专题报告：多因子选债和国债期货量化对冲-20190103-东证期货-29页.pdf

国国债债期期货 货 Table_TitleTable_Title 多因子选债和国债期货量化对冲 多因子选债和国债期货量化对冲 Table_RankTable_Rank 报告日期：2019 年 1 月 3 日 报告日期：2019 年 1 月 3 日 Table_SummaryTable_Summary 本文研究并验证了多因子选债的可行性和有效性，结论证明用多因子本文研究并验证了多因子选债的可行性和有效性，结论证明用多因子选债的策略构建选债的策略构建信用债信用债投资组合可以显著跑赢指数，并且在投资组合可以显著跑赢指数，并且在相当一部相当一部分时间分时间内内和全市场公募债券基金相比表现优异。和全市场公募债券基金相比表现优异。本文首先介绍了多因子选债的理论依据和因子检验的方法。验证了六个因子，包括规模因子，资产增速因子，ROE 因子，YTM 因子，动量因子和流动性因子，其中除流动性因子以外，其余五个因子对于全其中除流动性因子以外，其余五个因子对于全样本信用债显著有效。样本信用债显著有效。流动性因子对全样本选债效果不明显，但对于短融显著，方向为负，即流动性越好的债表现越差，对企业债因子收益率 t 检验结果不显著，IC 的 t 检验结果显著，但方向和短融相反。利用验证有效的 5 个因子等权合成综合因子进行选债，用排名前 20%的债券建仓，组合的年化收益率组合的年化收益率 6.67%6.67%，夏普指数，夏普指数 1.61.6，业绩显著，业绩显著优于中债信用债总财富指数。通过蒙特卡洛模拟验证更符合实际优于中债信用债总财富指数。通过蒙特卡洛模拟验证更符合实际的债券产品表现依然明显优于基准指数。的债券产品表现依然明显优于基准指数。对高评级信用债样本进对高评级信用债样本进行选债的结果依然行选债的结果依然优优于指数。于指数。运用蒙特卡洛模拟的平均组合和国债指数按照市场公募债券基金信用债和利率债分别占比进行综合之后得到的模拟债券组合的表现从 20092009 年年 20172017 年年 9 9 年间有年间有 4 4 年排名年排名前前 2 20 0%，7 7 年表现排名市场年表现排名市场前前 50%50%以上。以上。为了得到更加平稳的收益，用国债期货对多因子选债组合进行对冲为了得到更加平稳的收益，用国债期货对多因子选债组合进行对冲以以减弱利率波动对信用债组合的影响减弱利率波动对信用债组合的影响，获取信用溢价部分收益，获取信用溢价部分收益，对冲对冲前后的夏普分别是前后的夏普分别是 2.12.14 4 和和 2.2.7575，年化收益分别是年化收益分别是 6 6.4949%和和 6 6.2323%，最大回撤从最大回撤从 1.871.87%降低到降低到 0.810.81%，收益率从比例上下降了收益率从比例上下降了 4%4%，但，但夏普比率上升了夏普比率上升了 28.528.5%，最大回撤降低了最大回撤降低了 56.756.7%。风险风险提示提示 量化模型失效风险量化模型失效风险 市场极端环境的冲击市场极端环境的冲击 致谢致谢 感谢东方证券研究所金融工程首席分析师朱剑涛老师指导。朱莹 分析师(金融工程)朱莹 分析师(金融工程)从业资格号：F3048185 Tel:8621-63325888-1588 Email: 专题报告 专题报告 1.01.21.41.61.82.02.208-0308-0909-0309-0910-0310-0911-0311-0912-0312-0913-0313-0914-0314-0915-0315-0916-0316-0917-0317-0918-0318-09多因子选债组合中债信用债总财富指数 专题报告 2019-01-03 2 期货研究报告 目录目录 1、因子选债的原理、因子选债的原理.5 2、单因子有效性检验的方法、单因子有效性检验的方法.6 3、因子有效性检验、因子有效性检验.9 4、多因子合成和国债期货量化对冲、多因子合成和国债期货量化对冲.19 5、海内外债券、海内外债券 Smart Beta 产品和策略产品和策略.25 6、风险提示、风险提示.26 参考文献：参考文献：.27 专题报告 2019-01-03 3 期货研究报告 图表目录图表目录 图表图表 1 1：本文研究流程：本文研究流程.9 图表图表 2 2：不同债券数量的变化：不同债券数量的变化.10 图表图表 3 3：因子缺省值比例：因子缺省值比例.10 