高频因子跟踪：上周ETF轮动因子表现优异

ff ETF轮动因子跟踪 我们对前期使用GBDT+NN机器学习因子构建的ETF轮动策略进行跟踪测试，发现因子在样本外表现出色：上周IC值达26.81%，多头超额收益率为1.77%。策略的年化超额收益率为12.05%，信息比率为0.68，超额最大回撤为17.31%，今年以来超额收益率为5.26%。 高频因子跟踪 我们对前期挖掘的高频选股因子进行跟踪测试，发现因子在样本外整体表现出色。就上周表现来看，价格区间因子多头超额收益率0.58%，价量背离因子-1.02%，遗憾规避因子1.30%，斜率凸性因子0.43%。本月以来，价格区间因子多头超额收益率为-1.35%，价量背离因子-0.62%，遗憾规避因子-0.32%，斜率凸性因子-1.97%。今年以来高频因子表现整体都比较优秀，价格区间因子多头超额收益率5.41%，价量背离因子4.53%，遗憾规避因子9.99%。斜率凸性因子表现欠佳，多头超额收益率-2.10%。 其中价格区间因子衡量股票在日内不同价格区间成交的活跃程度，能体现出投资者对于股票未来走势的预期。该因子展现出了较强的预测效果，今年以来表现比较稳定。价量背离因子主要衡量股票价格与成交量的相关性，一般而言相关性越低，未来上涨的可能性越高。但该因子近几年表现一直不太稳定，多空净值曲线趋近走平，不过今年超额收益处于历史较高水平。遗憾规避因子通过考察股票当天被投资者卖出后反弹的比例和程度，展现了较好的预测效果。该因子样本外超额收益稳定，表明A股投资者的遗憾规避情绪依然会显著影响股价的预期收益。而斜率凸性因子则从投资者耐心与供求关系弹性的角度出发，刻画订单簿的斜率和凸性对预期收益的影响。 我们将三类高频因子首先等权合成后构建出了高频“金”组合中证1000指数增强策略，该策略年化超额收益率10.21%，超额最大回撤为6.04%。上周录得1.40%的超额收益，本月以来超额收益为-0.64%，今年以来超额收益为3.87%。 为考虑进一步增强策略的业绩表现，我们将高频因子与三个比较有效的基本面因子进行等权合成构建出了高频&基本面共振组合中证1000指数增强策略，该策略在样本外超额收益稳定。上周录得0.69%的超额收益，本月以来超额收益为-2.24%，今年以来超额收益率为5.13%。截止到上周，该策略的年化超额收益率为14.67%，超额最大回撤为4.52%。 风险提示 1.以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。 2.策略依据一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损。 内容目录 一、ETF轮动策略跟踪4 1.ETF轮动因子及策略近期表现4 2.本周建议关注ETF5 二、高频因子超额收益概览5 三、各类高频因子近期表现跟踪6 1.高频价格区间因子6 2.高频量价背离因子8 3.遗憾规避因子9 4.斜率凸性因子11 四、基于基本面因子与高频因子构建的中证1000指数增强策略表现13 附录一：高频“金”组合中证1000指数增强策略本周持仓列表15 附录二：高频&基本面共振组合中证1000指数增强策略本周持仓列表16 风险提示17 图表目录 图表1：自上而下的人工智能ETF轮动策略构建框架4 图表2：ETF轮动因子表现4 图表3：ETF轮动策略净值走势4 图表4：ETF轮动策略主要指标5 图表5：ETF轮动策略最新持仓列表5 图表6：各大类高频因子近期在中证1000指数成分股的选股表现6 图表7：价格区间细分因子近期在中证1000指数成分股的收益表现6 图表8：价格区间细分因子最近一周在中证1000指成分股的收益表现7 图表9：价格区间因子净值曲线7 图表10：价格区间因子近期在中证1000指数成分股的收益表现7 图表11：量价背离细分因子近期在中证1000指数成分股的收益表现8 图表12：量价背离细分因子最近一周在中证1000指成分股的收益表现8 