最近一周的单因子表现(全行业)：上周三大体系存周转率、monthly_share_turnover(月换手率)、alpha053 (反转类)表现最好。
　　单因子在时间序列上的表现：上周市出现大幅下跌，30个一级行业的29个行业收跌。上周量价体系，规模、市值、动量类因子RankIC短呈上行趋；财务体系，财务因子RankIC整体初有一定上行趋。长上仍可增配较佳财务类因子。
　　中信一级行业的单因子表现：上周消费者服务涨幅最大，行业内总资产周转率、hist_alpha (历史Alpha)、alpha053 (反转类)表现最好；电子跌幅最大，行业内每经营活动产生的现金流净额同比增长率、monthly_share_turnover(月换手率)、alpha046 (反转类)表现最好。

研究报告全文：研究金融工程周报2022-12-26投资咨询业务资格证监许可2012669号跟踪周报市值因子上行报告要点本文回顾了上周财务因子风格量价因子和算法因子体系最近一Barra101周的单因子表现同时也跟踪了行业轮动组合的周度表现上周财务因子多为正向预测因子选能力最佳存周转率呈现正向选能力量价体系上周量价体系绝大多因子呈现反向风格规模因子仍为唯一正向因子波动类换手类因子整体表现较好可适当提升组合在风格因子上的负向暴露规避主流大类风格并对RankIC值较突出的因子进行持续配置摘要金融工程团队最近一周的单因子表现全行业上周三大体系存周转率研究员周通turnovermonthlyshare月换手率alpha053反转类表现最好021-80401733zhoutongciticsfcom单因子在时间序列上的表现上周市出现大幅下跌30个一级行业从业资格号F3078183投资咨询号Z0018055的个行业收跌上周量价体系规模市值动量类因子短29RankIC呈上行趋财务体系财务因子RankIC整体初有一定上行趋长上仍可增配较佳财务类因子一级行业的单因子表现上周消费者服务涨幅最大行业内总资产周转率histalpha历史Alphaalpha053反转类表现最好电子跌幅最大行业内每经营活动产生的现金流净额同比增长率monthlyshareturnover月换手率alpha046反转类表现最好重要提示本报告难以设置访问权限若给您造成不便敬请谅解我司不会因为关注收到或阅读本报告内容而视相关人员为客户市场有风险投资需谨慎金融工程周报目录摘要1一最近一周的单因子表现3一财务因子表现3二Barra风格因子表现3三算法挖掘机器学习因子表现4二一级行业的单因子表现4一财务因子表现4二Barra风格因子表现5三算法挖掘机器学习体系因子表现6三单因子在时间序列上的表现7一财务类因子表现7二量价类因子表现9附录1Barra的大类风格因子体系因子构建方法10附录2算法挖掘机器学习因子体系因子构建方法11附录3算法挖掘机器学习因子体系使用公式一览12附录4单因子评价方法13免责声明14图目录图表1财务因子RankIC均值-全行业3图表2Barra风格因子RankIC均值-全行业3图表3算法挖掘机器学习因子RankIC均值全行业4图表4财务因子表现一级行业4图表5Barra风格因子表现一级行业5图表6算法挖掘机器学习体系因子表现一级行业6图表7财务因子短周下的单因子表现RankIC累加值8图表8财务因子长周下的单因子表现RankIC累加值8图表9短周下的单因子表现RankIC累加值9图表10长周下的单因子表现RankIC累加值9图表11Barra大类风格因子体系量价类10图表12算法挖掘机器学习因子体系部分11图表13算法挖掘机器学习因子体系使用公式一览12214金融工程周报一最近一周的单因子表现一财务因子表现使用近一周的据回测财务因子里面选能力最佳的存周转率图表1财务因子RankIC均值-全行业基每本每经每营收活益净同动同资比产比产BPS总净增生资资长增总的长同产产率现收净资销存率金EPS比产售流权增益利周流率率净动周益TTM长TTM转利比转净乘率率率率率额0025002001500100050-0005-001-0015-002-0025资料来源同花顺研究所二Barra风格因子表现使用近一周的据回测Barra风格因子里面选能力最佳的是monthlyshareturnover图表2Barra风格因子RankIC均值-全行业annualizedtradedvalueratiolongtermrelativestrengthlongtermhistoricalalphaquarterlyshareturnovermonthlyshareturnoverannualshareturnovercumulativerangerelativestrengthhistsigmahistalphasizelncaphistbetadailystdmidcap0040020-002-004-006-008-01资料来源同花顺研究所314金融工程周报三算法挖掘机器学习因子表现使用近一周的据回测算法挖掘机器学习因子里面选能力最佳的是alpha053图表3算法挖掘机器学习因子RankIC均值全行业alpha006alpha009alpha021alpha023alpha028alpha032alpha043alpha046alpha049alpha051alpha053alpha101015010050-005-01-015资料来源同花顺研究所二一级行业的单因子表现一财务因子表现使用一级行业分类计算行业内财务标的RankIC和ICIR可以发现不同行业的最佳因子无论是按RankIC还是按RankICIR均差异明显财务标本身就具有行业特性且于不同行业间上市公司本身特质差别较大将单一因子均匀的应用于全市场选会具有较大的风险图表4财务因子表现一级行业成分行业最佳因子RankIC最佳因子RankICIR代码分类按RankIC均值均值按RankICIRCI00500148石油石化存周转率-0089存周转率-0598CI00500236煤炭权益乘-0123权益乘-0388CI005003116有色金属流动比率-0098净资产净利率TTM0791电力及公CI005004