德邦金工小市值专题之三：大容量国证2000增强策略

证券分析师 金融工程专题 大容量国证2000增强策略 ——德邦金工小市值专题之三 肖承志 资格编号：S0120521080003 邮箱：xiaocz＠tebon.com.cn 研究助理 相关研究 1.《进击的“小巨人”——德邦金工2022年度策略报告》2021.12.13 2.《小市值策略初探——德邦金工小市值专题之一》2022.04.20 3.《小市值增强策略——德邦证券德邦金工小市值专题之二》2022.06.23 4.《脱缰的“小巨人”——德邦金工2022中期策略报告》2022.09.08 证券研究报告|金融工程专题 深度报告 2023年03月07日 投资要点： 国证2000成分股适合作为小市值风格增强策略的基准股票池。1）相比中证1000，国证2000更代表小盘风格：2月初平均流通市值为39.34亿，同期中证1000为 62.12亿；2）国证2000策略容量更大，成分股比中证1000多一倍，且每周累计成交金额基本在中证1000和微盘股指数上方；3）国证2000更贴合“专精特新”。涵盖的专精特新股票数量更多（国证2000为297只，中证1000为142只），流通市值更低（国证2000为40.12亿，中证1000为64.53亿）。国证2000包含更多的成长、“小而精”的制造业企业。 小市值策略的收益来源主要是捕捉“规模溢价”效应，“规模溢价”效应在国证2000成分股内十分明显。使用规模因子对国证2000成分股分组回测，2019年以来组1到组5的超额年化收益率分别是-1.6%、-4.5%、3.5%、6.9%和12.1%，多头组 超额收益较高，但并非完全单调。我们认为可以结合机器学习因子来增强国证2000 小市值投资策略的稳定性。 我们测试机器学习模型在国证2000指数内增强的效果，机器学习残差因子、反转因子和复合因子分组回测都具有稳健的单调性。多头组超额年化收益分别为9%，10.5%和10.8%。对复合因子收益归因分析，风格贡献2.88%，行业贡献0.77%， 其余7.22%为特质选股能力贡献。 我们将机器学习复合因子与规模因子合成为新的选股因子，构建国证2000增强策略。机器学习超额收益能力并未能打败小市值策略，我们希望国证2000增强策略 既暴露于小市值风格，还具有更稳定的收益单调性。因此，我们将机器学习复合因子与规模因子合成为新的选股因子。合成因子多头组的超额年化收益率为15.4%。其中风格贡献5.52%，行业贡献1.2%，其余8.69%均为因子特质选股能力贡献。国证2000增强策略更多的暴露于风格和行业，特质选股收益也大幅提高。 国证2000增强策略的资金容量在100亿左右。分别使用初始5亿、10亿、20亿、50亿、100亿和200亿资金规模回测，超额年化收益率分别是14.6%、14.3%、14%、13.5%、12.8%和10.7%。 风险提示：市场风格切换风险，市场波动风险，模型失效风险 请务必阅读正文之后的信息披露和法律声明 内容目录 1.国证20004 1.1.更代表小盘风格4 1.2.更大的策略容量4 1.3.更典型的专精特新5 2.国证2000成分股因子有效性分析6 2.1.BarraCNE510因子表现7 2.2.规模因子表现——国证2000小市值策略7 3.机器学习模型9 3.1.计算特质收益率9 3.2.挖掘财务因子9 3.3.机器学习残差因子10 3.4.机器学习反转因子10 3.5.机器学习复合因子11 4.国证2000机器学习策略表现11 4.1.国证2000机器学习15因子残差策略11 4.2.国证2000机器学习15因子反转策略13 4.3.国证2000机器学习15因子复合策略14 4.4.国证2000增强策略（合成因子：机器学习复合因子+规模因子）16 4.5.策略容量测试19 5.总结20 6.风险提示21 信息披露22 图表目录 图1：国证2000和中证1000成分股的平均流通市值情况4 图2：3种指数的每周累计成交额5 图3：专精特新行业成分占比5 图4：国证2000行业成分占比5 图5：中证1000行业占比6 图6：国证2000在专精特新中成分股个数更高6 图7：国证2000在专精特新中流通市值相对更低6 图8：规模因子在国证2000股票池的分组回测净值8 图9：机器学习残差因子在国证2000成分股内的分组回测净值12 图10：机器学习反转因子在国证2000成分股内的分组回测净值13 图11：机器学习复合因子在国证2000成分股内的分组回测净值14 图12：机器学习复合因子多头组超额收益归因净值曲线16 图13：合成因子（机器学习复合因子+规模因子）在国证2000成分股内的分组回测净值 ...........................................................................................................................................17 图14：合成因子多头组超额收益归因净值曲线19 图15：合成因子（机器学习复合因子+规模因子）策略容量测试净值19 表1：BarraCNE5风格因子表现7 表2：规模因子在国证2000股票池的分组回测结果统计8 表3：机器学习模型使用到财务因子10 表4：机器学习残差因子在国证2000成分股内的分组回测结果统计12 表5：机器学习反转因子在国证2000成分股内的分组回测结果统计13 表6：机器学习复合因子在国证2000成分股内的分组回测结果统计15 表7：机器学习复合因子的因子平均主动暴露及年化超额收益率贡献15 表8：机器学习复合因子的行业平均主动暴露及年化超额收益率贡献15 表9：合成因子（机器学习复合因子+规模因子）在国证2000成分股内的分组回测结果统计17 表10：合成因子的因子平均主动暴露及年化超额收益率贡献18 表11：合成因子的行业平均主动暴露及年化超额收益率贡献18 表12：合成因子（机器学习复合因子+规模因子）策略容量测试结果统计20 1.