细分行业建模之券商内因子研究：《因子选股系列研究之二十九》.pdf

为什么要对 券商 股单独建模？ 1.券商股 在沪深 300 指数中权重较高 ， 图 1 展示了 2010 年 6 月 -2017 年 9 月沪深 300 成分股中 券商股 的数量和总权重 ，沪深 300 成分内的券商占上市 3 个月券商比重平均 约 为 95%，也就是说几乎所有的上市满 3 个月的券商都在沪深 300 内 ，沪深 300 成分股中 券商 股的数量从 2010.6 年开始的 13 支，逐渐增加到 2017.9 的 26 支，数量上虽然占比较少，但是从 2013 年开始， 券商 股在沪深 300 成分股中的总权重就始终处在 8%以上， 权重最高的时候甚至能达到 12%， 对于指数 有着一定的影响 因此，在做沪深 300 指数增强组合的时候，若能对于非银金融 、银行 等权重占比较大的行业进行独立的分块建模，就会使指数增强组合的整体效果有一定的提升 而非银金融中，保险虽然权重不低，但样本太少，很难通过量化的手段进行研究，因此我们这里主要针对非银中的券商股做量化选股的研究 图 1： 券商 股在沪深 300指数中的数量和总权重 数据来源：东方证券研究所 Wind 资讯 图 2： 不同行业 指数 收益率的 平均相关性 数据来源：东方证券研究所 Wind 资讯 2.券商 股和其他类型股票的平均相关性较低 。

图 2 展示了 2010.6-2017.9 中信行业指数的平均相关性， 其中我们把券商行业指数也作为一个行业加入到里面， 可以看到 券商指数 的平均相关性 和非银指数类似，是除了银行以外平均相关性最低的行业同样 显著的低于其他行业 因此 ， 券商 股的走势与其他类型股票较不同步 ， 说明 券商 股有其特别的性质 综合上述两点， 我们有必要针对 券商 股单独进行建模以取得更好的 整体 增强效果 单 因子测试 本文主要对沪深 300 券商 成分股 中的因子效果做了检验 (2010.6.30-2017.9.29)，并根据单因子检验的效果建立了动态的多因子模型 ，由于 券商 股的股票数量 较 少，常规的计算 rankIC 和 ICIR 的方法 会受小样本影响较大 ，因此这里我们通过 统计 等权 多空组合 （前 40%减去后 40%） 的收益和多空组合 IR 的方法 来作为衡量单因子好坏的量度 在估计的时候，因为不同因子的换手率水平差异较大，因此仅仅看多空组合月收益和 IR 并不能很好的反映因子真实的表现，所以我们用多空平均月收益的绝对值扣除换手率调整的费率 （单边千 3） 作为扣费后收益的近似，以期综合考虑因子的表现。

图 3： 测试因子列表 数据来源：东方证券研究所 值得注意的是，上市券商会在每个月公布未经审计的月报， 所以我们这里也基于最新公告的月报数据构建了几个估值、成长和盈利因子 由于月报从 2010.7 才开始公布，而且计算 TTM 和成长因子时需用到历史一年的数据，因此缺失的月报数据我们用季报数据进行补充 此外，不同的因子选股的方向是不同的，因此在下文构建多空组合累积净值的时候，我们都根据因子的方向进行了调整，以保证多空组合的方向都是一致的 类型 因子简称 因子说明BP _ L F N e w e s t Bo o k V a l u e / M a rk e t C a pEP _ T T M T T M e a rn i n g s / M a rk e t C a pSP _ T T M T T M Sa l e s / M a rk e t C a pBP _ L F _ M 根据月报数据计算的B P _ L PEP _ T T M _ M 根据月报数据计算的E P _ T T MSP _ T T M _ M 根据月报数据计算的S P _ T TSa l e s G ro w t h _ Q r_ Y O Y 营业收入增长率（季度同比）Pro f i t G ro w t h _ Q r_ Y O Y 净利润增长率（季度同比）Sa l e s G ro w t h _ M _ Y O Y 营业收入增长率（月度同比）Pro f i t G ro w t h _ M _ Y O Y 净利润增长率（月度同比）R O E 净资产收益率R O A 总资产收益率R O E_ M 根据月报数据计算的净资产收益率R O A _ M 根据月报数据计算的总资产收益率R e t 1 M 1 个月收益反转R e t 3 M 3 个月收益反转PP R e v e rs a l 乒乓球反转因子C G O _ 3 M C a p i t a l G a i n s O v e rh a n g (3 M )IR F F 1 -F a m a -F re n c h re g re s s i o n SS R / SS TTO 以流通股本计算的1 个月日均换手率IL L IQ 每天一个亿成交量能推动的股价涨幅Be t a 2 5 2 个交易日对中证全指滚动回归R e a l i z e d V o l a t i l i t y _ 3 M 过去三个月日收益率数据计算的标准差R e a l i z e d V o l a t i l i t y _ 1 Y 过去一年日收益率数据计算的标准差SP _ F 预期的S PEP _ F 预期的E PEa ri n g i n g s _ C h a n g e s 过去三个月盈利预测上调家数- 下调家数R a t e 平均的评级R a t e _ C h a n g e s 过去三个月评级上调家数- 下调家数F P2 P 预期目标价除以当前股价Sa l e s G ro w t h _ F 预期营业收入增长Pro f i t G ro w t h _ F 预期净利润增长预期估值预期成长其他预期估值盈利成长反转低波动非流动性 估值因子 估值因子 中，我们分别测试了用季报计算的 BP_LF、 EP_TTM和 SP_TTM，以及用月报数据计算的BP_LF_M、 EP_TTM_M和 SP_TTM_M。

