2017年大类因子收益及信息比率表现 [page::2]

• 投机因子与估值因子2017年收益显著高于历史均值，分别达到43.1%和32.2%。

- 流动性因子收益亦较高（37.1%），但无明显超越历史水平。

• 反转因子表现疲弱，多头组合甚至出现负收益，主要是因A股做空机制不足且资金集中导致反转效应失灵。

量化因子纯多头组合表现与市场分层 [page::3][page::4]

• 多头组合正收益主要集中于估值因子，其他因子多头表现不好。

- 沪深300成份股内，各因子表现普遍较全市场更好，估值因子多头组合收益率达27.1%。

• 中证500中投机因子表现逊于沪深300，成长因子表现相对突出。

市值与反转效应分析 [page::4][page::5]

• 2017年大盘股表现优异，70%股票跑输市场平均。

- A股反转因子受资金面影响显著，反转效应减弱，多头组合普遍亏损。

• 小市值alpha属性弱化，市值因子未来更偏向风险因子属性，建议严格风险控制。

国内外alpha因子比较与因子选择建议 [page::6][page::7]

• 估值、盈利、成长因子在中美港均表现稳定有效，属于国际通用因子。

- 反转因子在中国市场表现更强，且受到市场资金面和流动性高度影响，有择时可能。

• 美国市场三因子模型中WML(反转因子)仍有显著alpha，且月末资金敏感性MKTILLIQ能预测下期反转表现。

资金敏感度对反转因子的预测作用 [page::8]

• 2016年11月以来，市场资金敏感性偏低，反转因子收益亦偏低。

- 资金敏感度与下期反转因子表现存在正相关（22.36%），资金敏感度高时反转效应显著。

2017年量化产品表现综述 [page::9]

• 主动量化基金2017年平均收益率为5.4%，表现逊于指数增强基金的17.1%。

- 量化对冲基金受限于持仓限制及因子失效，表现平平，年均仅1.2%。

• 主动量化基金中部分产品表现优异，上投摩根阿尔法涨幅36.7%，规模24亿元。

新成立量化产品规模与特点 [page::10][page::11]

• 2017年成立57只量化基金，主要为主动量化型，基金规模集中于少数头部产品。

- 以价值投资为主的量化基金成为主流趋势，相关产品规模和收益稳定。

• 公募FOF基金规模迅速增长，有助推动量化指数产品发展。

量化因子库及历史表现回顾 [page::12][page::13]

• 因子涵盖估值、盈利、成长、营运能力、流动性、反转和投机等多个维度。

- 过去十年各因子IC均值和多空组合年化收益率表现差异明显，估值因子表现最为稳定。

• 成熟市场因子表现趋势为长期有效且易于长期持有，基本面类因子是长期alpha主要来源。

风险提示 [page::0][page::11]

• 因子有效性基于历史数据，未来可能受市场风格切换影响。

- 极端市场环境可能导致模型失效或因子收益剧烈波动，需加强风险管理。

量化因子选股回顾与展望 —— 详尽分析报告解构

---

1. 元数据与概览

报告标题： 量化因子选股回顾与展望
出版机构： 东方证券研究所
分析师： 朱剑涛，邱蕊
发布日期： 2017年11月27日
研究主题： 2017年中国A股市场量化因子表现回顾与未来展望，聚焦于Alpha因子（估值、投机、流动性等）在不同股票池（全市场、沪深300、中证500）及在量化基金产品中的投资效果。

报告核心论点与传达信息：

• 2017年投机和估值类因子表现突出，因子收益率大幅超越过去十年历史年化收益，尤其是在低波动率市场背景下仍实现高效收益，表明这两类因子的IC（信息系数）显著提升。

- A股市场缺乏有效做空机制导致多空组合因子收益无法完美转化为投资收益，其中估值因子多头组合表现良好，而流动性和投机因子的多头组合则多数亏损，说明两者因子收益主要来自空头。

