【德邦金工|选股月报】策略月度调仓 20230605

admin2年前 (2023-06-06)研报660

摘要

投资要点

本文跟踪四个选股策略和一个投资组合。每个选股策略都给出相应的横截面因子值，考察策略时，我们重点考察因子在全市场的Rank IC。考察投资组合时，我们考察组合的回报、风险等各类指标。

本文以尽可能接近真实投资的方式跟踪策略和组合。随着时间的推进，我们可能对策略进行迭代。每一期，我们选用当期最看好的策略给出持仓，即使选用的策略发生变化，历史持仓也不可更改。

自2015.01.05至2023.06.02，投资组合的净值为2.9。样本外跟踪起始于2022.02.07，样本外跟踪的累计超额收益为7.34%。

我们对上期持仓收益进行了归因。从2023.05.08至2023.06.02，期间组合取得收益3.0%，同期基准的收益为-1.14%，超额收益为4.14%。其中风格贡献-0.21%，行业贡献-0.44%，其余4.79%由因子特质选股能力贡献。

策略一根据十因子的机器学习残差因子选股。该策略以最近期的CNE5的十个风格因子为依据，计算选股因子。因子的样本期平均 RankIC为0.023，Rank ICIR为0.381。

策略二根据十五因子的机器学习残差因子选股。该策略以最近期的十个风格因子与五个财务类因子作为依据，计算选股因子。因子的样本期平均0.045，Rank ICIR为0.738。

策略三根据十五因子的机器学习反转因子选股。该策略以上个月的十个风格因子与五个财务因子，以及从上个月到本月的各个股票收益率为依据，计算选股因子。因子的样本期平均 RankIC为0.063，Rank ICIR为1.06。

策略四根据十五因子的复合因子选股。该策略综合了策略二与策略三，以这两个策略的因子的等权和为选股因子。因子的样本期平均 RankIC为0.059，Rank ICIR为0.979。

本文给出2023.06.05的持仓，下次调仓将发生在2023.07.03。本期新调入股票158只，新调出股票158只，调仓后组合共计持有股票200只。

风险提示

市场风格变化风险，模型失效风险，数据测算误差风险

目录

1. 前言

2. 选股策略跟踪

2.1. 策略一：十因子机器学习残差因子

2.2. 策略二：十五因子机器学习残差因子

2.3. 策略三：十五因子机器学习反转因子

2.4. 策略四：复合因子

3. 投资组合跟踪

3.1. 股票筛选方法

3.2. 投资组合表现

3.3. 超额收益归因

3.4. 分年度表现

4. 本期持仓

5. 风险提示

信息披露

正文

1. 前言

本系列报告跟踪多个不同的选股策略和单个投资组合。我们以尽可能接近真实投资的方式进行跟踪。随着时间的推进，我们可能会对选股策略进行完善甚至增删，但这并不影响我们给出的投资组合跟踪是样本外的。在每一期，我们总是选择一个我们最看好的策略来给出当期的股票持仓，并持有到下一个月。

2. 选股策略跟踪

2.1. 策略一：十因子机器学习残差因子

用风格因子 $B_{T-\Delta T}$ 加权线性回归股票收益率 $R_{T}$ ：

$R_{T}=B_{T-\Delta T}\cdot b_{T}+\varepsilon _{T},\;(1)$

其中， $b_{T}$ 为风格因子的拟合系数， $\varepsilon _{T}$ 为股票的特质收益率。用机器学习模型拟合特质收益率关于十个风格因子 $B_{T-\Delta T}$ 的函数，将该函数作用于最近一期的风格因子上，然后将得到函数值进行风格中性化处理，便得到基于十因子的机器学习残差因子。我们在研报《德邦金工机器学习专题之一》中对策略一进行了详细的描述。因子各期RankIC的时间序列见图1，平均RankIC为0.023，Rank ICIR为0.381。

2.2. 策略二：十五因子机器学习残差因子

与策略一类似，用机器学习模型拟合特质收益率关于十个风格因子和五个财务因子的函数，将该函数作用于最近一期的风格和财务因子上，然后将得到函数值进行风格中性化处理，便得到基于十五因子的机器学习残差因子。我们在研报《德邦金工机器学习专题之三》中对策略二，以及下文中的策略三、策略四进行了详细的描述。因子各期RankIC的时间序列见图2，在全市场中的平均RankIC为0.045，Rank ICIR为0.738。

