东方证券-《因子选股系列研究》之五十三：基于因子组合FMP的因子加权方法-190415

《东方证券-《因子选股系列研究》之五十三：基于因子组合FMP的因子加权方法-190415（22页）.pdf》由会员分享，可在线阅读，更多相关《东方证券-《因子选股系列研究》之五十三：基于因子组合FMP的因子加权方法-190415（22页）.pdf（22页精品完整版）》请在悟空智库报告文库上搜索。

        研究结论
        Alpha  因子和因子组合  FMP  完全等价，在一个股票协方差下，两者可以相互转换，通过因子组合可以完全的表征  alpha  因子。理想情况下，均值方差优化框架下的组合权重完全正比例与因子组合的权重。
        风险中性因子组合和风险中性因子的简单因子组合成比例，因子组合的收益受  IC、因子组合标准差、股票截面波动等因素影响。
        Alpha  因子的线性组合和  alpha  因子对应的  FMP  的线性组合有一一对应的关系，传统的  alpha  因子线性加权可以等价于线性加权各个  alpha  因子的FMP  形成目标  FMP，由目标的  FMP  反解出加总的  alpha。
        均值方差优化框架下加权因子组合权重，等价于最大化目标因子组合的夏普比，在一定条件下退化为最大化  ICIR  加权，但这类加权方法高度依赖协方差和期望的估计。对于因子组合，可以通过采用  FMP  日度收益数据估计协方差，以增加样本点、减少估计误差，对于  IC，建议采用协方差的  LW  压缩估计量。
        在因子收益率未知或者很难估计的情况情况下，可以考虑参考组合风险平价的理论配置在各个  alpha  因子组合上配置权重，在  alpha  因子不存在相关性的情况下  alpha  因子风险平价退化为等权重配置。
        最大化  FMP  夏普比  zscore  的理论组合要优于最大化  ICIR，基于  LW  压缩估计  IC  的最大化  ICIR  显著优于基于  IC  样本协方差的最大化  ICIR，因子大类风险平价的理想组合优于因子大类等权。
        在常见的指数增强中，最大化  FMP  夏普的方法在年化对冲收益和信息比两个维度上均优于最大化  ICIR  的方法，因子大类风险平价和大类等权虽然理论组合较差，但在沪深  300  增强中表现并不差，而且在市场风格转变时稳定性更好。
        风险提示  
        量化模型失效风险
        市场极端环境的冲击