传统多因素模型及其在沪深300中的实证
作者:黄志文;葛新元 来源:国信证券研究所 2010-09-07 16:50:01
从多因素模型产生的思想来看,其目的主要是想解决哪些风险因素以及有多少因子对股票或债券报酬产生影响,以及影响有多大。多因素模型通常有3种模型,BARRA模型、Northfield模型和对无法识别的风险进行管理的统计模型。其中BARRA模型对证券基本面的风险分析做的比较出色,Northfield模型对宏观经济因素的风险分析十分出色,这两种模型的原理基本相同。BARRA模型是利用多因素模型的基本原理,识别出风险因子,然后利用这个模型对风险因子导致的风险进行识别并加以控制。 借鉴BARRA模型的方法,对A股市场的风险因子进行识别。鉴于中国市场的具体情况,主要考虑部分宏观因子,基本面因子和部分技术因子,从中选取了29个可能对投资组合收益率和风险有影响的因子进行降维处理,再进行回归分析,用加权最小二乘法估计回归方程的系数,在下一期的回归方程中保持系数不变,求出因变量(即收益)。比较三种降维方法的实证结果,可发现总体上讲,等权复合因子降维优于逐步回归降维,逐步回归优于主成分分析方法(方差贡献率不低于85%的条件下),但逐步回归由于每次得到的显著性因子都可能不同,所以难以求出风险因子的协方差,进而分析风险;如果用主成分方法,则可以分析主成分之间的协方差,分析主成分之间的风险。投资者可根据实际情况选择合适的降维方法。
就总的表现来说,等权重复合因子的方法降维,要好于主成分分析和逐步回归降维的效果。三种降维方法中,主成分分析没有跑赢基准,其他两种方法都有效的跑赢了基准。但经风险调整后的收益(Shapre比率)
逐步回归最高,年化收益率超越基准10.91%。综合来说,等权重复合因子的降维方法是最优的,在实践中我们推荐使用等权重复合因子的降维方法来处理多因素模型。
按照最新财报数据,采用等权复合因子的方法进行降维,生成未来一个月的股票配臵建议,三十只股票的行业分布中,所占比重最大的行业是有色金属,其次是医药保健、公用事业、房地产、信息技术、黑色金属、汽车汽配以及建筑建材。