图表13：量价背离因子净值曲线9 图表14：量价背离因子近期在中证1000指数成分股的收益表现9 图表15：遗憾规避细分因子近期在中证1000指数成分股的收益表现10 图表16：遗憾规避细分因子最近一周在中证1000指数成分股的收益表现10 图表17：遗憾规避因子净值曲线10 图表18：遗憾规避因子近期在中证1000指数成分股的收益表现11 图表19：斜率凸性细分因子近期在中证800指数成分股的收益表现11 图表20：斜率凸性细分因子近期在中证800指数成分股的收益表现12 图表21：斜率凸性细分因子净值曲线12 图表22：斜率凸性细分因子近期在中证800指数成分股的收益表现12 图表23：高频“金”组合中证1000指数增强策略净值曲线13 图表24：高频“金”组合中证1000指数增强策略指标13 图表25：高频“金”组合中证1000指数增强策略近期表现14 图表26：高频&基本面共振组合中证1000指数增强策略净值曲线14 图表27：高频&基本面共振组合中证1000指数增强策略指标14 图表28：高频&基本面共振组合中证1000指数增强策略近期表现15 图表29：高频“金”组合中证1000指数增强本周持仓列表15 图表30：高频&基本面共振组合中证1000指数增强策略本周持仓列表16 一、ETF轮动策略跟踪 1.ETF轮动因子及策略近期表现 在前期报告《智能化选基系列之七：基于AI预测中的个股Beta信息构建ETF轮动策略》中，我们使用在选股方面效果较好的GBDT+NN机器学习因子，通过个股映射到指数，再根据一定的筛选条件选择对应ETF的方式构建了周度调仓的ETF轮动策略，策略在样本外表现整体表现良好。 图表1：自上而下的人工智能ETF轮动策略构建框架 来源：国金证券研究所 上周，因子表现良好，IC值为26.81%，多头超额收益率为1.77%。 图表2：ETF轮动因子表现 上周 样本外整体（2015年以来） IC 多头超额收益率 多空收益率 IC均值 多头年化超额收益率 多空年化收益率 GBDTNN_ETF 26.81% 1.11% 1.77% 6.58% 13.56% 26.14% 来源：Wind，国金证券研究所 若考虑双边千二的手续费，以沪深300指数作为比较基准，构建ETF轮动策略，策略表现如下： 图表3：ETF轮动策略净值走势 5 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 ETF轮动策略沪深300ETF轮动策略超额净值 来源：Wind，国金证券研究所 策略年化超额收益率为12.05%，信息比率0.68，超额最大回撤为17.31%，今年以来超额收益率为5.26%。 图表4：ETF轮动策略主要指标 统计指标 ETF轮动策略 沪深300指数 年化收益率 15.16% 1.73% 年化波动率 19.77% 21.67% Sharpe比率 0.77 0.08 最大回撤率 37.38% 46.70% 双边换手率（周度） 38.89% 年化超额收益率 12.05% 跟踪误差 17.68% 信息比率 0.68 超额最大回撤 17.31% 来源：Wind，国金证券研究所 2.本周建议关注ETF 根据最新的策略信号，本周ETF持仓列表如下： 图表5：ETF轮动策略最新持仓列表 159887.SZ富国中证800银行ETF 510030.SH华宝上证180价值ETF 515180.SH易方达中证红利ETF 515220.SH国泰中证煤炭ETF 512890.SH华泰柏瑞红利低波动ETF 510880.SH华泰柏瑞红利ETF 561580.SH华泰柏瑞中证中央企业红利ETF 515300.SH嘉实沪深300红利低波动ETF 159625.SZ嘉实国证绿色电力ETF 512750.SH嘉实中证锐联基本面50ETF 510410.SH博时自然资源ETF 512800.SH华宝中证银行ETF 510230.SH国泰上证180金融ETF 