国证2000 国证2000指数（399303.SZ）由国证公司编制，是为反映A股市场小盘股票的价格变动趋势，按照市值和成交金额在市场中所占比例的综合排名，选取排名在1001及3000的股票构成的指数。即在扣除国证1000指数样本股后，选取 市值和成交金额在市场中所占比例排名靠前的2000只股票作为成分股。国证 2000指数具有典型的小盘风格。 1.1.更代表小盘风格 国证2000指数成分股的流通市值相对更小，更能代表小盘股，如图1。2023年2月初国证2000成分股的平均流通市值是39.34亿，同期中证1000平均62.12亿。 图1：国证2000和中证1000成分股的平均流通市值情况 80.00亿 70.00亿 60.00亿 50.00亿 40.00亿 30.00亿 20.00亿 10.00亿 2015-01 2015-04 2015-07 2015-10 2016-01 2016-04 2016-07 2016-10 2017-01 2017-04 2017-07 2017-10 2018-01 2018-04 2018-07 2018-10 2019-01 2019-04 2019-07 2019-10 2020-01 2020-04 2020-07 2020-10 2021-01 2021-04 2021-07 2021-10 2022-01 2022-04 2022-07 2022-10 2023-01 0.00亿 国证2000中证1000 资料来源：Wind，德邦研究所 注：数据范围是2015年1月至2023年2月，每月月初统计 1.2.更大的策略容量 国证2000拥有更大的策略容量。国证2000的2000只成分股比中证1000多一倍，且每周累计成交金额基本在中证1000和微盘股指数上方。如图2，2023年2月20日至2月24日，国证2000指数的成交金额为13891.44亿， 中证1000指数为9002.09亿，万得微盘股指数（8841431.WI）为721.91亿。 图2：3种指数的每周累计成交额 3.0万亿 2.5万亿 2.0万亿 1.5万亿 1.0万亿 0.5万亿 2015/01/09 2015/04/03 2015/06/26 2015/09/18 2015/12/11 2016/03/11 2016/06/03 2016/08/26 2016/11/25 2017/02/17 2017/05/12 2017/08/04 2017/11/03 2018/01/26 2018/04/20 2018/07/13 2018/10/12 2019/01/04 2019/04/04 2019/06/28 2019/09/20 2019/12/13 2020/03/13 2020/06/05 2020/08/28 2020/11/20 2021/02/10 2021/05/07 2021/07/30 2021/10/22 2022/01/14 2022/04/15 2022/07/08 2022/09/30 2022/12/30 0.0万亿 国证2000万得微盘股指数中证1000 资料来源：Wind，德邦研究所 注：数据范围是2015年1月至2023年2月24日 1.3.更典型的专精特新 如图3、图4和图5，我们统计了2023年2月27日专精特新小巨人指数 （8841451.WI）、国证2000指数、中证1000指数的中信一级行业成分股占比情况： 图3：专精特新行业成分占比图4：国证2000行业成分占比 14.72% 13.96% 10.12% 7.04% 6.27% 5.38% 3.97% 2.69% 2.56% 2.05% 1.15% 0.90% 机械电子 基础化工 医药电力设备及新能源 计算机国防军工 汽车有色金属 通信电力及公用事业 家电钢铁 25.74% 基础化工 机械医药电子 电力设备及新能源 计算机汽车 电力及公用事业 传媒建筑 轻工制造有色金属 通信房地产食品饮料商贸零售农林牧渔 国防军工 轻工制造 0.90% 交通运输 建材 0.77% 家电 纺织服装 0.51% 纺织服装钢铁 建筑 0.38% 消费者服务 石油石化 0.26% 煤炭 农林牧渔 0.26% 石油石化综合 综合 0.26% 银行 商贸零售 0.13% 综合金融非银行金融 建材 9.90% 7.95% 7.25% 7.15% 5.10% 4.10% 3.10% 2.95% 2.95% 2.95% 2.70% 2.65% 2.60% 2.30% 2.30% 2.25% 2.15% 2.00% 1.75% 1.25% 1.15% 1.00% 0.80% 0.80% 0.50% 0.35% 0.20% 0.20% 9.85% 9.80% 资料来源：Wind，德邦研究所 注：统计时间是2023年2月27日 资料来源：Wind，德邦研究所 注：统计时间是2023年2月27日 图5：中证1000行业占比 医药基础化工 电子机械 电力设备及新能源 计算机电力及公用事业 有色金属 汽车国防军工 传媒食品饮料 建筑房地产轻工制造 通信交通运输商贸零售农林牧渔 建材煤炭钢铁家电 非银行金融纺织服装 银行石油石化 综合综合金融消费者服务 4.70% 4.20% 3.90% 3.20% 3.10% 3.00% 2.60% 2.50% 2.40% 2.40% 2.00% 2.00% 2.00% 1.80% 1.30% 1.00% 1.00% 0.80% 0.80% 0.70% 0.50% 0.50% 0.40% 0.30% 9.40% 8.80% 8.20% 7.00% 6.50% 13.00% 资料来源：Wind，德邦研究所 注：统计时间是2023年2月27日 相比于中证1000，国证200