图表图表 4 4：债券的：债券的 dispersiondispersion.11 图表图表 5 5：1 1-6 6 个月的动量因子个月的动量因子.11 图表图表 6 6：动量因子检验结果：动量因子检验结果.12 图表图表 7 7：SizeSize 因子箱型图因子箱型图.13 图表图表 8 8：liqliq 因子箱型图因子箱型图.13 图表图表 9 9：Asset_GrwAsset_Grw 因子箱型图因子箱型图.13 图表图表 1010：ROEROE 因子箱型图因子箱型图.13 图表图表 1111：Momentum_1mlagMomentum_1mlag 因子箱型图因子箱型图.14 图表图表 1212：YTMYTM 因子箱型图因子箱型图.14 图表图表 1313：因子检验结果：因子检验结果.14 图表图表 1414：企业债和短融与其：企业债和短融与其 YTMYTM 的相关系数的相关系数.15 图表图表 1515：流动性因子对不同债券种类的有效性不同：流动性因子对不同债券种类的有效性不同.16 图表图表 1616：因子收益率累计曲线：因子收益率累计曲线-liqliq-企业债企业债.16 图表图表 1717：liqliq-企业债分组超额收益企业债分组超额收益.16 图表图表 1818：因子收益率累计曲线：因子收益率累计曲线-liqliq-短融短融.16 图表图表 1919：liqliq-短融分组超额收益短融分组超额收益.16 图表图表 2020：因子收益率累积收益曲线：因子收益率累积收益曲线-sizesize.17 图表图表 2121：sizesize 分组超额收益分组超额收益.17 图表图表 2222：因子收益率累积收益曲线：因子收益率累积收益曲线-Asset_GrwAsset_Grw.17 图表图表 2323：Asset_Grw Asset_Grw 分组超额收益分组超额收益.17 图表图表 2424：因子收益率累积收益曲线：因子收益率累积收益曲线-ROEROE.17 图表图表 2525：ROEROE 分组超额收益分组超额收益.17 图表图表 2626：因子收益率累积收益曲线：因子收益率累积收益曲线-YTMYTM.18 图表图表 2727：YTMYTM 分组超额收益分组超额收益.18 图表图表 2828：因子收益率累积收益曲线：因子收益率累积收益曲线-Momentum_1mlagMomentum_1mlag.18 图表图表 2929：Momentum_1mlag Momentum_1mlag 分组超额收益分组超额收益.18 图表图表 3030：五个因子的：五个因子的 ICIC 相关系数相关系数.19 图表图表 3131：多因子选择策略和信用债指数对比：多因子选择策略和信用债指数对比.19 图表图表 3232：策略组合蒙特卡洛模拟超过基准的情况：策略组合蒙特卡洛模拟超过基准的情况.20 图表图表 3333：蒙特卡洛模拟组合平均和基准相比：蒙特卡洛模拟组合平均和基准相比.20 图表图表 3434：蒙特卡洛模拟组合各指标分位数：蒙特卡洛模拟组合各指标分位数.20 专题报告 2019-01-03 4 期货研究报告 图表图表 3535：蒙特卡洛模拟平均和基准的每年收益情况：蒙特卡洛模拟平均和基准的每年收益情况.21 图表图表 3636：蒙特卡洛模拟组合的平均季度换手率：蒙特卡洛模拟组合的平均季度换手率.21 图表图表 3737：多因子选择组合模拟产品表现和公募债券基金的对比：多因子选择组合模拟产品表现和公募债券基金的对比.21 图表图表 3838：国债期货对冲后的净值曲线：国债期货对冲后的净值曲线.22 图表图表 3939：对冲前后策略的表现对冲前后策略的表现.22 图表图表 4040：高评级信用债占比：高评级信用债占比.23 图表图表 4141：高评级组合与全样本、基准的比较：高评级组合与全样本、基准的比较.23 图表图表 4242：高评级蒙特卡洛模拟超越基准的情况：高评级蒙特卡洛模拟超越基准的情况.23 图表图表 4343：高评级组合蒙特卡罗模拟均值与基准的比较：高评级组合蒙特卡罗模拟均值与基准的比较.23 图表图表 4444：高评级蒙特卡洛模拟均值和基准年收益对比：高评级蒙特卡洛模拟均值和基准年收益对比.24 图表图表 4545：高评级蒙特卡罗模拟平均季度换手率：高评级蒙特卡罗模拟平均季度换手率.24 图表图表 4646：高评级蒙特卡洛模拟的各指标分位数：高评级蒙特卡洛模拟的各指标分位数.24 