195总资产周转率-0076每净资产BPS同比增长率2129用事业CI00500555钢铁净资产净利率TTM0057总资产周转率0286CI005006428基础化工存周转率0085存周转率1059CI005007155建筑流动比率-0074每净资产BPS同比增长率0692CI00500886建材存周转率0081基本每收益同比增长率EPS-0771CI005009146轻工制造总资产周转率0092总资产收益率TTM1553414金融工程周报CI005010511机械流动比率-0024流动比率-0513电力设备每经营活动产生的现金流净额CI005011292流动比率-00510691及新能源同比增长率CI005012102防军工流动比率-0061每净资产BPS同比增长率1875CI005013201汽车存周转率0097存周转率1020CI005014114贸零售流动比率-0076流动比率-0634消费者服CI00501554总资产周转率0093总资产周转率0611务CI00501681家电总资产周转率0189净资产净利率TTM1324CI005017104纺织服装流动比率-0103流动比率-0698每经营活动产生的现金流净额CI005018426医药净资产净利率TTM-00250322同比增长率CI005019127食饮料净资产净利率TTM0150基本每收益同比增长率EPS0989CI00502093农林牧渔存周转率-0080净资产净利率TTM0444基本每收益同比增长率CI00502142银行0143权益乘0483EPS非银行金CI00502271权益乘0156权益乘0909融CI005023128房地产权益乘-0059总资产周转率0833CI005024120交通运输销售净利率-0091权益乘0631每经营活动产生的现金每经营活动产生的现金流净额CI005025365电子-0032-0464流净额同比增长率同比增长率CI005026127通总资产周转率0064流动比率-1346CI005027295计算机存周转率0101净资产净利率TTM1892CI005028154传媒销售净利率0058销售净利率0492CI00502955综合净资产净利率TTM0167总资产周转率1133每经营活动产生的现金流净额CI00503016综合金融总资产周转率0284-1856同比增长率资料来源同花顺研究所二Barra风格因子表现使用一级行业分类本文首先计算基于Barra风格因子体系的单因子RankIC和RankICIR值可以发现不同行业的最佳因子无论是按RankIC还是按RankICIR均差异明显这可能是由于不同行业间上市公司本身特质差别较大以此导致的上市公司权益回报率对因子的敏感性的天差地别图表5Barra风格因子表现一级行业成分行业最佳因子RankIC最佳因子RankICIR代码分类按RankIC均值均值按RankICIRCI00500147石油石化cumulativerange0193histbeta1574CI00500236煤炭dailystd0227cumulativerange1910514金融工程周报CI005003111有色金属histsigma0112histalpha0982电力及公CI005004170quarterlyshareturnover0155longtermhistoricalalpha1322用事业CI00500552钢铁cumulativerange0162longtermhistoricalalpha0653CI005006360基础化工monthlyshareturnover0107monthlyshareturnover0658CI005007132建筑cumulativerange0098relativestrength1076CI00500881建材monthlyshareturnover0108monthlyshareturnover0752CI005009128轻工制造sizelncap0061dailystd0447CI005010405机械dailystd0126histbeta0605电力设备CI005011257dailystd0100histbeta0576及新能源CI00501286防军工histsigma0101cumulativerange0548CI005013172汽车cumulativerange0058midcap0481CI005014112贸零售relativestrength0097cumulativerange0769消费者服CI00501550histalpha0123longtermhistoricalalpha0588务CI00501675家电histsigma0140longtermrelativestrength0639CI00501789纺织服装histsigma0105quarterlyshareturnover1564CI005018352医药monthlyshareturnover0267quarterlyshareturnover1623CI005019112食饮料histsigma0080longtermhistoricalalpha1118CI00502088农林牧渔longtermrelativestrength0117midcap0874CI00502137银行sizelncap0215quarterlyshareturnover0494非银行金CI00502269sizelncap0135midcap0750融CI005023127房地产longtermhistoricalalpha0059longtermhistoricalalpha1056CI005024116交通运输histsigma0119longtermhistoricalalpha0734CI005025287电子monthlyshareturnover0141monthlyshareturnover0796CI005026120通cumulativerange0085cumulativerange0