金融工程专题：KyFactor特色因子体系与应用

金融工程研究团队魏建榕（首席分析师）证书编号：S0790519120001张翔（分析师）证书编号：S0790520110001傅开波（分析师）证书编号：S0790520090003高鹏（分析师）证书编号：S0790520090002苏俊豪（分析师）证书编号：S0790522020001胡亮勇（分析师）证书编号：S0790522030001王志豪（分析师）证书编号：S0790522070003盛少成（分析师）证书编号：S0790523060003苏良（分析师）证书编号：S0790523060004证书编号：S0790122080094陈威（研究员）证书编号：S0790123070027蒋韬（研究员）证书编号：S0790123070037KyFactor特色因子体系与应用——金融工程专题KyFactor因子库目前涵盖交易行为、资金流、基本面和关联网络等多个维度的因子。不同维度下的精选因子均有深度报告与之对应，详细阐述了因子的构造逻辑与历史表现。KyFactor因子库中的大部分因子在全区间内表现出了显著的选股能力，少数因子近期呈现失效的风险，如merge_sue和consensus_adjustment等分析师一致预期维度的不同大类因子之间整体相关性较弱，部分价量因子之间关联度较高。偏价量的因子换手率整体较高，年度单边换手率水平最高可达10倍以上，如smart_money、ideal_reverse等。偏基本面和低频数据高频化的因子，换手率则相对较低，如merge_sue、high_freq_shareholder。在测试期内，中性化后的合成因子RankIC均值约为11.28%，年化RankICIR为5.36。合成因子RankIC为正的频率在全区间超95%。合成因子十分组收益严格单调，多头组年化收益率为29.26%，空头组年化收益率为-16.96%，多空对冲年化收益率高达42%。合成因子与大部分Barra风格因子处于较低关联度，平均相关系数绝对值不到10%。在剥离Barra风格后，未中性化的合成因子选股RankIC从12.72%下降到7.25%，下滑幅度较高，但年化RankICIR在剔除风格因素影响后有微弱提升，从4.74小幅上涨到4.85。合成因子在小市值宽基指数中表现占优，其中RankIC均值在沪深300中为在选股稳定性上，合成因子亦在小市值宽基成分股中表现更好。2022年下半年以来，由于部分细分因子的失效，基于合成因子的指数增强策略 金融工程专题2/232/23 4 4 5 6 7 83、指数增强 5、附录：因子加权方式效果对比 5.1、不同加权方式概述 5.2、不同加权方式结果对比 206、风险提示 21图1：细分因子在全区间内的选股能力测算 5图2：不同细分因子累计RankIC走势 6图3：不同细分因子在预测能力上的相关性 7图4：不同细分因子层次聚类结果 7图5：不同细分因子换手率差异 8图6：合成因子RankIC均值约11.28%，年化RankICIR为5.36 9图7：合成因子在不同分组的年化收益率 9图8：合成因子分组收益单调 图9：合成因子与Barra风格因子的时序关联度 图10：Barra风格剥离前后合成因子选股表现 图11：剥离Barra风格因子后超额收益有所下滑 图12：不同宽基指数下合成因子的RankIC表现 图13：合成因子在小市值宽基指数中表现相对占优 图14：沪深300指数增强表现 图15：中证500指数增强表现 图17：国证2000指数增强表现 图18：大部分细分因子阶段2表现弱于阶段1 图19：不同细分因子在不同宽基指数中的选股能力比较 图20：进行因子择时后，每期纳入合成的因子数量处于动态变化中 图21：精简后的合成因子在选股能力上并未有明显下滑 图22：沪深300指数因子择时表现 图23：中证500指数因子择时表现 图24：中证1000指数因子择时表现 图25：国证2000指数因子择时表现 图26：不同细分因子在不同行业中的选股表现 图27：最大化ICIR下不同细分因子每期权重变动 图28：不同半衰期下不同期限对应的权重 203/3/23图29：根据不同间隔长度RankIC均值差异可得到因子半衰期大小 20图30：等权合成的因子在多头收益上占优 21图31：等权合成因子具有更优的多空超额收益 21表1：KyFactor特色因子体系 5表2：合成因子历年收益率 表3：不同加权方式合成因子绩效对比 21 金融工程专题4/234/23生成最终的选股因子，可以看到合成因子无论在选股有效性抑或稳定性上都占有明第四部分，我们讨论了因子择时对指数增强效果的改善，择时优选后的因子合成效果在多头绝对收益和超额相对收益上均有所改善。附录部分，我们讨论了不同的因者的买卖行为和跟踪北上资金的调仓动作。在个人投资者依然占据A股主要生态位维度，同时囊括了传统基本面财务指标的升级改进。关联网络则是以上研究方向的和大小单行为的相似性上均有不错表现。 金融工程专题5/5/23表1：KyFactor特色因子体系high_freq_shareholdertraction_fpe_changetraction_si从测试期内来看（2013.01.31~2023.10.31大部分因子在全区间内表现出了显著的选股能力，但是亦可以发现部分因子呈现失效的风险，如merge_sue和consensus_adjustment等分析师一致预期维度的因子。