请务必阅读正文之后的免责条款部分
有
[Table_MainInfo][Table_Title] 2017.06.15
基于短周期价量特征的多因子选股体系
－－数量化专题之九十三
李辰（分析师） 刘富兵（分析师）
021-38677309 021-38676673
lichen@gtjas liufubing008481@gtjas
证书编号 S0880516050003 S0880511010017
本报告导读：本篇报告为投资者详尽介绍了全新的交易型阿尔法体系的
构建思路、策略特点及实证分析等研究成果

摘要：
[Table_Summary]本篇报告中，我们将开创性的构建全新的多因子模型体系--
短周期交易型多因子阿尔法选股体系

统多因子模型所获取的股票价值阿尔法收益相比，交易型阿
尔法收益的空间更大、收益稳定性也更强

内对股票价格起着几乎是决定性的影响，而发掘这种交易型
套利空间正是量化投资的优势所在，因此量化模型在这一领
域内应有着广泛的运用空间

近200个短周期阿尔法因子，其中因子数据则均来自于个股
日频率的价格与成交量数据。在此基础上，我们构建了基于
短周期价量特征的风格中性多因子选股策略

较之中证500指数，实现年化超额收益率50.2%，最大回撤
5.9%，信息比率4.67

本进行了最优平衡过程的处理，因此策略可容纳的极限交易
成本接近双边1%，模型实战能力较强

可以说是全新思路、独立设计的交易体系。在这其中，量化
模型不再仅仅是低风险低收益的投资策略，同样也可获得高
额的收益回报，而尽管我们在这其中还只是看到了冰山一
角

思路有所拓展，在量化模型最擅长的领域发挥其真正的威
力

金融工程团队：
刘富兵：（分析师）
电话：021-38676673
邮箱：liufubing008481@gtjas
证书编号：S0880511010017
陈奥林：（分析师）
电话：021-38674835
邮箱：chenaolin@gtjas
证书编号：S0880516100001
李辰：（分析师）
电话：021-38677309
邮箱：lichen@gtjas
证书编号：S0880516050003
孟繁雪：（分析师）
电话：021-38675860
邮箱：mengfanxue@gtjas
证书编号：S0880517040005
蔡旻昊：（研究助理）
电话：021-38674743
邮箱：caiminhao@gtjas
证书编号：S0880117030051
殷明：（研究助理）
电话：021-38674637
邮箱：yinming@gtjas
证书编号：S0880116070042
叶尔乐：（研究助理）
电话：021-38032032
邮箱：yeerle@gtjas
证书编号：S0880116080361
[Table_Report] 相关报告
《基于短周期价量特征的多因子选股体系》
2017.06.01
《基于动态模分解的价格模式挖掘》
2017.05.15
《负基差已成常态，投机资金参与热情不高》
2017.05.05
《Timing the market-An strategy based on
W-shaped Bottom》2017.04.11
《W型市场底部研究》2017.03.14
数
量
化
专
题
报
告
金融工程
金
融
工
程
证
券
研
究
报
告
数量化专题报告
请务必阅读正文之后的免责条款部分 2 of 32
目录
1. 引言 .......... 3
2. 阿尔法模型的评价标准 .......... 4
2.1. 阿尔法模型的评价标准4
2.2. 阿尔法模型预测的一致性问题 .......... 5
3. 基于短周期价量特征的多因子选股体系 .. 6
3.1. 短周期交易型阿尔法策略的构建思路 ........ 6
3.2. 一些显著的价量特征举例 ....... 8
3.3. 短周期价量因子体系构建 ..... 10
3.4. 因子检验及相关特征 ... 17
3.4.1. 因子体系的显著性检验、相关性及有效周期 ... 17
3.4.2. 因子体系的预测能力 . 20
3.4.3. 因子个数与模型预测能力的关系 .. 21
3.5. 组合换手率与超额收益 .......... 22
3.6. 基于短周期价量特征的风格中性多因子选股策略 ....... 23
3.6.1. 策略设计23
3.6.2. 实证分析24
3.6.3. 交易成本敏感性分析 . 26
3.6.4. 策略可容纳规模估算 . 27
4. 总结与展望....... 28
5. 附录 ........ 29
附录1 大类风格因子定义明细 ......... 29
附录2 表6相关函数定义 ...... 30
数量化专题报告
请务必阅读正文之后的免责条款部分 3 of 32
1. 引言
传统多因子模型在A股量化投资领域被广泛运用，在过去若干年内模型
也获得较为稳健的超额收益。然而，由于市值效应在A股市场的影响过
于明显，导致传统多因子模型或多或少都受其影响