图表图表 4747：高评级信用债组合与公募债券基金对比：高评级信用债组合与公募债券基金对比.24 图表图表 4848：高评级组合对冲前后的表现：高评级组合对冲前后的表现.24 图表图表 4949：海外：海外 Smart BetaSmart Beta 策略固收类策略固收类 ETFETF.25 图表图表 5050：Smart BetaSmart Beta 固收类固收类 ETFETF 的投资策略的投资策略.26 专题报告 2019-01-03 5 期货研究报告 1 1、因子选债的原理因子选债的原理 因子投资的理论基础是套利定价理论，它在股票投资中已经得到非常成熟的应用,它的理论框架同样适合债券资产定价，下面我们将简述其模型原理并在国内债券市场尝试应用。量化多因子投资大部分是基于 APT 套利定价理论框架。APT 是由美国经济学家 ROSS在 1976 年提出的，由于其有着和 CAPM 一样的解释股票收益率的功能，但有更少的假设条件而被更多人接受。APT 理论认为证券收益率的变化可以由单个或多个因素来解释，市场参与者对于资产收益率由相同信念，单个资产 i 的收益率可以表示为一个多因素模型：,11,22,k().iiiiikirE rb Fb Fb F APT 模型假设市场中的风险资产的个数远远大于系统性风险的种类，且市场中不存在套利机会。在这样的假设前提下，我们可以推导出 APT 模型。对于一个初始投资为零的投资组合 p，其中每一种风险资产 i 的在投资组合中的权重为iw，由于初始投资为零，所以有1wnii=0。该投资组合的收益为：,11,22,k111111().nnnnnnpi iiiiiiiiikiiiiiiiirwrwE rwb Fwb Fwb Fw 如果该投资组合足够分散，iw尽可能地小，使得投资组合 p 对于所有的系统性风险的敏感度为零，再加上由于不同风险资产的特有风险i是相互独立的，我们可以得到1niiiw趋近于零，且对于任意 k，,k1niiiwb趋近于零。所以组合的收益率可以表示为：11()nnpi iiiiirwrwE r 由于无套利假设的存在，该投资组合的初始投资为零，则收益率也为零。所以：1()=0npiiirwE r 由于因子暴露向量（1,k2,k,k,.nbbb）线性不相关，所以()iE r必然能写为,1,k.iibb的线 专题报告 2019-01-03 6 期货研究报告 性组合，01,1,k()=+.iikiE rbb 对于无风险资产 i 来说，其和系统风险的敏感度为零，所以,1,2,k=0iiibbb，可以得到 0()=ifE rr。k是常数，也叫做第 k 个因子的风险溢价（risk premium），我们可以构造一个只对因素 k 敏感的纯因素组合k，也就是说该投资组合在第 k 个因子上的风险敏感度为 1，对其他因子的风险敏感度为 0，就可以得到k()=+fkEr，即k=()-kfEr。由此我们可以得到：01,1,k()=+()-).()-)ifikfiE rEr bEr b 运用 APT 理论进行资产选择最重要的一个步骤就是寻找到有效的风险因子，多因子选股最经典的模型来自于 Fama-French 的三因子模型，Fama 和 French 在对美国股票市场收益率进行研究的过程中发现，CPMA 模型中的 Beta 不能解释不同股票收益率之间的差异，他们提出了一个三因子模型来解释股票回报率，分别是市场风险因子（Rm），市值因子（SML）和账面市值比因子（HML），模型写作：E(r)=R(R)fmfsvRb SMBb HML+其中fR 为无风险收益率，mR 为市场组合的收益率。在 Fama French 之后，无论是学界还是实务界都掀起了寻找有效的股票因子的风潮，人们不断挖掘因子以期能够获得更好的投资组合表现。同样作为有价证券，债券的收益率也很可能可以由很多因子进行解释，如果我们能过找出对债券回报进行预测的因子，将对于债券投资起到极大的辅助作用。进行因子选债的第一步就是选出潜在有效的因子作为备选因子，第二步是对单个备选因子进行单因子有效性检验，检验通过的因子可以放入因子库中。2 2、单因子有效性检验的方法、单因子有效性检验的方法 在实务操作中，我们希望找到的因子是其在期初的值和将来一期的资产收益率有相关性，如果相关性很强，则该因子有“预测”收益率的功能。