计算因子的时候， TTM是过去 4季度或 12月总和 图 4： 估值因子 多空净值和表现 数据来源：东方证券研究所 Wind 资讯 从因子表现可以看出， SP_TTM_M 和 BP_LF_M 都显著的好于 SP_TTM 和 BP_LP然而EP_TTM_M 表现较 EP_TTM 差，但是从累积净值上可以看到这两个因子差距 比其他两个因子小 综合来看，虽然说月报数据未经过审计，但是相较于季报数据而言，仍然是 更 好的数据来源，可以使得估值因子更新更加及时，从而获得更好的表现 整体来看，估值因子在券商股中的选股效果很好，且换手率较低，因此在扣除了 成本后仍然有较高的收益水平，其中 SP_TTM_M 的 IR 有 1 以上，且扣费后还有 1.19%的多空月收益，选股效果很好 我们分别计算了对应的季报数据估值因子和月报数据估值因子的多空相关性水平，除了 SP_TTM和 SP_TTM_M 的多空组合相关性为 89%，其它两个均在 90%以上，因此在构建多因子模型的时候，我们将倾向于使用月报数据计算的估值作为因子 成长 类 因子 成长 因子 中，我们分别测试了用季报计算的单季同比增长 SalesGrowth_Qr_YOY和ProfitGrowth_Qr_YOY，以及用月报数据计算的单月同比增长 SalesGrowth_M_YOY和ProfitGrowth_M_YOY。

因子简称 多空平均月收益 IR 多空月单边换手率 扣费后的平均月收益B P _ L F 0 . 7 7 % 0 . 6 4 5 2 4 . 5 0 % 0 . 6 2 %E P _ T T M 0 . 9 6 % 0 . 7 1 9 2 8 . 2 7 % 0 . 8 0 %S P _ T T M 1 . 1 1 % 0 . 7 8 7 2 9 . 2 0 % 0 . 9 3 %B P _ L F _ M 0 . 9 9 % 0 . 8 0 1 2 6 . 5 2 % 0 . 8 3 %E P _ T T M _ M 0 . 8 4 % 0 . 6 0 8 3 1 . 8 2 % 0 . 6 5 %S P _ T T M _ M 1 . 4 1 % 1 . 0 6 1 3 5 . 5 5 % 1 . 1 9 % 图 5： 成长 类 因子 多空净值和表现 数据来源：东方证券研究所 Wind 资讯 成长因子在券商选股中整体表现不佳，其中月度同比成长相对 IR 较高，但是换手率非常高，扣费以后都是负的收益，因此成长因子在券商股中并没有选股作用 盈利能力因子 在盈利 因子 中，我们分别测试了用季报计算的 ROE和 ROA，以及用月报数据计算的 ROE_M和ROA_M。

这里 ROE_M是用过去 12个月的净利润除以平均的 Book Value来计算的， ROA_M用过去12个月的 净利润除以 4季度平均的总资产计算的 图 6： 盈利能力因子 多空净值和表现 数据来源：东方证券研究所 Wind 资讯 因子简称 多空平均月收益 IR 多空月单边换手率 扣费后的平均月收益S a l e s G r o w t h _ Q r _ Y O Y - 0 . 0 3 % - 0 . 0 3 0 5 1 . 7 0 % - 0 . 2 8 %P r o f i t G r o w t h _ Q r _ Y O Y - 0 . 1 6 % - 0 . 1 5 8 4 9 . 1 2 % - 0 . 1 4 %S a l e s G r o w t h _ M _ Y O Y 0 . 4 2 % 0 . 3 6 2 1 0 4 . 5 6 % - 0 . 2 1 %P r o f i t G r o w t h _ M _ Y O Y 0 . 2 4 % 0 . 1 9 4 1 0 7 . 4 3 % - 0 . 4 1 %因子简称 多空平均月收益 IR 多空月单边换手率 扣费后的平均月收益R O E 0 . 1 9 % 0 . 1 4 1 3 2 . 0 7 % 0 . 0 0 %R O A 0 . 3 2 % 0 . 2 9 5 3 2 . 5 6 % 0 . 1 3 %R O E _ M - 0 . 1 1 % - 0 . 1 0 3 3 2 . 8 5 % - 0 . 0 9 %R O A _ M 0 . 3 4 % 0 . 3 0 2 3 6 . 9 7 % 0 . 1 2 % 盈利因子 中相对表现较好的是 ROA 和 ROA_M，两者相差很小，但是扣除了费率后没有收益，因此盈利因子 在券商选股中整体表现不佳，基本没有什么选股作用。

反转因子 反转因子中，我们分别测试了 Ret1M、 Ret3M、 PPReversal、 CGO_3M和 IRFF这几个反转因子的表现 图 7： 反转 因子 多空净值和表现 数据来源：东方证券研究所 Wind 资讯 从净值和 IR来看 Ret3M和 CGO_3M表现较好，但是反转因子整体换手率很高，扣除了费用后这两个因子的平均多空月收益仅有 0.3%，并且因子从 2016年 4月开始有比较大的回撤，其中 Ret3M和CGO_3M在没扣费情况下的回撤幅度都大于 15%，实际的表现会更差所以我们不推荐在券商选股的时候加入反转因子 非流动性和低波动 因子 非流动性和低波动因子 虽然属于两种类型的因子，但是其有一定的相关性，因此这里我们把它们放在一起比较 非流动性因子 中，我们分别测试了 TO和 ILLIQ，低波动因子中，我们分别测试了 Beta、RealizedVolatility_3M和 RealizedVolatility_1Y 因子简称 多空平均月收益 IR 多空月单边换手率 扣费后的平均月收益R e t 1 M -0 。