尤其是自2017年以来，随着市场风格发生的急剧变化，策略稳定性受
到了一定冲击，其中主要原因不外乎以下3点：首先，阿尔法因子体系
与市值因子相关性过高；其次，组合对风格的暴露控制力不足；最后，
选股域与比较基准域之间的不匹配。总而言之，市场风格的变化对策略
的影响远大于阿尔法因子本身所产生的波动，因此在当前市场环境下，
对传统多因子模型的风格控制能力提出了更高的要求，即使没有显著的
风格预判能力，那至少也需具备风格中性的控制能力。从目前市值因子
的波动情况而言，小盘因子超额收益的黄金时代可能已经过去

在本篇报告中，我们将开创性的构建全新的多因子模型体系----短周期
交易型多因子阿尔法选股体系。这将是对原有传统多因子模型的极大补
充，我们将从收益来源、有效周期、因子体系特征、组合换手率、策略
设计等多个方面来分析我们所构建的新体系

通过交易型阿尔法策略的研究，我们发现在A股市场，与传统多因子模
型所获取的股票价值阿尔法收益相比，交易型阿尔法收益的空间更大、
收益稳定性也更强，这与A股市场的投资者结构、交易制度、投资者交
易特征有着很大的关系。在A股市场中，即便是最纯粹的价值投资者也
不得不承认，交易行为在短期内对股票价格起着几乎是决定性的影响，
而挖掘这种交易型套利空间正是量化投资的优势所在，因此量化模型在
这一领域内应有着广泛的运用空间

在本篇报告中，我们总共构建、运用了将近200个短周期阿尔法因子，
其中因子数据则均来自于个股日频率的价格与成交量数据。在此基础
上，我们构建了基于短周期价量特征的风格中性多因子选股策略。模型
自2012年1月至2017年4月，在扣除所有交易成本后，较之中证500
指数，实现年化超额收益率50.2%，最大回撤5.9%，信息比率4.67。策
略设计以T+2日频率调仓，组合每期持股约为50-60只

短周期交易型阿尔法体系既是对传统多因子体系的补充，也可以说是全
新思路、独立设计的交易体系。在这其中，量化模型不再仅仅是低风险
低收益的投资策略，同样也可获得高额的收益回报，而尽管我们在这其
中还只是看到了冰山一角

数量化专题报告
请务必阅读正文之后的免责条款部分 4 of 32
2. 阿尔法模型的评价标准
2.1. 阿尔法模型的评价标准
在介绍交易型阿尔法策略新体系之前，我们有必要对阿尔法模型的评价
标准再做些许的梳理，而这样的标准既适用于交易型阿尔法体系，同样
也适用于传统阿尔法模型

毫无疑问，投资必然是以结果为导向的，因此策略最后实现的收益风险
特征是衡量阿尔法模型好坏的最终标准。但是，阿尔法模型的本质即是
预测收益，因此在观察策略实际收益率之前，我们可以通过一些定量的
方法，计算阿尔法模型的收益预测是否精确、是否显著，这样的判断将
更有利于我们了解自己阿尔法模型的特性，提高投资成功的概率

在我们的因子模型体系中，收益率分解是基本的假设前提。我们认为任
意股票在同一时刻暴露于多种不同的风险因素下，它们之间的共同作用
形成了股票价格的波动。因此，我们致力于寻找对绝大部分股票价格波
动都有影响的共同因素，称其为风格因子，这部分收益则称为风格收益

而风格因子不可解释的部分，则认为是个股自身特有的属性，称其为特
质因子，这部分收益则自然称为阿尔法收益

即，股票收益率 = 风格收益 + 阿尔法收益

其中，A股市场最为典型的风格收益包括欧亿·体育（中国）有限公司风格、市值风格等。对于
各大类风格因子（欧亿·体育（中国）有限公司、贝塔、动量、市值、盈利、波动、成长、价值、
杠杆、流动性）的定义，我们在之前的报告中已经做了详细的阐述，或
详见附录1

风格收益的特点在于显著但不可预测（或者说在我们的因子模型体系中
不对风格收益进行预测），而阿尔法收益的特点是显著并且一定程度上
可预测

因此，阿尔法模型的目标应是针对阿尔法收益的预测，而不是针对股票
整体收益率的预测。而评价阿尔法模型的标准也应是计算其对阿尔法收
益的预测是否可靠

从建模的角度而言，假设R是所有个股在某一期内的收益向量，industryX
是定义的欧亿·体育（中国）有限公司哑变量矩阵，styleX为定义的风格因子载荷矩阵（其中包
括Beta、Momentum、Size、Earnings_Yield、Volatilty、Growth、Value、
Leverage、Liquidity），我们通过回归方程的计算，可以得到：
11tindustryindustrystylestyletRfXfX
其中，industryf和stylef分别为欧亿·体育（中国）有限公司因子和风格因子的因子收益率
。。。以上简介无排版格式，详细内容请下载查看