本文回顾了上周财务因子、Barra风格量价因子和101算法因子体系最近一周的单因子表现。上周财务因子多为正向预测因子，选能力最佳净资产净利率TTM呈现正向选能力。量价体系，主流风格开始快速切换，整体分化较为明显，其市值、换手类因子表现较好。近市场回暖，但短上风格因子的稳定性不佳，因子择时存在一定难度，仍可执行均衡为主的策略

研究报告全文：研究金融工程周报2023-04-03投资咨询业务资格跟踪周报风格快速轮动市值换证监许可2012669号手因子占优报告要点本文回顾了上周财务因子Barra风格量价因子和101算法因子体系最近一周的单因子表现上周财务因子多为正向预测因子选能力最佳净资产净利率TTM呈现正向选能力量价体系主流风格开始快速切换整体分化较为明显其市值换手类因子表现较好近市场回暖但短上风格因子的稳定性不佳因子择时存在一定难度仍可执行均衡为主的策略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净资产净利率TTM研究员周通sizelncap市值规模alpha049反转类表现最好021-80401733zhoutongciticsfcom单因子在时间序列上的表现上周A市场小幅上涨多一级行业从业资格号F3078183投资咨询号Z0018055取得正收益上周量价体系风格因子整体并无明显财RankIC务体系财务因子RankIC整体也出现了一定的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石油石化涨幅最大行业内流动比率sizelncap市值规模alpha028反转类表现最好建筑跌幅最大行业内基本每收益同比增长率EPSmonthlyshareturnover月换手率alpha101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8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6图表6算法挖掘机器学习体系因子表现一级行业7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净资产净利率TTM图表1财务因子RankIC均值-全行业基每本经每每营活收净同益比动资产同产总净增比BPS资资长生增产产总率的长同收净资销存现比益利产售流金权率EPS增周净动周流益TTM率TTM率长转利比转净乘率率率率率额0070060050040030020010-001-002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sizelncap图表2Barra风格因子RankIC均值-全行业annualizedtradedvalueratiolongtermrelativestrengthlongtermhistoricalalphaquarterlyshareturnovermonthlyshareturnoverannualshareturnovercumulativerangerelativestrengthhistsigmahistalphasizelncaphistbetadailystdmidcap0080060040020-002-004-006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alpha049图表3算法挖掘机器学习因子RankIC均值全行业alpha046alpha006alpha009alpha021alpha023alpha028alpha032alpha043alpha049alpha051alpha053alpha101015010050-005-01-015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RankICIRCI00500147石油石化流动比率-00732流动比率-0492每经营活动产生的现金流净CI00500236煤炭总资产收益率TTM020450838额同比增长率CI005003111有色金属权益乘00830总资产周转率1019电力及公CI005004170存周转率01542权益乘1575用事业每经营活动产生的现金流净CI00500552钢铁净资产净利率TTM012860637额同比增长率414金融工程周报CI005006360基础化工净资产净利率TTM00985基本每收益同比增长率EPS1178基本每收益同比增长率CI005007132建筑00952销售净利率0592EPSCI00500881建材销售净利率01203存周转率0453基本每收益同比增长率CI005009128轻工制造00811存周转率0580EPSCI005010405机械净资产净利率TTM01009权益乘1362电力设备CI005011257净资产净利率TTM00872存周转率1123及新能源基本每收益同比增长率CI00501286防军工01119基本每收益同比增长率EPS1454EPSCI005013172汽车净资产净利率TTM01087总资产周转率1373CI005014112贸零售总资产周转率-01141权益乘2321消费者服CI00501550存周转率01122存周转率0659务每经营活动产生的现金流净CI00501675家电总资产周转率012781071额同比增长率CI00501789纺织服装总资产收益率TTM00747总资产收益率TTM1123每经营活动产生的现金流净CI005018352医药总资产周转率014693693额同比增长率CI005019112食饮料总资产收益率TTM01765权益乘-0939CI00502088农林牧渔存周转率00856基本每收益同比增长率EPS-1938每经营活动产生的现金流净CI00502137银行净资产净利率TTM009570468额同比增长率非银行金CI00502269销售净利率01112销售净利率1269融CI005023127房地产每净资产BPS同比增长率01022每净资产BPS同比增长率2203CI005024116交通运输存周转率01201存周转率2118CI005025287电子销售净利率00662基本每收益同比增长率EPS1004CI005026120通销售净利率00416权益乘-0669CI005027261计算机销售净利率00674基本每收益同比增长率EPS1261CI005028149传媒每净资产BPS同比增长率-00376每净资产BPS同比增长率-0552CI00502957综合总资产周转率01240总资产周转率1057CI00503017综合金融流动比率02282权益乘-1308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514金融工程周报图表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sizelncap0151monthlyshareturnover1033CI00500236煤炭sizelncap0253sizelncap0884CI005003111有色金属longtermrelativestrength0096annualshareturnover0919电力及CI005004170sizelncap0150histbeta0866公用事业CI00500552钢铁sizelncap0133longtermhistoricalalpha0958CI005006360基础化工sizelncap0101longtermrelativestrength0770CI005007132建筑monthlyshareturnover0083midcap0418CI00500881建材midcap0076midcap0738CI005009128轻工制造longtermhistoricalalpha0057longtermrelativestrength0505CI005010405机械sizelncap0087sizelncap0726电力设备CI005011257sizelncap0084histbeta0492及新能源CI00501286防军工sizelncap0098quarterlyshareturnover0667CI005013172汽车sizelncap0098histalpha1228CI005014112贸零售annualshareturnover0113histalpha1315CI00501550消费者服务longtermrelativestrength0155midcap1311CI00501675家电monthlyshareturnover0141relativestrength0770CI00501789纺织服装histsigma0089dailystd1152CI005018352医药longtermrelativestrength0191longtermrelativestrength1119CI005019112食饮料relativestrength0126longtermhistoricalalpha0759CI00502088农林牧渔sizelncap0123relativestrength0591CI00502137银行sizelncap0288cumulativerange1451CI00502269非银行金融sizelncap0141longtermhistoricalalpha1177CI005023127房地产monthlyshareturnover0135histbeta0615CI005024116交通运输sizelncap0136histalpha0896CI005025287电子histalpha0048histalpha0666CI005026120通monthlyshareturnover0072dailystd0621CI005027261计算机monthlyshareturnover0085histsigma1245CI005028149传媒histsigma0132histsigma1226CI00502957综合cumulativerange0125longtermhistoricalalpha0843CI00503017综合金融longtermrelativestrength0254longtermrelativestrength0925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614金融工程周报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alpha0280198alpha0531076CI00500236煤炭alpha0090260alpha0092076CI005003111有色金属alpha1010150alpha1012007CI005004170电力及公用事业alpha0490086alpha0061935CI00500552钢铁alpha1010221alpha1011980CI005006360基础化工alpha0490140alpha0212317CI005007132建筑alpha1010165alpha0493064CI00500881建材alpha0090165alpha0461219CI005009128轻工制造alpha0510143alpha0461171CI005010405机械alpha0490105alpha0210900CI005011257电力设备及新能源alpha0210162alpha0211417CI00501286防军工alpha1010219alpha1012985CI005013172汽车alpha0490100alpha0491456CI005014112贸零售alpha0280088alpha0210996CI00501550消费者服务alpha0280154alpha0460980CI00501675家电alpha0280072alpha0321041CI00501789纺织服装alpha0510070alpha0210851CI005018352医药alpha0510130alpha0511095CI005019112食饮料alpha0490099alpha0320899CI00502088农林牧渔alpha0320144alpha0281045CI00502137银行alpha0320269alpha0321905CI00502269非银行金融alpha1010199alpha1010859CI005023127房地产alpha0210134alpha0281994CI005024116交通运输alpha0320106alpha0321481CI005025287电子alpha0230164alpha0233415CI005026120通alpha1010100alpha0210924CI005027261计算机alpha1010135alpha0530969CI005028149传媒alpha0060191alpha0063715CI00502957综合alpha0210169alpha0061362CI00503017综合金融alpha0320144alpha0281045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最近半的追踪结果显示财务因子短周下表现波动较大除流动比率外其714金融工程周报他因子累积表现为微弱负向选能力从最近三的较长来看基本每收益同比增长率销售净利率具明显的正向且稳定的选能力权益乘在2022前呈现负向选能力随后反转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15流动比率存周转率每经营活动产生的现金流净额同比增长率权益乘1050-05-1-1520221031202212052023010920230213202303202022101720221024202211072022111420221121202211282022121220221219202212262023010220230116202301232023013020230206202302202023022720230306202303132023032720221010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10流动比率存周转率每经营活动产生的现金流净额同比增长率权益乘50-520200520202007202020092020201120202101202021032020210520202107202021092020211120202201202022032020220520202207202022092020221120202301202023032020200320资料来源同花顺研究所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流动性和波动率因子的负向选能力日趋强劲而814金融工程周报beta和规模因子则是在震荡显露出相同方向的苗头但市值和规模因子的表现较为保守有待进一步观察最近三的追踪结果则进一步验证了流动性和波动率因子稳健强劲的负向选能力而包含beta动量规模和市值在内的四个因子选风格模糊在正负之间震荡上周量价体系因子整体呈震荡态可适当基于风格的快速转换配置较佳风格整体仍保持均衡不易过高暴露敞口图表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210-1-2-3-4-5-6-72022-11-112023-02-132022-09-212022-09-272022-10-102022-10-142022-10-202022-10-262022-11-012022-11-072022-11-172022-11-232022-11-292022-12-052022-12-092022-12-152022-12-212022-12-272023-01-032023-01-092023-01-132023-01-192023-02-012023-02-072023-02-172023-02-232023-03-012023-03-072023-03-132023-03-172023-03-232023-03-29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50-5-10-15-20-25-302021-06-082020-03-232020-04-222020-05-262020-06-242020-07-272020-08-252020-09-232020-10-302020-11-302020-12-292021-01-282021-03-052021-04-062021-05-102021-07-082021-08-062021-09-062021-10-142021-11-122021-12-132022-01-122022-02-172022-03-182022-04-202022-05-242022-06-232022-07-222022-08-222022-09-212022-10-272022-11-252022-12-262023-02-012023-03-022020-02-21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