常用的检验方法是 Fama-MacBeth回归，该检验过程分为三步：专题报告 2019-01-03 7 期货研究报告 1、对因子数值进行 ZSCORE 标准化，作为因子暴露的观察值,kib 2、在每个截面上对当期的资产收益率和因子暴露观察值进行回归，得到k的估计值 3、在时间序列上对k进行 t 检验，如果 t 检验结果显示风险溢价估计值在时间序列上显著不等于零则表示该因子有效。我们通过介绍因子收益率我们通过介绍因子收益率这个概念来解释为什么标准化之后的因子数值可以作为因这个概念来解释为什么标准化之后的因子数值可以作为因子暴露的观察子暴露的观察值。值。因子收益率可以反映单个因对于资产未来收益的影响，一种因子收益率的计算方法是将一个因子选出来前 10%的该资产和后 10%资产组成一个多空组合，这个多空组合的收益率就是因子收益率。因子收益率的显著与否和正负号代表着该因子是否有效和因子对于将来资产收益率影响的方向。但是由于只选择样本中的 20%来进行检验是不够全面的，更加全面的方法是将因子数值标准化，然后以标准化之后的因子值作以标准化之后的因子值作为权重构造为权重构造包含全部资产的包含全部资产的多空组合多空组合，以该组合的收益率作为因子收益率，以该组合的收益率作为因子收益率。因子收益率如果在时间序列上显著则代表该因子有效，因子收益率和 Fama-MacBeth 回归有很强的联系。我们对单个因子做截面的回归：iirx 根据 OLS 回归我们知道的估计值为1112211()/()/nnni iiiiiinniiiixrxrnxxn ，因为ix是经过标准化处理的，所以10niix，21=niixn,带入之后得到11=ni iix rn，该形式等价于因子收益率。故我们在对单因子进行 Fama-MacBeth 回归之后，检验在时间序列上的显著性和检验因子收益率在时间序列上的显著性是等价的。除了用检验除了用检验在时间序列上的显著性来判断单个因子的有效性以外在时间序列上的显著性来判断单个因子的有效性以外，我们还经常用我们还经常用 ICIC（信（信息系数）来对单因子的有效性进行评估。息系数）来对单因子的有效性进行评估。IC 是因子期初的值和当期资产收益率之间的相关系数（Pearson 或 Spearman）。我们知道因子值和资产收益率在截面上的回归得到的和二者之间的 Pearson 相关系数有密切的关系：=ICrx，在我们对因子值进行标准化之后，=1x，所以=ICr。r为各资产收益率的标准差，也叫做 Dispersion 代表样本中 专题报告 2019-01-03 8 期货研究报告 不同资产收益的分散程度。IC 可以分为两种，一种是我们平时最常用的 Pearson 相关系数，但 Pearson 相关系数检验的是两个序列之间的线性相关程度，而资产收益率和因子之间的关系往往不是线性相关的，所以在计算 IC 时，我们更关注的是 Spearman 相关系数，也叫秩相关系数。秩相关系数衡量的是两个变量的依赖性的非参数指标，将两个变量按照大小为此排列，以排列的次序代替原始值来求得秩相关系数。所以就算两个变量之间的关系不是线性的，但是却有单调增加的函数关系，这两个变量的秩相关系数就会高。得到每一个截面上的 IC 之后，我们可以通过对 IC 的均值和 t 检验结果（显著性），标准差（稳定性），IR 比率（有效性）进行统计分析，来判断因子的好坏。其中 IR 为 IC 的均值和标准差的比值。此外，我们还可以对单个因子的进行分组回测，即按照因子的大小排序，将总的资产样本分 n 组，对每一组的表现进行回测，不同组之间的资产为等权重，将每一组的回报与全样本的回报进行对比计算超额回报，检验超额回报是否具有单调性。在进行单因子检验之前我们会对数据进行预处理，主要是缺省值和异常值的处理。因为每个因子都存在缺省值，如果简单的删除该条数据的话，在将来做多因子合成时会导致取交集时重合的样本大大减小，不利于模型的检验，参考股票多因子选股中的数据处理方式，我们对缺省值占比不高的因子中的缺省值用该行业的因子值中位数进行填充。异常值也是需要剔除在样本外的，因为异常值对于数据标准化 ZSCORE 会造成比较大的影响，这里我们用 MAD 法，也就是把偏离中位数三倍 MADe 值的数据作为异常值。其中，(,1,2.)imdmedianx in，MAD(|,1,2.)imedianxmd in，MAD1.483eMAD。