510720.SH国泰上证国有企业红利ETF 159933.SZ国投瑞银沪深300金融地产ETF 563180.SH银华中证高股息策略ETF 159611.SZ广发中证全指电力公用事业ETF 562850.SH嘉实中证国新央企现代能源ETF 512530.SH建信沪深300红利ETF 510060.SH工银上证央企50ETF 512200.SH南方中证全指房地产ETF 159707.SZ华宝中证800地产ETF 159768.SZ银华中证内地地产主题ETF 来源：Wind，国金证券研究所 二、高频因子超额收益概览 过去一周，各类高频因子多头组合在中证1000指数成分股中的表现稳定。其中，价格区间类因子多空收益率1.58%，多头超额收益率0.58%。量价背离因子多空收益率0.07%，多头超额收益率-1.02%。遗憾规避因子多空收益率为3.08%，多头超额收益率1.30%。以下为各大类高频因子的周度表现： 图表6：各大类高频因子近期在中证1000指数成分股的选股表现 因子名称 价格区间因子 量价背离因子 遗憾规避因子 上周 1.58% 0.07% 3.08% 多空 本月以来 -1.31% -1.02% 1.52% 今年以来 11.41% 21.92% 37.99% 上周 0.58% -1.02% 1.30% 多头超额 本月以来 -1.35% -0.62% -0.32% 今年以来 5.41% 4.53% 9.99% 来源：上交所，深交所，Wind，国金证券研究所 注：1.本报告中周频测试的调仓价均为每周最后一个交易日的收盘价，因此与前期深度报告中的测试结果可能会略有差异； 2.本报告中所展示的大类合成因子均为做过行业市值中性化后的因子表现。3.本报告以所有成分股等权配置作为基准计算超额收益率。 三、各类高频因子近期表现跟踪 1.高频价格区间因子 在前期研究中，我们从高频数据的角度探究了市场的日内微观结构。利用三秒的快照数据，发现： 高价格区间成交笔数与成交量因子与股票未来收益呈现显著的负相关性，即股票在日内高价格区间投资行为聚集程度与成交活跃度越低，未来上涨可能性越大。低价格区间平均每笔成交量因子与股票未来收益呈现显著的正相关性，即低价格区间的平均每笔成交量越大，大资金活跃程度越高，股票未来上涨可能性越大。 我们发现高价格80%区间成交量因子（VH80TAW）、高价格80%区间成交笔数因子（MIH80TAW）和低价格10%区间每笔成交量因子（VPML10TAW）在周频的调仓频率上表现较好。三个细分因子的近期表现如下： 图表7：价格区间细分因子近期在中证1000指数成分股的收益表现 因子 数因子 交量因子 上周 1.52% 2.03% -0.22% 多空 本月以来 -5.04% -3.98% 0.53% 今年以来 -10.34% -4.78% 11.01% 上周 0.33% 0.38% 0.06% 多头超额 本月以来 -2.35% -2.04% 0.71% 今年以来 -0.60% -2.17% 4.55% 因子名称 高价格区间成交量 高价格区间成交笔 低价格区间每笔成 来源：上交所，深交所，Wind，国金证券研究所 图表8：价格区间细分因子最近一周在中证1000指成分股的收益表现 1.00% VH80TA MIH80TA VPML10TA 0.50% 0.00% -0.50% -1.00% -1.50% -2.00% -2.50% -3.00% -3.50% -4.00% -4.50% 多头超额收益多头收益基准收益 来源：上交所，深交所，Wind，国金证券研究所 我们以25%、25%和50%的权重对三个因子进行合成，对合成后因子进行行业市值中性化，得到的价格区间因子净值曲线如下： 图表9：价格区间因子净值曲线 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 2016/1/82017/1/82018/1/82019/1/82020/1/82021/1/