2.3. 策略三：十五因子机器学习反转因子

同策略二，用机器学习模型拟合特质收益率关于十个风格因子 $B_{T-\Delta T}$ 和五个财务因子 $X_{T-\Delta T}$ 的函数，拟合的残差为 ${\varepsilon _{T}}'$ ，将拟合残差取相反数后进行风格中性化处理，见式（2）。

$-{\varepsilon _{T}}' = B_{T-\Delta T}\cdot {b_{T}}'+\epsilon _{T},\;(2)$

因子各期RankIC的时间序列见图3，平均RankIC为0.063，Rank ICIR为1.06。

2.4. 策略四：复合因子

将策略二和策略三的选股因子分别求z-score值，再求和，便得到复合因子。因子各期RankIC的时间序列见图4，平均RankIC为0.059，Rank ICIR为0.979。

3. 投资组合跟踪

3.1. 股票筛选方法

本报告是选股月报的第十七期，本期选用策略四进行选股。我们在剔除调仓日涨停、暂停交易、ST、*ST以及上市不满20个交易日的股票后，根据因子值在中证1000指数成分内选200只股票。在调仓日，投资组合中持有的各个股票的市值权重相等。

3.2. 投资组合表现

上一期调仓日期为2023.05.08。2023.05.08至2023.06.02期间，组合取得收益3.0%，同期基准的收益为-1.14%，超额收益为4.14%。自2022.02.07样本外跟踪以来，累计实现超额收益7.34%。

3.3. 超额收益归因

本期的超额收益中，其中风格贡献-0.21%，行业贡献-0.44%，其余4.79%由因子特质选股能力贡献。虽然选股因子在全市场意义下与各风格因子线性无关，仍然有两个因素导致组合并非完全风格中性：第一，全市场分组的结果与中证1000指数成分股取交集后使得风格发生偏移；第二，我们构造的投资组合中各个股票权重相等，而中证1000指数各成分股权重不等。组合的风格主动暴露和超额收益见表1。

组合的行业主动暴露和超额收益见表2。组合在行业上相对于基准是中性的，故几乎没有行业暴露带来的超额收益。

3.4. 分年度表现

投资组合的分年度表现见表3。其中，最后一列是2015年初至今的总体表现。

4. 本期持仓

本期新调入股票158只，见表4；新调出股票158只，见表5；调仓后组合共计持有股票200只，其中保持上期持仓的股票见表6。股票的持仓成本为调仓日的收盘价格，投资组合中各个股票权重相等。本文给出的持仓仅用于样本外跟踪，不构成投资建议。

5. 风险提示

市场风格变化风险，模型失效风险，数据测算误差风险。

报告信息

证券研究报告：《德邦金工选股月报——第十七期（2023.06.05）》

对外发布时间：2023年6月5日

分析师：肖承志

资格编号：S0120521080003

邮箱：xiaocz＠tebon.com.cn

报告发布机构：德邦证券股份有限公司

（已获中国证监会许可的证券投资咨询业务资格）

金工团队简介

肖承志，同济大学应用数学本科、硕士，现任德邦证券研究所首席金融工程分析师。具有6年证券研究经历，曾就职于东北证券研究所担任首席金融工程分析师。致力于市场择时、资产配置、量化与基本面选股。撰写独家深度“扩散指标择时”系列报告；擅长各类择时与机器学习模型，对隐马尔可夫模型有深入研究；在因子选股领域撰写多篇因子改进报告，市场独家见解。

林宸星，美国威斯康星大学计量经济学硕士，上海财经大学本科，主要负责大类资产配置、中低频策略开发、FOF策略开发、基金研究、基金经理调研和数据爬虫等工作，2021年9月加入德邦证券。

吴金超，清华大学硕士，南开大学本科，主要负责指数择时、行业轮动、基本面量化选股等工作，曾任职于华为技术有限公司、东北证券、广发证券，2021年11月加入德邦证券。