444CI005027261计算机longtermhistoricalalpha0052longtermhistoricalalpha0810CI005028149传媒histsigma0089midcap1188CI00502957综合longtermhistoricalalpha0120longtermhistoricalalpha2106CI00503017综合金融longtermhistoricalalpha0127longtermhistoricalalpha1382资料来源同花顺研究所三算法挖掘机器学习体系因子表现使用一级行业分类本文接着计算基于算法挖掘机器学习因子体系的单因子RankIC和RankICIR值可以发现不同行业的最佳因子无论是按RankIC还是按RankICIR均差异明显这亦可能是由于不同行业间上市公司本身特质差别较大将单一因子均匀的应用于全市场选会具有较大的风险图表6算法挖掘机器学习体系因子表现一级行业614金融工程周报成分行业最佳因子RankIC最佳因子RankICIR代码分类按RankIC均值均值按RankICIRCI00500147石油石化alpha0230216alpha0532994CI00500236煤炭alpha0280150alpha1010810CI005003111有色金属alpha1010222alpha0281751CI005004170电力及公用事业alpha1010119alpha0211024CI00500552钢铁alpha0090201alpha0462563CI005006360基础化工alpha1010153alpha0462934CI005007132建筑alpha0090127alpha0492877CI00500881建材alpha1010231alpha0231751CI005009128轻工制造alpha1010191alpha0462598CI005010405机械alpha1010092alpha0462294CI005011257电力设备及新能源alpha0060058alpha1011381CI00501286防军工alpha0280120alpha0061474CI005013172汽车alpha0090147alpha0281199CI005014112贸零售alpha0530090alpha0281622CI00501550消费者服务alpha0530213alpha0511393CI00501675家电alpha0530131alpha0530728CI00501789纺织服装alpha1010126alpha0530995CI005018352医药alpha1010141alpha0062230CI005019112食饮料alpha0530180alpha1011376CI00502088农林牧渔alpha1010088alpha0490732CI00502137银行alpha0060127alpha0060852CI00502269非银行金融alpha0530172alpha0531217CI005023127房地产alpha1010208alpha0491143CI005024116交通运输alpha0230217alpha0231266CI005025287电子alpha0460105alpha0512757CI005026120通alpha0210128alpha0061086CI005027261计算机alpha0430124alpha0461500CI005028149传媒alpha0530140alpha0531081CI00502957综合alpha0530196alpha1013310CI00503017综合金融alpha1010088alpha0490732资料来源同花顺研究所三单因子在时间序列上的表现一财务类因子表现财务类因子最近半RankIC累积值分化明显最近半的追踪结果显示每经营活动产生的现金流净额同比增长率因子具有微弱的正向选能力流动比率因子反而呈现负向选能力财务因子在最近半的表现波动性较大从最近三的较长来看销售净利润和总资产净收益具明显的正向且稳定的选714金融工程周报能力权益乘则是负向选能力长上可增配较佳财务类因子图表7财务因子短周下的单因子表现RankIC累加值基本每收益同比增长率EPS每净资产BPS同比增长率总资产收益率TTM净资产净利率TTM总资产周转率销售净利率流动比率存周转率15每经营活动产生的现金流净额同比增长率权益乘1050-05-1-15-22022092820220706202207132022072020220727202208032022081020220817202208242022083120220907202209142022092120221005202210122022101920221026202211022022110920221116202211232022113020221207202212142022122120220629资料来源同花顺研究所图表8财务因子长周下的单因子表现RankIC累加值基本每收益同比增长率EPS每净资产BPS同比增长率总资产收益率TTM净资产净利率TTM总资产周转率销售净利率流动比率存周转率8每经营活动产生的现金流净额同比增长率权益乘6420-2-420200704202211042020010420200304202005042020090420201104202101042021030420210504202107042021090420211104202201042022030420220504202207042022090420191104资料来源同花顺研究所814金融工程周报二量价类因子表现本段按照Barra分类方法将RankIC值按风格大类进行归类并在时序上进行累加后取平均最近半的追踪结果显示市值因子具有最明显的正向选能力流动性和波动率因子具有最明显的负向选能力且流动性和波动率因子的负向选能力比规模因子的正向选能力更为稳定上周量价体系整体有一定的下行趋表明市场风