因子数值的标准化我们用因子值减去其均值再除以标准差，即：iiiixzx 我们把单个因子有效性检验的流程和后续的研究流程总结如下：专题报告 2019-01-03 9 期货研究报告 图表图表 1 1：本文研究流程：本文研究流程 数据预处理数据预处理缺省值异常值标准化单因子有效性检验单因子有效性检验因子收益率显著性检验IC检验分组回测检验单调性多因子合成多因子合成样本整体回测蒙特卡洛模拟国债期货量化对冲国债期货量化对冲 资料来源：东证衍生品研究院 3 3、因子有效性检验、因子有效性检验 Chordia et al.（2017）以 1974 年到 2014 年美国公司债的数据为研究对象，检验了包含盈利能力，资产增速，对应股票收益、预期外利润和特质波动率等因子，发现盈利能力、资产增速和对应股票收益对债券收益有显著的预测作用，其中盈利能力和资产增速和债券收益率都呈负相关。Bai et al.(2016)利用 2002 年到 2013 年的美国公司债数据验证了信用风险和流动性风险对于债券收益率存在正向的影响，即流动性风险和信用风险高的债券收益比低流动性风险和低信用风险的债券收益高。Houweling&Zundert（2016）年发现规模因子、低风险因子、成长因子和动量因子的公司债策略组合能够产生显著的超额收益。Jegadeesh&Titman(1993)发现在股票投资中存在显著的动量效应，即构建过去表现好的和表现差的股票多空组合可以获得超额收益。Jostova et al.（2013）证明了美国公司债中存在动量效应，发现在非投资级债券中的动量效应更加显著。在已有的研究的基础上综合中国债券市场的实际情况，我们挑选出备选因子如下：1、规模因子（规模因子（sizesize）：）：该支债券的发行主体所发行的所有债券的存量的对数(Houweling and Zundert,2016)2、资产增速（资产增速（Asset_GrwAsset_Grw）：该支债券发行主体年报披露的总资产增速（Cooper et al.,2008)3、ROEROE：该支债券发行主体的净资产收益率（Fama&French，2008）提出公司盈利情况对资产收益的影响，并在之后 2015 年的五因子模型中加入了盈利因子，这里我们用 ROE 专题报告 2019-01-03 10 期货研究报告 代表盈利因子）4、到期收益率（到期收益率（YTMYTM）：）：该债券的到期收益率（由于中国债券市场评级区分度低，用到期收益率可以体现信用风险）5、动量（动量（MMomentumomentum）：）：该债券的历史收益率（Jostova et al.，2013）6、流动性（流动性（LiqLiq）：）：该债券的流动性，用三个指标合成，分别为区间成交天数（Lesmond,Ogden,and Trzcinka(1999)认为一段时间内价格不变动天数的比例可以作为流动性指标，我们用区间内债券有交易的天数作为流动性指标，以统一和其余几个指标的方向）、成交量和换手率（可以比较直观地展示债券流动性的变化），权重为（0.3，0.3，0.4）我们检验的时间区间是从 2008 年 3 月到 2018 年 10 月，调仓频率是季度，在每一个时间点 t 上，我们获取在当时的市场上的存量信用债（包括企业债、公司债、中期票据和短期融资券）和其所对应的因子值。不同种类的信用债由于在 10 年的样本区间内的数量不同，我们将各类债券的历史数量变化展示如下，除短融在 2016 年数量有小幅下降，其余债券种类中债券的数量都呈现增长形态，其中企业债的债券数量是四种信用债中最高的。6 个因子当中动量因子和 YTM 因子的缺省值占比比其余几个因子大，这是中债估值覆盖面的造成的。流动性因子的缺省值占比也比较大，但由于单个债券的流动性除了和自身所在行业有关以外，更多的是和债券种类，新旧等因素相关，所以不便于按照上文所述的以行业中位数填补缺省值的方法，故将缺省值当做零值处理，代表流动性为零。010002000300040005000600008-0308-0809-0109-0609-1110-0410-0911-0211-0711-1212-0512-1013-0313-0814-0114-0614-1115-0415-0916-0216-0716-1217-0517-1018-0318-08公司债企业债短融中票0%5%10%15%20%25%30%08-0308-0708-1109-0309-0709-1110-0310-0710-1111-0311-0711-1112-0312-0712-1113-0313-0713-1114-0314-0714-1115-0315-0715-1116-0316-0716-1117-0317-0717-1118-0318-07SizeAsset_GrwROEYTMMomentum_1mlagLiq 资料来源：Wind，东证衍生品研究院 资料来源：Wind，东证衍生品研究院 对于动量因子我们需要确定选取合适的区间长度，检验持有期为一个季度，前 1-6 个月的收益率作为因子值进行初步的判断，我们发现 1 到 6 个月的收益率的 IC 值均较高，然而对于因子收益率在时间序列上的 t 检验差异确很大。