• 基本面因子（估值、盈利、成长）在中美港三市场均显示稳定有效性，是Alpha收益的重要来源，但更多反映市场风险补偿而非短期套利，难以有效择时。

- 反转因子在A股表现强劲且与市场流动性紧密相关，其择时潜力较海外成熟市场更高。

• 2017年量化基金整体风格切换把握欠佳，主动量化基金表现逊色，指数增强基金受益于限制选股池表现较优，量化对冲基金表现一般。

---

2. 逐节深度解读

2.1 Alpha因子2017年表现（含因子类别与股票池维度分析）

2.1.1 不同成分股内因子表现

• 关键论点：

今年投机和估值因子收益率分别高达43.1%和32.2%，远超过去十年历史年化收益约18%和20.5%；流动性因子本年收益37.1%但与历史均值31.4%差异不明显；盈利、成长、营运能力表现平稳甚至有负收益。

• 逻辑依据与假设：

低市场波动率环境中依然取得高因子收益，表明因子IC提升，投资信号更为准确，尤其集中于投机和估值因子。

• 数据解析（图1及表格）:

图1为各类别因子多空组合净值曲线，显示投机和估值因子上升最明显。表格汇总收益、最大回撤与年化信息比（ICIR），投机因子年化信息比3.6，流动性3.1，估值4.4明显优于盈利1.6和成长1.6。最大回撤显示营运能力因子风险最高（7.3%）。

• 投资含义：

投资者可发现估值与投机因子的信号明显提升，但由于做空限制，多头组合仅估值因子能有效创造正收益。

2.1.2 多头组合表现差异

• 观点：

纯多头组合中估值因子表现唯一正收益（10.1%涨幅），而投机和流动性多头组合亏损，反转多头组合更是亏损达-12.3%。

• 原因分析：

投机和流动性因子高收益主要来自空头组合，体现做空能力的缺失制约了纯多头策略收益。

• 图3与数据说明：

多头净值曲线显示估值因子稳健上升，反转与投机等因子持续下跌。年化夏普比估值最高(0.5)，反转最低(-0.8)。最大回撤反转及营运能力因子逾20%，风险较大。

2.1.3 细分市场比较：沪深300与中证500表现

• 在沪深300成分股中，大盘价值风明显，所有因子多头组合均正收益，估值因子达到27.1%，表现优异。

- 中证500（中型股）中投机因子表现弱于沪深300及全市场，成长因子作用相对较强。

• 图4及图5分别显示沪深300及中证500因子表现净值曲线和关键指标，估值因子表现始终领先。最大回撤及夏普比率显示估值因子风险回报比更优。

2.1.4 市值效应与反转因子表现

• 市值效应分析：

小市值优势减弱，大市值（尤其最大两组）表现优异，70%的股票跑输市场，反映市场资金过分集中于大盘股和行业龙头，减弱了过去小市值红利。

• 反转因子失效表现：

反转多头组合表现疲软，原因是资金没有买入过去表现不佳股票，导致反转效应整体因子收益仍正，但纯多头收益为负。

• 对应图7-14解析：

图7显示市值分组收益分布，头尾差异显著；图11反转因子分组超额收益图显示最高组(过往低表现组）表现最佳但差别不大；图12-14反转因子多空表现及极端分组多头净值曲线均表现不佳，强化资金集中效应的影响。

2.1.5 因子选择策略思考

• 估值、盈利、成长因子归为“国际通行”基本面因子，在境内外市场均稳定有效，因子IC接近且因子收益多来自风险补偿而非市场错误定价，难以通过择时取得超额收益。

- 反转因子在A股市场异于成熟市场，其与资金面敏感度紧密相关，可用MKTILLIQ指标择时。

• Fama-French三因子模型无法完全解释反转因子产生的alpha，滞后一期MKTILLIQ对反转因子表现有显著正向预测能力，成为择时信号参考。

- 图15-19展示了中美及港股市场因子表现对比，及WML因子与市场资金敏感性的定量关系，强调流动性对反转选择的重要作用。

2.2 量化产品表现及发展趋势

2.2.1 不同类型量化基金表现

• 2017年市场风格主导大盘价值，主动量化基金由于风格切换把握不足，收益仅5.4%。指数增强基金受限选股池，限制了风格切换影响，收益较好，17.1%。量化对冲基金受限于持仓范围和保证金比例，仅1.2%收益。

