Barra模型因子的构建及应用系列十之Leverage因子

一、摘要

在前期的Barra模型系列文章中,我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子、Book-to-Price因子、Liquidity因子、Earning_Yeild因子和Growth因子 ,并分别创建了对应的单因子策略,其中Size因子和NonLinear Siz因子具有很强的收益能力。本节文章是该系列的最后一个因子,Leverage因子,又称杠杆因子。

二、模型理论

Barra模型的Leverage因子的计算方法如下:

Barra模型因子的构建及应用系列十之Leverage因子_第1张图片

Leverage因子由三个子因子符合而成,包括市场杠杆因子MLEV、资产负债比因子DYOA和账面杠杆因子BLEV,三个因子的权重分别是0.38,0.35和0.27。杠杆因子主要衡量了公司的负债与权益的配比情况。

三、因子分析

使用alphalens进行对Leverage因子进行分析(2022年-2023年4月14日)。

Barra模型因子的构建及应用系列十之Leverage因子_第2张图片

基于收益分析来看,三个分组的年化alpha收益在3%~4%,beta收益为负,且调仓频率越大,beta收益越小;Leverage因子值最大分组和最小分组均贡献正收益

Barra模型因子的构建及应用系列十之Leverage因子_第3张图片

从信息系数来看,各分组的IC均值的绝对值小于0.01,远小于0.05,说明因子选股能力较弱。

Barra模型因子的构建及应用系列十之Leverage因子_第4张图片

从分组收益来看,各分组间未形成稳定的单调性,且组间变化无规律。

四、回测分析

回测时间:2022-01-01至2023-04-30(月底换股)回测品种:全A股(剔除ST股、停牌股和一年以内的次新股)初始资金:100万手续费:0.0007(双边万二佣金+单边千一印花税,共千1.4,即双边万7)滑点:0.00123(双边千1.23)最大持仓数量:30只

Barra模型因子的构建及应用系列十之Leverage因子_第5张图片

策略在回测期间实现了8.25%的年化收益率,勉强实现正收益。期间沪深300指数收益为-18.07%,最大回撤20.46%,发生于2022年3月份后。

虽然该策略能够大幅跑赢指数且获取较好正收益,但在因子分析中,该因子并未能表现出稳定的单调性,IC均值亦较低,该策略的收益或有较大随机性。

- End -

本期的策略源码已分享至掘金量化社区

大家可以通过下方链接自行获取。

传送门:掘金量化社区-MYQUANT

你可能感兴趣的:(掘金量化,量化研究,策略研究)