原因是债券在截面上的 dispersion 比较低，这和债券本身的性质有关，市场上所有信用债的走势比较一致。IC 代表的是一种相关性，由于 dispersion 较小，一点噪音的影响就会体现在最后的收益上，所以我们在判断债券因子是否有效的时候用因子收益率来作为检验标准更加合适，这一点和股票多因子检验有所差异。图表图表 2 2：不同债券数量的变化不同债券数量的变化 图表图表 3 3：因子缺省值比例因子缺省值比例 专题报告 2019-01-03 11 期货研究报告 0%2%4%6%8%10%12%08-0308-0909-0309-0910-0310-0911-0311-0912-0312-0913-0313-0914-0314-0915-0315-0916-0316-0917-0317-0918-0318-09dispersion资料来源：Wind，东证衍生品研究院 资料来源：Wind，东证衍生品研究院 为了更加详细了解债券动量因子的情况，我们进行更加完善的交叉检测，检测的方法是用前 n 个月（1、2、3、4、5、6、9、12）的债券收益率作为因子值，观察持有期 m 个月（3、6、9、12）的债券收益率。由于债券会到期，导致考察期和持有期增加时样本数量会减小，所以我们统计了在每一个持有期当中，随着观察期增加样本数量变化情况，每次增加考察期，都计算一次样本数量占一个月为考察期时地样本比例。持有期的延长也会减少样本数量，持有期延长到 12 个月时平均样本数量减少了接近 20%。除了前一个月的收益率的动量效应在 0.1 的显著性水平下是显著的，没有其余显著的动量效应。在持有期是 9 个月，考察期是 9 个月和 12 个月时存在反转效应，但是由于样本数量下降较多，在实际操作中会筛掉一大部分期限较短的债券。所以我们选择前一个月收益作为动量因子。图表图表 4 4：债券债券的的 dispersiondispersion 图表图表 5 5：1 1-6 6 个月的动量因子个月的动量因子 前 n 个月收益率 IC IC_R t(IC)t(b)p(b)1 11.04%0.235 2.571 1.692 0.093 2 14.09%0.280 2.920 1.079 0.283 3 13.73%0.269 2.850 0.538 0.592 4 9.65%0.190 1.947-0.147 0.883 5 8.25%0.165 1.688-0.480 0.632 6 10.05%0.198 2.026-0.347 0.729 专题报告 2019-01-03 12 期货研究报告 图表图表 6 6：动量动量因子检验结果因子检验结果 m m n n 多空组多空组合月收合月收益益 T T 值值 p p 值值 夏普值夏普值 最大回撤最大回撤 年化收年化收益益 考察期考察期样本递样本递减情况减情况 持有期持有期样本递样本递减情况减情况 3 1 0.049%1.692 0.093 0.450 2.051%0.583%2 0.033%1.079 0.283 0.284 2.560%0.386%95%3 0.016%0.538 0.592 0.140 2.230%0.186%90%4-0.004%-0.147 0.883-0.051 2.494%-0.054%85%5-0.013%-0.480 0.632-0.162 2.982%-0.157%80%6-0.010%-0.347 0.729-0.120 3.525%-0.121%76%9-0.023%-0.719 0.473-0.236 6.012%-0.281%67%12-0.032%-1.229 0.221-0.395 6.932%-0.390%60%6 1 0.039%1.143 0.255 0.392 1.787%0.461%93%2 0.030%0.792 0.430 0.276 2.189%0.348%95%3 