格轮动较快可基于风格的快速转换配置较佳因子整体敞口不宜过高图表9短周下的单因子表现RankIC累加值beta流动性动量规模市值波动率10-1-2-3-4-5-62022-07-202022-08-172022-12-212022-06-222022-06-282022-07-042022-07-082022-07-142022-07-262022-08-012022-08-052022-08-112022-08-232022-08-292022-09-022022-09-082022-09-152022-09-212022-09-272022-10-102022-10-142022-10-202022-10-262022-11-012022-11-072022-11-112022-11-172022-11-232022-11-292022-12-052022-12-092022-12-15资料来源同花顺研究所图表10长周下的单因子表现RankIC累加值beta流动性动量规模市值波动率50-5-10-15-20-252021-09-282022-08-102019-12-112020-01-082020-02-122020-03-102020-04-072020-05-072020-06-032020-07-022020-07-292020-08-252020-09-212020-10-262020-11-202020-12-172021-01-142021-02-102021-03-162021-04-132021-05-132021-06-092021-07-072021-08-032021-08-302021-11-012021-11-262021-12-232022-01-202022-02-232022-03-222022-04-202022-05-202022-06-172022-07-142022-09-062022-10-112022-11-072022-12-022019-11-14资料来源同花顺研究所914金融工程周报附录1Barra的大类风格因子体系因子构建方法Barra的大类风格因子体系量价类的风格因子比较清晰的反映了权益资产市场表现的某一个维度背后的含义也非常明显图表11Barra大类风格因子体系量价类风格因子描述符说明因子定义StyleFactorDescriptor贝塔HistoricalBeta历史贝塔票收益率对300收益率的时间序列回归取回归系BetaMonthlyShareTurnover月换手率对最近一个月的票换手率求和然后取对QuarterlyShare季换手率对最近一个季度的票换手率求和然后取对流动性TurnoverLiquidityAnnualShareTurnover换手率对最近一的票换手率求和然后取对AnnualizedTraded化交易对最近一的日换手率进行加权求和ValueRatio额比率计算非滞后的长相对强度对票对收益率进行加权求Long-termRelative长相对和然后计算滞后交易日的时间窗口内的非滞后值的等权平Strength强度长反转均值最后取相反Long-TermReversalLong-termHistorical长历史计算非滞后的alpha取CAPM回归截距项然后计算滞后交AlphaAlpha易日的时间窗口内的非滞后值的等权平均值最后取相反规模LogofMarket市值规模流通市值的自然对SizeCapitalization市值取规模因子的立方然后对规模因子正交最后进行去极值CubeofSizeExposure等市值MidCapitalization和标准化处理计算非滞后的相对强度对票的对收益率进行加权RelativeStrength相对强求和然后计算滞后交易日的时间窗口内的非滞后相对强度12-month度动量的等权平均值Momentum历史在计算贝塔所进行的时间序列回归取回归截距项然后计HistoricalAlphaAlpha算滞后交易日的时间窗口内的非滞后值的等权平均值历史残差在计算贝塔所进行的时间序列回归取回归残差收益率的HistoricalSigma波动率波动率残差波动率DailyStandard日收益率最近一日收益率的波动率ResidualVolatilityDeviation标准差累积收益CumulativeRange最近12个月累积对收益率的最大值减去最小值率范围资料来源Barra研究所1014金融工程周报附录2算法挖掘机器学习因子体系因子构建方法在101FormulaicAlphas一文和其他类似研究的算法挖掘机器学习因子体系因子本身可能很难讲出具体的含义所产生的效果也容易受到datamining的影响在后这类因子可能会需要严谨的处理和统计学论证图表12算法挖掘机器学习因子体系部分因子说明因子公式化定义alpha006趋类-1correlationopenvolume100tsmindeltaclose15deltaclose1tsmaxdeltaclose150deltaclose1-1alpha009反转类deltaclose1sumclose88stddevclose8sumclose22-11sumclose22alpha021趋类sumclose88-stddevclose811volumeadv20volumeadv2011-11alpha023反转类sumhigh2020high-1deltahigh20alpha028反转类scalecorrelationadv20low5highlow2-closealpha032趋类scalesumclose77-close20scalecorrelationvwapdelayclose5230alpha043反转类tsrankvolumeadv2020tsrank-1deltaclose78025delayclose20-delayclose1010-delayclose10-close10-11alpha046反转类delayclose20-delayclose1010-delayclose10-close1001-11close