.25000.30000.3500IC1 IC2 IC3 IC4 IC5 IC6 IC7 IC8 IC9 IC10IC11IC12IC13IC14IC15IC16IC17IC18IC19IC20IC21IC22IC23IC24各期IC权重IC序列长度NMomentum_1mMomentum_3m3-0.125-0.0094-0.114-0.0165-0.088-0.0108-0.086-0.01610-0.086-0.01711-0.087-0.01712-0.087-0.01724-0.086-0.017100-0.086-0.017 12 金融金融工程工程研究研究 金