0.024%0.671 0.504 0.229 1.713%0.276%91%4 0.002%0.064 0.949 0.017 2.837%0.018%87%5-0.006%-0.239 0.812-0.088 3.586%-0.081%82%6-0.017%-0.646 0.519-0.226 4.453%-0.212%78%9-0.025%-0.822 0.413-0.259 6.315%-0.303%70%12-0.030%-0.238 0.284-0.337 6.063%-0.362%62%9 1 0.032%0.845 0.288 0.274 2.530%0.380%86%2-0.045%0.580 0.192-0.478 7.622%-0.541%95%3-0.051%0.381 0.147-0.517 9.345%-0.618%91%4-0.049%-0.526 0.121-0.547 8.369%-0.589%87%5-0.043%-0.839 0.170-0.483 8.506%-0.525%83%6-0.049%0.845 0.078-0.596 8.716%-0.595%79%9-0.070%-1.462 0.008-0.835 9.495%-0.842%70%12-0.075%-1.091 0.056-0.688 10.881%-0.909%64%12 1 0.019%1.067 0.400 0.286 2.591%0.223%81%2 0.020%-1.311 0.563 0.206 3.410%0.237%97%3 0.014%-1.460 0.704 0.132 3.544%0.156%93%4-0.017%-1.563 0.600-0.194 5.519%-0.205%89%5-0.027%-1.380 0.403-0.304 6.521%-0.325%85%6 0.019%-1.778 0.400 0.286 2.591%0.223%82%9-0.038%-2.690 0.146-0.456 5.897%-0.458%73%12-0.043%-1.930 0.277-0.393 7.445%-0.526%65%资料来源：Wind，东证衍生品研究院 专题报告 2019-01-03 13 期货研究报告 我们将每一个因子在每一个截面上作箱型图观察因子数据的分布和在时间序列上的变化，其中 liq 因子由于是由三个指标合成而得，为了去除数量级的影响使三个指标可比，所以使用标准化之后的数据，其余为因子原始值的箱型图。从中位数上来看一个月滞后的动量因子和 YTM 因子的波动比较大，其余因子比较稳定。除了一个月滞后的动量因子的分布集中程度在时间序列上变化比较明显以外，其余因子分布集中程度变化不大。资料来源：Wind，东证衍生品研究院 资料来源：Wind，东证衍生品研究院 资料来源：Wind，东证衍生品研究院 资料来源：Wind，东证衍生品研究院 图表图表 7 7：SizeSize 因子箱型图因子箱型图 图表图表 8 8：liqliq 因子箱型图因子箱型图 图表图表 9 9：Asset_Asset_GrwGrw 因子箱型图因子箱型图 图表图表 1010：ROEROE 因子箱型图因子箱型图 专题报告 2019-01-03 14 期货研究报告 资料来源：Wind，东证衍生品研究院 资料来源：Wind，东证衍生品研究院 按照上文所介绍的方法，在每一个截面上我们用标准化之后的因子值和当期的债券收益率进行回归得到风险溢价的估计。由于债券的交易不像股票一样活跃，我们统计下来在每一个截面没有交易数据的债券占比在 60%到 90%，所以我们在计算债券每一期的收益的时候采用中债的估值，中债根据其登记托管的固收类产品的价格信息统计汇总后编制出的不同品种、评级的债券收益率曲线，并根据收益率曲线和个券的行业利差、个券利差、成交价格等信息对债券价格作出的估值。在债券进行场外交易的时候估值也被作为买卖报价的锚，市场接受度比较广。为了更准确地表现收益率，我们将每一期中间收到的付息现金和提前偿还的本金以年化 1.6%（不同机构和银行协商的利息有差异）的利率进行折算到期末。此外，考虑到样本数量过少会对因子收益率和 IC 的 t 检验结果造成影响，而债券投资的交易频率不高，不能提高调仓频率。为了解决这一困难，我们选择用一种折衷的办法去检验因子的有效性。