在量化选股中,因子是指“对个股收益差异有解释作用的特征”,能够解释投资组合的收益或帮助进行资产定价。因子的有效性主要看预测能力。一个因子被验证为有效,是在某历史时间段内的数据所呈现出来的规律,并不意味着该规律在未来的市场中可以持续有效。
因子的种类很多,不同类别的因子能从不同的维度对个股收益差异进行解释。在量化选股模型中,一般可分为“风险因子”与“阿尔法因子”:前者更强调风险来源,解释能力还是很强,但已经缺乏预测能力;后者更强调回报来源,更注重是否能预测未来个股相对收益。
风险因子早期也属于阿尔法因子,只不过很早就被学术界挖掘并公开发表论文,尤其在美股,其收益风险比快速下降。但这些因子还是能够解释很多收益,只是预测能力几乎消失,所以被称为“风险因子”。常见的风险因子包括市值、市盈率、市净率、流动性、残差波动率等。
“阿尔法因子”一般指能较为稳定贡献超额收益的这类因子,其构建相对较为复杂,或数据来源比较独特。一般来说每家机构的阿尔法因子都有所不同,呈现低相关性。按数据来源,阿尔法因子可分为价量因子、基本面因子、事件驱动因子、另类数据因子等。
以美股为代表的海外市场和A股市场在运行机制、发展阶段、投资者结构、融资成本及约束等方面都存在较大差异,因而在如何处理阿尔法因子和风险因子方面有所不同。比如海外量化产品以“市场中性+杠杆”为主,考虑到风险因子通常会带来较大波动但不能同时带来显著收益,所以资管机构在建模过程中会尽量减少风险因子的暴露;国内量化产品中则是各类量化多头产品线规模占比最高,对多头产品来说,放开风险因子约束并未显著增加净值波动,严控风险因子反而会对阿尔法因子的发挥有一定制约。
从A股主流量化机构的超额数据分析可知,去掉交易量、波动率、离散度等影响量化超额的共同因子后,各家机构的超额相关性并不高,更不存在所谓的“因子同质化”。当然,量化私募管理人仍需持续开发和丰富底层因子,提升策略进化效率和加深对市场的理解,在投资组合层面持续优化模型,挖掘培养优秀人才。
(文章来源:上海证券报)
声明:本篇文章来源于网络,不代表本站观点,只提供信息参考,涉及资金炒股投资,请慎重在做投资判断,据此操作盈亏自负、风险自担。
文章标题:因子的定义和分类
链接地址:http://www.xiaosayihui.com/gushi/202404173047218273.shtml
猜你喜欢:
- 五大上市险企首季盈利下滑 2024-04-30
- 年报收官!十大“盈利王”“分红王”出炉 2024-04-30
- 利好!五大行中期分红! 2024-04-30
- 险企投资成绩怎么样?一季报透露…… 2024-04-30
- 今夜 暴涨! 2024-04-30
- 超七成券商投行营收下滑!下一步怎么走? 2024-04-30
- “红包雨”来了!五大行集体出手 2024-04-29
- 42家A股上市银行年报收官:2万亿利润难掩“增利不增收”窘境 2024-04-29