路景仪，上海财经大学金融专业硕士，吉林大学本科，主要负责基金研究、基金经理调研等工作，2022年6月加入德邦证券。

王治舜，香港中文大学金融科技硕士，电子科技大学金融+计算机双学士，主要负责量化金融、因子选股等工作，2023年1月加入德邦证券。

感谢实习生曾绪彬对本文的贡献。

MORE

相关阅读

01 策略报告

【德邦金工|年度策略】全球成长股或将迎来绝地反击——德邦金工2023年度策略报告

【德邦金工|中期策略】“脱缰”的“小巨人”20220908

【德邦金工|年度策略】进击的“小巨人” 20211216

【德邦金工|中期策略】云销雨霁，尚待黎明20210824

02 每周行情前瞻

【德邦金工|周报】两市成交额继续下降，科创50ETF净流入居前——德邦金工择时周报20230528

【德邦金工|周报】两市成交额下降，沪深300ETF净流入居前——德邦金工择时周报20230521

【德邦金工|周报】北向资金净买入非银、电新，科创50ETF净流入居前——德邦金工择时周报20230514

【德邦金工|周报】北向净买入食饮、银行，科创50ETF净流入居前——德邦金工择时周报20230507

【德邦金工|周报】北向净买入计算机、基础化工，中证1000ETF净流入居前——德邦金工择时周报20230503

【德邦金工|周报】A股整体下跌，电新、银行景气度提升居前——德邦金工择时周报20230423

【德邦金工|周报】北向净买入有色金属，创新药ETF净买入居前——德邦金工择时周报20230416

【德邦金工|周报】本周A股日均成交额超12000亿，电子、计算机融资净流入居前——德邦金工择时周报20230409

【德邦金工|周报】全球股市普涨，计算机行业融资净流入居前 ——德邦金工择时周报 20230402

【德邦金工|周报】A 股整体上涨，计算机、电子融资净流入居前 ——德邦金工择时周报 20230326

【德邦金工|周报】北向净买入电新、传媒，医疗类ETF净流入居前——德邦金工择时周报20230319

【德邦金工|周报】北向净买入机械、建筑，创业类指数标的ETF净流入居前——德邦金工择时周报 20230312

【德邦金工|周报】全球股市普涨，消费、通信行业景气度提升——德邦金工择时周报 20230305

03 大类资产配置观点

【德邦金工|月报】从追赶现实到改变预期20220127

【德邦金工|月报】美国通胀的远虑与近忧20211120

【德邦金工|月报】商品与美元对局的前夜20211018

04 机器学习专题

【德邦金工|选股专题】中证1000成分股有效因子测试——中证1000指数增强系列研究之一

【德邦金工|选股专题】基于模型池的机器学习选股——德邦金工机器学习专题之五

【德邦金工|选股专题】动态因子筛选——德邦金工机器学习专题之四

【德邦金工|机器学习】基于财务与风格因子的机器学习选股——德邦金工机器学习专题之三

【德邦金工|机器学习】机器学习残差因子表现归因 —— 德邦金工机器学习专题之二

【德邦金工|机器学习】利用机器学习捕捉因子的非线性效应 —— 德邦金工机器学习专题之一

05 金融产品时评

【德邦金工|金工专题】中特估概念行情指标特征研究及红利成长低波策略构建 20230603

【德邦金工|金工专题】复盘历史上TMT行业二次配置时点20230426

【德邦金工|金工专题】建议2月继续布局成长股 20230129

【德邦金工|金工点评】中证1000指数——公募指数与量化必争的下一个蓝海赛道20220624

【德邦金工|金工点评】MSCI中国A50互联互通指数期货上市，A股迎来新助力 20211024

06 金融产品专题

【德邦金工|金融产品专题】能源革新，绿色先行，推荐关注锂电池ETF——德邦金融产品系列研究之二十

【德邦金工|金融产品专题】科技革新成长，军工锐意前行，推荐关注国防军工ETF ——德邦金融产品系列研究之十九

【德邦金工|金融产品专题】后疫情时代，物流行业有望复苏，推荐关注物流ETF ——德邦金融产品系列研究之十八

【德邦金工|金融产品专题】势不可挡，坚定不移走科技强国之路，推荐关注华宝中证科技龙头ETF——德邦金融产品系列研究之十七