假设0t、1t、2t和3t之间分别间隔了一个月，0t进行调仓，我们用0t时刻的标准化的因子值和1t、2t和3t每个月度债券的收益率进行回归，这样我们便能在时间序列上获得超过 100 个样本，保证 t 检验结果的可靠性，同时又不改变债券的调仓频率。对于因子收益率存在自相关性的，我们用 NW 方法调整了标准差。图表图表 1313：因子检验结果：因子检验结果 t(b)因子收益率均值 因子收益率波动率(年化）Rank_IC t(IC)IC_IR size-2.07-0.028%0.43%-10.39%-4.76-0.51 Asset_Grw 2.41 0.014%0.19%2.71%2.88 0.30 ROE-1.55-0.017%0.35%-2.95%-2.30-0.24 YTM 2.54 0.081%1.03%21.11%4.20 0.46 momentum_1mlag 1.69 0.049%1.30%11.04%2.65 0.23 Liq-0.74-0.010%0.44%0.03%0.02 0.02 资料来源：Wind，东证衍生品研究院 图表图表 1111：MomentumMomentum_1_1mlagmlag 因子箱型图因子箱型图 图表图表 1212：YTMYTM 因子箱型图因子箱型图 专题报告 2019-01-03 15 期货研究报告 我们发现除了流动性因子以外，其余五个因子都比较有效，虽然 ROE 的因子收益率显著性相对较弱，但是其 IC 是比较显著的。五个因子当中从因收益率均值（多空组合的月均收益）来看最高的是规模因子、YTM 因子和动量因子，但是 YTM 和动量因子的波动率更大，这三个因子的 IC 值也是最高的。流动性因子对于全样本不显著，我们对其中的短期融资券和企业债分别作了流动性因子流动性因子对于全样本不显著，我们对其中的短期融资券和企业债分别作了流动性因子检验检验，在两种信用债中在两种信用债中因子收益率的因子收益率的 t t 检验短融显著，企业债不显著，检验短融显著，企业债不显著，以以 ICIC 作为评判指作为评判指标标分别都显著，但反向相反。分别都显著，但反向相反。流动性因子对短融很有效，t（b）非常高且分组超额收益单调性明显。我们知道从理论上来说，流动性差的债券相对于流动性好的债券存在流动性溢价，其 YTM 应该更高。但我们将每一个截面上企业债和短融的流动性因子和 YTM 计算相关关系发现，二者和 YTM 的相关性相反。流动性越好的企业债的 YTM 越高，流动性好的短融 YTM 更低。企业债和短融在流动性因子上显著性的差异可能与该两种类别债券的组成有关，企业债中发行主体绝大部分是国企，而且企业债发行更注重计划，且在发行中行政管理的色彩比较浓厚，而短期融资券中民企的比例比企业债中高，且发行为注册制，更加市场化。可能造成了投资者对于企业债的信用资质更加有信心，所以 YTM越高的债会更抢手，以至于以交易活跃程度度量的债券流动性更高。而对于短融来说情况则不同，流动性差的债券对应的信用风险可能越高，YTM 虽然高但是投资者的热情不够，交易活跃度不高。值得注意的是，无论是企业债还是短融的流动性和 YTM 的相关系数在最近几年都明显下降。图表图表 1414：企业债和短融与其企业债和短融与其 YTMYTM 的相关系数的相关系数 -0.4-0.3-0.2-0.100.10.20.30.40.508-0308-0909-0309-0910-0310-0911-0311-0912-0312-0913-0313-0914-0314-0915-0315-0916-0316-0917-0317-0918-0318-09企业债短期融资券 资料来源：Wind，东证衍生品研究院 专题报告 2019-01-03 16 期货研究报告 图表图表 1515：流动性因子对不同债券种类的有效性不同：流动性因子对不同债券种类的有效性不同 t(b)因子收益率均值 因子收益率波动率(年化）Rank_IC t(IC)IC_IR liq-企业债 1.28 0.012%0.30%0.05 2.51 0.26 liq-短融-4.81-0.012%0.07%-0.11-5.88-0.67 资料来源：Wind，东证衍生品研究院 0.980.980.990.991.001.001.011.011.021.0208-0308-1009-0509-1210-0711-0211-0912-0412-1113-0614-0114-0815-0315-1016-0516-1217-0718-0218-0