- 图20显示各基金与主要指数收益对比，沪深300涨幅24.2%，指数增强基金表现最接近，量化对冲明显落后。

• 表格21、22及段落详细列出了不同类型基金产品的涨跌幅排名及规模，突出上投摩根阿尔法、华泰柏瑞量化A等领先产品。

2.2.2 2017年新成立的量化基金特征

• 2017年成立57只新量化基金，以主动量化为主，仅少数超10亿元规模，最大为华泰柏瑞量化阿尔法51.7亿元；首批FOF产品显示强劲规模吸纳能力，最高接近47亿元。

- 未来趋势趋于价值因子主导，因其alpha更稳定，且资金容量可观。相应基金如泰康泉林量化价值精选、银河量化价值等相继推出。

• 指数增强产品因在FOF配置中的配臵优势，受到市场关注，促进行业细分发展。

---

3. 图表深度解读

图1（页2）—— 大类因子多空组合表现（中证全指）

• 描述： 表示2016年11月至2017年11月间，不同类别因子多头减空头组合的累计净值变化趋势。

- 解读： 投机（蓝色曲线）与估值（深蓝色）因子净值增长明显超过其他因子，盈利、成长虽稳健上涨但幅度有限，营运能力呈现下滑趋势。

• 表格数据： 投机因子收益43.1%，估值32.2%，流动性37.1%。最大回撤最低为估值（3.4%），年化信息比最大为估值（4.4），表现最稳定且有效率。

- 关系文本论点： 支撑报告关于投机和估值因子今年表现的核心论述，反映低波动率市场中这两类因子的因子IC跃升。

图3（页3）—— 大类因子纯多头组合表现（中证全指）

• 描述： 纯多头（最高得分10%）组合净值增长走势图。

- 解读： 估值因子多头表现唯一正收益10.1%，流动性和投机因子多头均亏损，反转因子多头亏损达-12.3%。

• 表格显示估值因子夏普比最高，说明相对风险调整后回报最优。

- 联系文本： 明确揭示A股缺乏做空导致多头策略不能完全利用高因子收益，强化估值因子为多头实现收益的主要依托。

图7（页4）—— 市值因子分组超额收益

• 描述： 显示2017年不同市值分组涨幅超额收益，第一组为小市值。

- 解读： 仅最大市值组(第9、10组)实现正超额收益，其他组均为负，极端偏向大市值股票。

• 联系文本： 反映2017年市场资金高度集中大盘，市值效应由传统小盘优势转为大盘优势。

图11、12（页5）—— 反转因子分组超额收益及多空表现

• 描述： 图11为不同分组反转因子超额收益， 图12为反转因子多空表现折线及柱状图。

- 解读： 反转因子虽然因子多空组合保持正收益，但大市值（第10组）多头净值曲线下滑，凸显反转因子今年失效；多空组合波动，但整体趋势向上。

• 支持文本关于资金集中影响反转多头组合失效的观点。

图15（页6）—— 美国、香港、国内市场因子表现对比

• 描述： 汇总三地因子指标：IC均值、t值、收益、最大回撤等。

- 解读： 三地中估值、盈利、成长因子均表现较稳定，IC范围接近，表现差异不大，说明基本面因子全球适用。

• 反转因子在中证市场IC负值明显，反映反转效应显著不同于成熟市场。

图17（页7）—— 美股市场百年因子表现

• 描述： 展示SMB（小盘）、HML（估值）、WML（动量）的总收益表现趋势。

- 解读： 动量（WML）长期走势最佳，估值次之，小盘表现稳定。

• 用于对比说明国内市场因子收益结构不同。

图18、19（页8）—— 反转因子因市场流动性预测分解

• 描述： 图18回归结果表明加入滞后市场资金敏感性后反转因子（WML）系数显著，图19展示资金敏感性与反转因子表现的时序关联。

- 分析： 资金敏感性成为反转因子择时有效指标，且二者线性相关达到22.36%。

• 实际应用： 投资者可据此调整反转因子投资时机。

图20（页9）—— 2017年以来基金与指数收益率对比

• 描述： 不同类型量化基金与指数收益柱状对比。