注意，北上资金相关的因子0.080.060.040.02 50 金融工程专题6/6/23smart_moneyactive_tradinga pe_change high_freq_shareholdertraction_fsmall_trader_ret_errortraction_nstraction_silong_momentum2merge_sueconsensus_adjustment度上存在一定的差异，无法很好地做到数据长度对齐，我们尝试使用不同因子的时表明二者存在较强的负相关性，底层原因在于大、小单残差因子分别刻画了市场中偏机构类型的投资者和偏个人类型的投资者在买卖行为上的差异，而二者的操作行 金融工程专题7/237/23 为了更直观的展示各因子之间的相关性大小，我们使用层次聚类的方法将上述其余因子为一类。我们通过将因子分成十分组，按照前后两期多头组的成分股变动比例来简单估算因子每个月的换手率水平，并对月度换手水平取均值后做年化处理，得到全区间的换手率值。如无特别说明，下文换手率均指年度单边换手 金融工程专题8/8/23 large_trader_ret_error traction_fconsensus_adjustment high_freq_shareholder 以剔除不同因子量纲差异的影响。其次，我们对负向因子进行取反操作，使得不同因子在预测方向上保持一致。最后，我们按照等权的思路对各细分因子进行加总得 金融工程专题9/9/2323468957234689570.25 0.15 0.05 9753125%20%15%10% 00额收益的波动有所放大。 金融工程专题864200表2：合成因子历年收益率不到10%。其中liquidity与合成因子负相关性较高，历史均值约 金融工程专题0sizenon_linear_sizemomentumliquidityleveragegrowthearnings_yieldbeta结果的影响。前文我们测试了市值行业中性化后化后的因子值已剔除市值风格，为了使得对比结果更具说服力，我们直接比较原始7.25%，下滑幅度较高，但年化RankICIR反而在剔除风格因素影响后0.10RankICRankICIR 金融工程专题50maxaTws.t.分股的示性向量，cl表示成分股权重之和下限。具体而言，约将上文合成因子分别应用在不同宽基指数中，计算合成因子 金融工程专题具体来看，合成因子在小市值宽基指数中表现占优，其中RankIC均值在沪深 06543210我们按照公募指数增强产品的框架，分别测算了合成因子在各宽基指数中的超 金融工程专题年三年的核心资产行情戛然而止，2022年以来小市值风格开始占据微盘股更是表现亮眼，逐渐成为2023年市场中最受关注的风月。分阶段来看，不同细分因子在阶段2的表现均有所下滑，仅有部分因子，如long_momentum_2保持了较强的预测能力，归纳来看，捕捉市场反转效应的因子在RankIC_阶段1RankIC_阶段2RankICIR_阶段1RankICIR_阶段2smart_money-7.51%6.79%3.97%-8.83%4.61%7.48%9.74%-8.00%-5.86%5.37%4.48%3.49%-6.23%4.80%4.23%7.85%3.19%3.31%-6.26%5.71%6.14%-9.70%1.13%1.94%3.06%-8.54%-0.12%4.40%2.43%0.84%-1.37%-0.67%2.56%8.52%-0.22%-0.82%-11.4410.368.63-11.326.6911.486.695.646.535.363.286.888.344.804.093.664.340.831.471.552.442.190.482.363.41active_tradingideal_volopt_synergy_effectlarge_trader_ret_erroroffense_defenseideal_reverseherd_effecthigh_freq_shareholdertraction_fpe_changesmall_trader_ret_errortraction_nstraction_silong_momentum2merge_sueconsensus_adjustment域根据因子有效性进行筛选后再进行因子合成。筛 金融工程专题86420在进行因子筛选后，虽然纳入合成的因子数量有所下8%6%4%000300.SH000905.SH06543210针对不同宽基指数分别进行因子择时后，我们基于新合成的因子分别在对应的宽基指数中测试了增强表现。为了让因子择时前后的增强结果可比，我们将起始区 金融工程专题6543210216543210543218642054321886420654321 金融工程专题 在本节，我们尝试讨论不同的因子间加权方式是否对合成的因子的表现有显著加权以及半衰期加权。为了降低短期波动对结果的影响，在各种加权方法过程中，IC加权相当于因子动量，会给予过去一段t为t期不同因子权重构成的向量，ICt为t期不同因子的IC值。以该值作为对应细分因子的权重。ICIR加权方法能够综合考虑因子wt=t/σt 金融工程专题性，同时考虑了因子之间的相关性，但缺点在于因子之间的协方差矩阵不易估计。√Σt high_freq_shareholdtraction_f pe_change0半衰期加权认为近期数据影响大于远期，越靠近当前时刻，赋予因子值的权重着两个调仓周期前的权重为当前时刻的一半。i−T−12Hiwt,i=tΣ12−Hit,i为第i个因子在t时刻的权重，T为回溯周期