研报名称：《渤海证券-行业多因子轮动模型》
核心观点：
引言
传统多因子模型中， 市值因子和行业因子均为风险因子， 往往需要做中性化处理。 而在实际投资中， 风险与收益并存， 控制了风险暴露， 也等于放弃了部分收益。
行业多因子构建流程
与股票多因子相比， 行业因子需通过股票因子进行*， 我们比较了不同大类因子在不同*方式下的效果， 最终确定了合适的因子*方式。 因子*后， 通过单因子检验， 我们选择了 5 大类共 11 个因子， 分别为 12 个月换手率、 1 月超额收益动量、 20 反转、 60 反转、 180 反转、 BasicEPS 同比增长率、 EPSTTM 环比增长率、 ROE 同比增长率、 ROA_ttm、 季度ROE、 季度 Profitmargin。 我们使用最大化 ICIR 法和对称正交法来进行大类因子*与正交。
回测
回测过程中， 使用均值法进行因子收益预测， 并对不合逻辑的因子收益值做了修正， 分别测试了持有预测收益最高的 10、 15、 20 个行业的净值走势。N 越小， 累计净值走势终值越高， 满足一定的单调性， 符合逻辑。 从超额收益率走势来看， 在 2017 年前， 随着 N 越小， 累计超额收益越高， 在 2017年下半年， N 为 10 的超额收益出现一定下跌。 N 为 20 和 30 的条件下， 超额收益走势更加稳定。 对每期选择出来的行业， 我们通过季度 ROE 因子排序来确定每个行业的龙头股票，每期选择 20 个行业，每个行业选择季度 ROE排名靠前的两只股票， 月频调仓， 回测结果为： 年度收益 17.78%、 年度超额收益 11.39%、 最大回测 30.47%、 波动率 0.28、 胜率 60.17%、 夏普比例0.5。从回测结果来看， 超额收益表现稳定， 仅在 14 年牛市期间出现较大回测，其余时间基本能跑赢 Wind 全 A。
风险提示
模型过度优化风险，模型失效风险。
