国泰君安_20160309_2016年春季策略研讨_如何将阿尔法因子转化为超额收益.pptx
《国泰君安_20160309_2016年春季策略研讨_如何将阿尔法因子转化为超额收益.pptx》由会员分享,可在线阅读,更多相关《国泰君安_20160309_2016年春季策略研讨_如何将阿尔法因子转化为超额收益.pptx(58页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、,如何将阿尔法因子转化为超额收益,姓名:刘富兵邮箱:电话:021-38676673证书编号:S0880511010017,姓名:李辰邮箱:电话:021-38677309证书编号:S0880114060025,证券研究报告 2016年03月01日,国泰君安证券2016春季策略研讨会,目录,03,01,02,引言,阿尔法因子与风险模型,阿尔法因子的组合特征,1,请参阅附注风险提示,04,一些稳定的阿尔法因子,05,阿尔法因子收益率的预测,引言,2,请参阅附注风险提示,基于组合权重优化的风格中性多因子选股策略中证500之阿尔法验金石如何控制跟踪误差,较为完成的阐述了基于A股市场结构化多因子风险模型的
2、构建思路,刻画了A股市场的风险结构。利用组合权重优化的方法构建了基于市场中性、行业中性、风格中性、组合跟踪误差控制约束下的最优投资组合,取得了较为稳定的超额收益。,引言,3,请参阅附注风险提示,组合累计收益统计(样本外:2015.4-2016.2),策略样本外累积超额收益13.5%,最大回撤4.26%,信息比率2.10,策略样本外累积超额收益34.2%,最大回撤3.80%,信息比率3.45,引言,4,请参阅附注风险提示,自2015年9月增加跟踪误差控制后累计收益(2015.9-2016.2),对冲沪深300组合设定年化跟踪误差上限3%。实际实现年化跟踪误差3.01%。累积收益率4.1%,最大回
3、撤0.63%,信息比率3.02,对冲中证500组合设定年化跟踪误差上限5%。实际实现年化跟踪误差6.50%。累积收益率16.8%,最大回撤2.11%,信息比率5.29,引言,5,请参阅附注风险提示,我们将从阿尔法因子的组合特征分析着手,给出基于风险模型的阿尔法因子构造和检验的一般流程,并进一步对阿尔法因子收益率进行定量预测。然而,找到有效的阿尔法因子与最终实现阿尔法因子所包含的超额收益还有着本质的区别。系列报告将回答几个重要问题,例如:1)影响阿尔法因子实际暴露的几个因素;2)是否需要将阿尔法因子加入风险矩阵;3)风险模型对阿尔法因子收益率的损耗及最优跟踪误差设定等。,目录,6,请参阅附注风险
4、提示,03,01,02,引言,阿尔法因子与风险模型,阿尔法因子的组合特征,04,一些稳定的阿尔法因子,05,阿尔法因子收益率的预测,阿尔法因子与风险模型,7,请参阅附注风险提示,阿尔法因子与风险模型结合的效果就是希望通过阿尔法因子创造超额收益, 同时通过风险模型控制组合风险暴露与跟踪误差,两者相辅相成,最终实现 组合稳健战胜市场基准的效果。,目录,8,请参阅附注风险提示,03,01,02,引言,阿尔法因子与风险模型,阿尔法因子的组合特征,04,一些稳定的阿尔法因子,05,阿尔法因子收益率的预测,阿尔法因子的组合特征,9,请参阅附注风险提示,第一个问题,定性的回答,即: 所谓阿尔法因子,是对股票
5、收益率具有显著且稳定影响的某一变量,同时 该影响是剔除所有因子对股票收益的作用而独立存在的。 其中,显著性、稳定性和独立性是阿尔法因子定义的3个必要条件。后面2个问题,我们通过阿尔法因子的组合特征进行分析,即构造一个可以 反应阿尔法因子内在特征的组合。,阿尔法因子的组合特征,10,请参阅附注风险提示,简单因子组合(Simple Factor Portfolio)纯因子组合(Pure Factor Portfolio)最小波动纯因子组合(Minimum Volatility Pure Factor Portfolio),阿尔法因子的组合特征,11,请参阅附注风险提示,简单因子组合(Simple
6、Factor Portfolio) 例如:对某一类因子暴露值选取前20%构建多头,选取后20%构建空头。简单因子组合是一种便捷有效的研究因子特征的方法,其构建的多空组合往往包含了阿尔法因子的部分特征。以离散度因子为例,在每自然月末选择全市场离散度因子值最低的20%等权重做多,离散度因子值最高的20%股票等权重做空,不计交易成本。其中,离散度因子的计算方法为: 其中 为FamaFrench三因子回归方程的残差, 即为特质波动率, 则为回归方程的解释系数。,阿尔法因子的组合特征,12,请参阅附注风险提示,阿尔法因子的组合特征,13,请参阅附注风险提示,但是,虽然简单因子组合是研究因子阿尔法特性的有
7、效方法,其缺点也同样十分明显,即简单因子组合提供了阿尔法因子的选股逻辑,但却无法证明超额收益来源于该选股逻辑,更无法反应仅属于目标因子的内在收益风险特征。更重要的是,简单因子组合的超额收益在多因子选股逻辑下无法线性叠加,使得多因子选股的效果大打折扣。利用归因模型分解离散度简单因子组合收益率来源,如下图:,阿尔法因子的组合特征,14,请参阅附注风险提示,离散度简单因子组合累计收益分解:,阿尔法因子的组合特征,15,请参阅附注风险提示,换言之,如果离散度因子选股多空组合的年化超额收益率为20.69%,那么从归因分解的角度来看,该部分超额收益中,仅有30%左右的收益来源为离散度因子本身,而其余的行业
8、、风格和残差成分则占据了绝大部分。因此,简单因子组合可以直观的观察因子组合的一些特点,但是却不能深入充分挖掘阿尔法因子所包含的全部信息。并且由于简单因子组合包含了过多目标因子以外的收益信息,有可能导致误将风险因子作为阿尔法因子,这对日后构建最优投资组合是极其不利的。,阿尔法因子的组合特征,16,请参阅附注风险提示,纯因子组合(Simple Factor Portfolio) 纯因子组合的概念从理念上而言比简单因子组合已经迈进了一大步,因为 纯因子组合的构建已经需要依赖于风险模型中的其余全部因子,但是尚不 涉及风险矩阵。纯因子组合表示,在暴露1单位阿尔法因子敞口的同时,对风险模型中的其余任意因子
9、均保持0敞口暴露,即纯因子组合从定义上来说,已经克服了简单因子组合的最大问题,即因子之间的相关性问题。其组合的收益来源,已经摒弃了其余不想要检验,但又往往会贡献收益的其余因子部分。,阿尔法因子的组合特征,17,请参阅附注风险提示,同样以离散度因子为例,构建离散度纯因子组合,累计收益如下:,阿尔法因子的组合特征,18,请参阅附注风险提示,利用归因模型分解离散度纯因子组合收益率来源,如下图:,离散度纯因子组合累计收益分解:,阿尔法因子的组合特征,19,请参阅附注风险提示,但是,尽管纯因子组合已经很大程度上独立的剥离出了目标因子的收益风险特征,但是它仍然有2个致命的缺陷。首先,纯因子组合的解存在非唯
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 国泰 _20160309_2016 春季 策略 研讨 如何 阿尔法 因子 转化 超额 收益
限制150内