【德邦金工|金融产品专题】“抓住alpha，等待beta”，华宝夏林锋主动出击“三年一倍”目标——德邦权益基金经理系列研究之一

【德邦金工|金融产品专题】乘大数据战略机遇，握新时代“价值资产”，推荐关注大数据ETF——德邦金融产品系列研究之十六

【德邦金工|金融产品专题】招商中证1000指数增强——细分赛道下的“隐形冠军”——德邦金融产品系列研究之十五

【德邦金工|金融产品专题】长风破浪，王者归来，纳斯达克100ETF再启航——德邦金融产品系列研究之十四

【德邦金工|金融产品专题】风劲帆满海天远，雄狮迈步新征程，推荐关注军工龙头ETF——德邦金融产品系列研究之十三

【德邦金工|金融产品专题】“小”“智”“造”与大机遇，推荐关注中证1000ETF——德邦金工金融产品系列研究之十二

【德邦金工|金融产品专题】“专精特新”政策赋能，小市值投资瞬时顺势，推荐关注国证2000ETF——德邦金工金融产品研究之十一

【德邦金工|金融产品专题】面向未来30年，布局“碳中和”大赛道，推荐关注碳中和龙头ETF——德邦金工金融产品研究之十

【德邦金工|金融产品专题】互联网东风已至，龙头反弹可期，推荐关注互联网龙头ETF——德邦金融产品系列研究之九

【德邦金工|金融产品专题】需求旺盛供给紧俏，稀土ETF重拾上升趋势——德邦金融产品系列研究之八

【德邦金工|金融产品专题】周期拐点将至，地缘冲突催化行业景气上行，关注农业ETF——德邦金融产品系列研究之七

【德邦金工|金融产品专题】新能源车需求超预期，动力电池新产能涌现，关注锂电池ETF——德邦金融产品系列研究之六

【德邦金工|金融产品专题】稳增长预期下高股息低估值凸显投资价值，关注中证红利 ETF——德邦金融产品系列研究之五

【德邦金工|金融产品专题】文旅复苏之路，价值实现的选择，关注旅游ETF——德邦金融产品系列研究之四

【德邦金工|金融产品专题】市场波动渐增，银行防御价值凸显——德邦金融产品系列研究之三

【德邦金工|金融产品专题】智能制造序幕已起，布局智能车赛道，关注智能汽车ETF——德邦金融产品系列研究之二

【德邦金工|金融产品专题】掘金港股核心资产，布局互联网赛道，关注港股通互联网ETF ——德邦金融产品系列研究之一

07 选股月报

【德邦金工|选股月报】策略月度调仓 20230508

【德邦金工|选股月报】策略月度调仓 20230403

【德邦金工|选股月报】策略月度调仓 20230305

【德邦金工|选股月报】策略月度调仓 20230206

【德邦金工|选股月报】策略月度调仓 20230109

【德邦金工|选股月报】策略月度调仓 20221205

【德邦金工|选股月报】策略月度调仓 20221107

【德邦金工|选股月报】策略月度调仓 20221010

【德邦金工|选股月报】策略月度调仓 20220903

【德邦金工|选股月报】策略月度调仓 20220801

【德邦金工|选股月报】策略月度调仓 20220704

【德邦金工|选股月报】策略月度调仓 20220606

【德邦金工|选股月报】策略月度调仓 20220509

【德邦金工|选股月报】策略月度调仓 20220411

【德邦金工|选股月报】策略月度调仓 20220307

【德邦金工|选股月报】策略月度调仓 20220207

08 文献精译

【德邦金工|文献精译】ChatGPT能够预测股票价格的走势吗？收益可预测性和大型语言模型——德邦金工文献精译第十期

【德邦金工|文献精译】只有艰难时期的赢家能重复成功：对冲基金在不同市场条件下的业绩持续性——德邦金工文献精译第九期

【德邦金工|文献精译】训练语言模型以遵循带有人类反馈的指令——德邦金工文献精译系列之八

【德邦金工| Fama因子模型专题】Fama三因子模型问世三十周年系列之二：A股市场实证——德邦金工Fama因子模型专题二

【德邦金工|文献精译】Fama-French三因子模型问世三十周年系列之一：重温经典——德邦金工Fama因子模型专题一

【德邦金工|文献精译】股价是否充分反映了业绩中应计和现金流部分所蕴含的未来盈利信息？——德邦金工文献精译系列之七

【德邦金工|文献精译】资产配置：管理风格和绩效衡量——德邦金工文献精译系列之六