-delayclose1delayclose20-delayclose1010-delayclose10-close10-1011-11alpha049反转类close-delayclose1delayclose20-delayclose1010-delayclose10-close10-10051-11alpha051反转类close-delayclose1alpha053反转类-1deltaclose-low-high-closeclose-low9alpha101反转类close-openhigh-low001资料来源研究所参考文献KakushadzeZura101FormulaicAlphasDecember92015WilmottMagazine201684201672-801114金融工程周报附录3算法挖掘机器学习因子体系使用公式一览图表13算法挖掘机器学习因子体系使用公式一览rankxcross-sectionalrankdelayxdvalueofxddaysagocorrelationxydtime-serialcorrelationofxandyforthepastddayscovariancexydtime-serialcovarianceofxandyforthepastddaysscalexarescaledxsuchthatsumabsxathedefaultisa1deltaxdtodaysvalueofxminusthevalueofxddaysagosignedpowerxaxaweightedmovingaverageoverthepastddayswithlinearlydecayingweightsdd11decaylinearxdrescaledtosumupto1xcross-sectionallyneutralizedagainstgroupsgsubindustriesindustriessectorsetciexisindneutralizexgcross-sectionallydemeanedwithineachgroupgoperatorOappliedacrossthetime-seriesforthepastddaysnon-integernumberofdaysdistsOxdconvertedtofloordtsminxdtime-seriesminoverthepastddaystsmaxxdtime-seriesmaxoverthepastddaystsargmaxxdwhichdaytsmaxxdoccurredontsargminxdwhichdaytsminxdoccurredontsrankxdtime-seriesrankinthepastddaysminxdtsminxdmaxxdtsmaxxdsumxdtime-seriessumoverthepastddaysproductxdtime-seriesproductoverthepastddaysstddevxdmovingtime-seriesstandarddeviationoverthepastddays资料来源研究所参考文献KakushadzeZura101FormulaicAlphasDecember92015WilmottMagazine201684201672-801214金融工程周报附录4单因子评价方法依照现有的因子库可以直接对相应的单因子进行评价进而形成相应的策略这样的策略只关注一个因子对权益收益率的影响主要关注这些因子RankIC值和RankICIR值RankIC代表因子的选能力其绝对值越大越好RankICIR代表因子稳定获得超额收益的选能力其绝对值越大越佳这一过程可以简要描述为计算附录1和附录2所有细分因子的值在每一个截面上分别计算属于同一个风格大类例如动量的细分因子与个下收益率计算Spearman秩相关系即得到该细分因子的RankIC值在时序上取RankIC均值利用因子的RankIC值计算RankICIR值RankICIR是某一时间维度的RankIC均值除以标准差时间维度与策略的调仓周相匹配计算风格因子的RankIC和RankICIR计算风格大类所有细分因子的RankIC和RankICIR的算术平均如需1314金融工程周报免责声明除非另有说明有限公司拥有本报告的版权和或其他相关知识产权未经有限公司事先书面许可任何单位或个人不得以任何方式复制转载引用刊登发表发行修改翻译此报告的全部或部分材料内容除非另有说明本报告使用的所有标服务标记及标记均为有限公司所有或经合法授权被许可使用的标服务标记及标记未经有限公司或标所有权人的书面许可任何单位或个人不得使用该标服务标记及标记如果在任何家或地区管辖范围内本报告内容或其适用与任何政府机构监管机构自律组织或者清算机构的法律规则或规定内容相抵触或者有限公司未被授权在当地提供这种息或服务那么本报告的内容并不意图提供给这些地区的个人或组织任何个人或组织也不得在当地查看或使用本报告本报告所载的内容并非适用于所有家或地区或者适用于所有人此报告所载的全部内容仅作参考之用此报告的内容不构成对任何人的投资建议且有限公司不会因接收人收到此报告而视其为客户尽管本报告所包含的息是我们于发布之时从我们认为可靠的渠道获得但有限公司对于本报告所载的息观点以及据的准确性可靠性时效性以及完整性不作任何明确或隐含的保证因此任何人不得对本报告所载的息观点以及据的准确性可靠性时效性及完整性产生任何依赖且有限公司不对因使用此报告及所载材料而造成的损失承担任何责任本报告不应取代个人的独立判断本报告仅反映编写人的不同设想见解及分析方法本报告所载的观点并不代表有限公司或任何其附属或联营公司的立场此报告所的投资及服务可能不适合阁下我们建议阁下如有任何疑问应咨询独立投资顾问此报告不构成任何投资法律会计或税务建议且不担保任何投资及策略适合阁下此报告并不构成有限公司给予阁下的任何私人咨询建议有限公司圳总部地址圳市福田区心三路8号卓越时代广场二北座13层1301-130514层邮编518048电话400-990-88261414