因子分析

参考文献

【聚宽】单因子分析
https://www.joinquant.com/view/community/detail/747da077b0219ff607a68916017139e8?type=4open in new window
【聚宽】多因子分析
https://www.joinquant.com/view/community/detail/ae7a9d66145d20732146caef58e4fc95?type=1open in new window
【知乎】因子、因子收益率、因子暴露
https://zhuanlan.zhihu.com/p/672456065open in new window

什么是因子分析

因子分析是数据分析的一种方法，属于统计学科，用于识别变量之间的相关性模式，将多个变量简化为一组较少的潜在因子或隐藏变量‌。

而在量化交易中，因子分析也是同样道理。
研究员会从宏观经济数据、公司财报、量价等数据中取出一些作为变量，并用这些变量搭建一个新的因子（因子挖掘）；
分析这些因子与股票收益之间的关系，进而预测股票价格以及市场走势。
因子分析早在19世纪便应用到因子投资上面去：

第一阶段，单因子：
- 威廉.夏普在1964年发表的资本资产定价模型（CAPM），仅通过市场风险溢价这一风险因子来估算投资组合的预期收益率，通常用 $\beta$ 表示。
第二阶段，多因子：
- 由Eugene Fama和Kenneth French于1992年发表的fama三因子模型，认为投资组合的超额回报率应由3个因子解释
- 市场风险因子
- 市值因子（SMB）
- 账面市值比因子（HML）
第三阶段，多因子进阶：
- 2015年被发表的fama五因子模型，改为了由5个因子解释投资组合的超额回报：
- 市场风险因子，即市场回报与无风险利率之差
- 规模因子（SMB），即小公司股票回报与大公司股票回报之差
- 价值因子（HML），即高账面市值比公司股票回报与低账面市值比公司股票回报之差
- 盈利能力因子（RMW），即盈利能力强的公司股票回报与盈利能力弱的公司股票回报之差
- 投资因子（CMA），即投资保守的公司股票回报与投资激进的公司股票回报之差

当然，因子分析模型不止上面这几种，还有：

Barra风险因子模型
- 视公司特征为因子暴露求解因子收益率
中国版的Fama-French三因子模型
APT多因子模型
...

知乎-你真的懂CAPM吗open in new window
知乎-中国版的 Fama-French 三因子模型，了解一下？open in new window

因子框架（有哪些常见因子）

宏观因子
- 宏观因子用以描述股票市场整体的表现情况，是一些基于宏观经济指标构建的因子
- 比如：GDP、利率、债券收益率、经济周期等。
- 但因为宏观因子数据量不足，质量差，时滞长等原因，并没有成为主流因子
结构因子（俗称横截面因子）
又分为：
- 行业因子
- 基本面因子（描述股票背后上司公司的基本属性，一般由财务报表计算而出）
  - 分红率
  - 价值因子
    - 市盈率（Price-to-Earnings Ratio）
    - 市净率（Price-to-Book Ratio）
    - 股息收益率（Dividend Yield）
  - 成长因子
    - 销售增长率（Sales Growth）
    - 盈利增长率（Earnings Growth）
    - 资本支出增长率（Capital Expenditure Growth）
  - 杠杆因子
    - 资本结构（Capital Structure）
    - 杠杆比率（Leverage Ratio）
    - 债务水平（Debt Level）
  - 盈利因子
  - 规模因子
    - 市值（Market Value）
    - 总资产（Total Assets）
    - 流通股本（Float Shares）
  - 质量因子
    - 盈利能力（Profitability）
    - 资产负债率（Debt-to-Equity Ratio）
    - 资产周转率（Asset Turnover）
- 量价因子（量：成交量；价：开盘价收盘价最高价最低价均价；量价分析均基于这些变量）
  - 动量
    - 价格动量（Price Momentum）
    - 盈利动量（Earnings Momentum）
    - 成交量动量（Volume Momentum）
  - 波动性
    - 历史波动率（Historical Volatility）
    - 预期波动率（Implied Volatility）
    - 波动率残差（Volatility Residual）
市场情绪因子
- 市场情绪指标（Market Sentiment Index）
- 投资者情绪指标（Investor Sentiment Index）
- 新闻情绪指标（News Sentiment Index）
统计因子
- 即通过统计模型求解出的因子，这类因子的特点在于统计上具有较好效果但缺乏实际意义

这些因子都是由投资学的学术界提出的。
这些因子分类是基于对资产回报的影响因素进行研究和归纳得出的。
市面上有各种各样的因子分类方法，百花齐放...

聚宽-因子及多因子分析open in new window
聚宽-因子库open in new window

单因子分析-基本步骤

因子分析的基本步骤：

选择因子
股票数据获取
数据处理
- 中性化
- 去极值
- 中位数去极值
- 标准化
因子测试
因子效果评估
- 特征分析
- 收益分析
- IC分析
- 换手率分析
- 预测能力分析
因子优化
投资组合创建
回测

如何在聚宽平台进行因子分析：https://www.joinquant.com/help/api/help#name:factoropen in new window

数据处理

特殊值处理（空值、负值、极端值）

【聚宽-空值、负值】：https://www.joinquant.com/view/community/detail/37fda2cdda4ddccb8f70af2c66125fa4open in new window
【聚宽-极值】：https://www.joinquant.com/view/community/detail/a64f6fa50b5f329442baacd0370ec977open in new window

中性化处理

中性化处理主要是为了消除特定因素（如市值、行业、风格等）对因子选股结果的影响，从而获得较为分散、不偏向于某一特定类型的选股结果‌。

【聚宽-中性化】：https://www.joinquant.com/view/community/detail/6bb9043bf5b5414dfafc30d228bd182dopen in new window

标准化处理

‌“正态标准化”则是一种数据预处理技术，旨在将原始数据转换为符合正态分布（即均值为0，标准差为1）的形式‌。
具体来说，对于某一因子上的取值，正态标准化会首先计算该因子在所有股票上的均值和标准差，然后将每只股票在该因子上的原始值减去均值，再除以标准差，从而得到标准化后的值。
这样做的目的是为了消除不同因子之间量纲和取值范围的差异，使得不同因子之间具有可比性，同时也便于后续的统计分析和建模。

【聚宽-标准化】：https://www.joinquant.com/view/community/detail/b01e89a1c5ec14cebbcc7f10dd2aaba5open in new window

因子效果评估

因子IC值检验
- IC值（信息系数） 定义为各个股票T期的因子暴露与T+1期收益率之间的相关系数。
- IC值越大，意味着该因子的暴露度与未来收益率存在越明显的相关性。
- 通过IC时间序列的平均值（IC mean）可以判断因子的有效性，而IC序列的标准差（IC std）则用于判断因子的稳定性。
- 信息比率（IR） 定义为IC序列的均值与其标准差的比值，它反映了因子的有效性。IR值越高，说明因子越有效且稳定‌
因子回归法检验
因子分层发检验
因子的逻辑性及普适性检验