请仔细阅读本报告末页声明证券研究报告|金融工程研究2019年03月11日量化专题报告因子择时的三个标尺：因子动量、因子离散度与因子拥挤度内生变量因子择时方法，在海外也叫做“因子的因子”方法。本篇报告我们将系统性地给出因子择时的三个重要标尺：因子动量、因子离散度与因子拥挤度。三个指标有着各自独特的因子选择能力，三者之间又可以形成非常强的互补。在最终的融合策略中我们可以看到，融合三个指标的信息后，因子配臵策略将会有质的改变。因子动量需要区分横截面动量和时间序列动量。从时间序列动量效应来看，因子表现具有短期动量、长期反转的特征，其中12个月的动量效应最强，48个月的反转效应最强。从横截面动量效应来看，因子具有显著的短期和长期横截面动量效应。当滚动窗口为12个月时，时序动量效应和横截面动量效应恰好达到了最佳的平衡。因子离散度的核心逻辑是资产定价在极度无效后会出现均值回复。因子离散度的定义是截面上因子多空两端的因子绝对值差异，如估值差、市场差和涨跌幅差等。高离散度的因子在未来一段时间将具备更好的收益区分能力同时也能带来更高的信息比率。基于因子离散度的因子配臵策略能大幅降低组合的回撤，提高组合的胜率。因子拥挤度策略通过回避高拥挤的危险因子来获取超额收益。海外的因子拥挤模型在国内存在明显的水土不服问题，因此我们基于交易数据构建了国盛金工的因子拥挤度模型。从结果来看，因子拥挤度识别“差因子”的能力强于识别“好因子”的能力。高拥挤度的因子在未来一段时间将拥有更低的信息比率以及更高的下行风险。基于信号融合的动态因子策略表现优异。因子动量、因子离散度和因子拥挤度三者之间存在微弱的负相关性，因此三个指标具有很大的信号融合潜力。作为比较对象的因子等权策略，年化超额收益为11.8%，相对最大回撤为15.3%，相对胜率为68%，信息比率为1.95。而基于信号融合的动态因子策略，年化超额收益为17%，相对最大回撤为9.4%，相对胜率为74.2%，信息比率高达2.98，策略各方面表现均得到了大幅的提升。风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。作者分析师林志朋执业证书编号：S0680518100004邮箱：linzhipeng@gszq.com分析师刘富兵执业证书编号：S0680518030007邮箱：liufubing@gszq.com相关研究1、《量化周报：市场大概率还有一波上冲》2019-03-102、《量化专题报告：多因子系列之三：因子空头问题及其“...