- 解读： 指数增强涨幅最大（17.1%），主动量化次之（5.4%），量化对冲表现最弱（1.2%），沪深300涨幅（24.2%）明显领先。

• 揭示市场风格偏好及量化基金应对差异。

图21、22（页9-10）—— 各类量化基金产品规模及排名

• 内容： 主动量化、指数增强、量化对冲类别的产品收益和规模列表。

- 见解： 主动量化头部产品（如上投摩根阿尔法）收益亮眼，指数增强产品规模较大且收益稳健，量化对冲产品规模与收益均相对较小。

• 补充趋势： 新发基金多聚焦主动量化和FOF，展现市场发展方向。

---

4. 估值分析

本报告主旨为因子表现与量化产品回顾，并未涉及特定公司估值模型的详述，估值分析集中在因子投资层面。

• 信息比率（ICIR），夏普比，最大回撤等指标运用： 这些指标作为因子有效性和风险调整后收益的衡量工具。

- Fama-French三因子模型： 用于剖析反转因子（WML）的超额收益来源及其无法被三因子完全解释的alpha贡献。

• 资金敏感性指标MKTILLIQ： 引入该变量作为择时因子，反映流动性对因子表现的影响。

---

5. 风险因素评估

• 量化模型失效风险： 极端市场环境下模型可能失效，导致因子效果和投资模型遭遇剧烈冲击。需严格风控。

- 因子有效性波动风险： 市场风格转换可能导致历史有效的因子失效，投资者需密切监控。

• 做空机制缺失风险： A股缺乏有效做空手段，导致多空组合因子收益无法充分转化为投资回报，增加纯多头策略风险。

---

6. 批判性视角与细微差别

• 因子择时难度大： 基本面因子虽稳定，但择时难，反转因子虽有择时潜能，但强相关资金面可能带来高波动性和突发性风险。

- 做空受限导致收益结构扭曲： 投机和流动性因子收益主要来自空头组合，纯多头投资者难以把握这部分alpha。

• 市场资金高度集中带来系统性特征： 2017年大盘股优势显著，小市值红利消失，反映市场风格异常，短期难以复制。

- 报告基于2017年及历史数据分析，未来市场环境或有重大变化，需警惕模型和因子失效。

---

7. 结论性综合

本报告全面回顾了2017年A股市场量化选股因子表现，核心发现包括：

• 投机和估值类因子的表现超出预期，远高于历史平均水平，且IC显著提升，反映在低波动环境中依然能产生超额信息。但由于缺乏做空机制，多头组合仅估值因子收益明显，投机与流动性因子空头收益占主导，导致纯多头投资受限。

- 基本面因子（估值、盈利、成长）表现平稳，被视为全球通用且稳健的Alpha来源，它们更体现投资者承担的系统性市场风险，而非短期市场错误定价，难以通过择时战胜市场。

• 反转因子在A股表现强劲且与资金流动性密切相关，滞后市场资金敏感性可作为择时指标，识别反转因子未来收益的时机。

- 市值效应2017年发生重要变化，市场倾向于最大市值股票，资金集中导致风格转换显著，小市值红利逐渐减弱，带来市场结构影响。

• 量化基金表现分化，指数增强因限制选股池避免风格切换影响表现最好，主动量化基金受风格把握不够及时影响表现，量化对冲产品受账户限制影响较大。

- 新成立的量化基金规模多集中于主动量化产品及FOF，价值因子主题基金成为主流趋势。

• 风险提示中强调模型失效及风格大转变的风险，投资者应密切跟踪因子表现并加强风控。

结合本报告丰富的图表数据，投资者可以深刻理解2017年量化因子收益结构的多样化及其背后的市场机制，并据此指导策略调整。此报告不仅总结了年内因子及基金表现，也通过对比中美港市场因子表现和深入分析资金流动性对因子择时的影响，为量化投资策略的优化和风险控制提供了重要依据和实践指导。[page::0,2,3,4,5,6,7,8,9,10,11,12,13]

---

以上内容为东方证券2017年量化因子选股研究报告的详细分析与解读，全文结构清晰、内容翔实，全面涵盖因子表现、因子特性、市场分层、量化产品表现至风险因素，是理解2017年A股量化选股体系的重要参考资料。

报告