【德邦金工|文献精译】规模很重要，如果控制了绩差股——德邦金工文献精译系列之五

【德邦金工|文献精译】中国股市的规模和价值因子模型——德邦金工文献精译系列之四

【德邦金工|文献精译】机器学习驱动下的金融对不确定性的吸收与加剧——德邦文献精译系列之三

【德邦金工|文献精译】不可知的基本面分析是可行的——德邦文献精译系列之二

【德邦金工|文献精译】利用机器学习捕捉因子的非线性效应 —— 德邦金工机器学习专题之一

09 小市值专题

【德邦金工|选股专题】微盘股的症结与曙光——小市值专题四

【德邦金工|选股专题】大容量国证2000增强策略——小市值专题三

【德邦金工|选股专题】小市值增强策略 ——小市值专题二

【德邦金工|选股专题】小市值策略初探 ——小市值专题一

10 行业轮动专题

【德邦金工|基本面量化专题】基于宏观、中观及行业基本面信息的行业指数择时策略

【德邦金工|行业轮动专题】扩散指数行业轮动多因子改进策略

【德邦金工|基本面量化专题】财务应计异象及其在选股中的应用——德邦金工基本面量化专题第二期

11 分析师专题

【德邦金工|选股专题】基于事件分析框架下的分析师文本情绪挖掘——分析师专题之一

12 基金策略专题

【德邦金工|金融产品专题】基于主动基金持仓的扩散指标行业轮动及改进—基金投资策略系列研究之一

【德邦金工|金融产品专题】基于扩散指标的主动基金筛选策略——德邦金工基金投资策略系列研究之二

【德邦金工|金融产品专题】行业轮动下沪深300增强策略及改进 ——德邦金工基金投资策略系列研究之三

【德邦金工|金融产品专题】基于扩散指标的行业/主题ETF轮动策略——基金投资策略系列研究之四

重要说明

适当性说明：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号/本账号发布的观点和信息仅供德邦证券的专业投资者参考，完整的投资观点应以德邦证券研究所发布的完整报告为准。若您并非德邦证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号/本账号中的任何信息。本订阅号/本账号难以设置访问权限，若给您造成不便，敬请谅解。市场有风险，投资需谨慎。

分析师承诺：本人具有中国证券业协会授予的证券投资咨询执业资格，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告，本报告所采用的数据和信息均来自市场公开信息，本人对这些信息的准确性或完整性不做任何保证，也不保证所包含的信息和建议不会发生任何变更。报告中的信息和意见仅供参考。本人过去不曾与、现在不与、未来也将不会因本报告中的具体推荐意见或观点而直接或间接收任何形式的补偿，分析结论不受任何第三方的授意或影响，特此证明。

免责声明

德邦证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。本报告中的信息均来源于合规渠道，德邦证券研究所力求准确、可靠，但对这些信息的准确性及完整性均不做任何保证，据此投资，责任自负。本报告不构成个人投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需要。客户应考虑本报告中的任何意见或建议是否符合其特定状况。德邦证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。

本报告仅向特定客户传送，未经德邦证券研究所书面授权，本研究报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。如欲引用或转载本文内容，务必联络德邦证券研究所并获得许可，并需注明出处为德邦证券研究所，且不得对本文进行有悖原意的引用和删改。如未经本公司授权，私自转载或者转发本报告，所引起的一切后果及法律责任由私自转载或转发者承担。本公司并保留追究其法律责任的权利。

本订阅号不是德邦证券研究报告的发布平台，所载内容均来自于德邦证券已正式发布的研究报告，或对研究报告进行的整理与解读，因此在任何情况下，本订阅号中的信息或所表述的意见并不构成对任何人的投资建议。