summaryequityA-sharehigh-frequencyrisk-modelcovariancepcabarracomposite-factor

兴业金工《高频研究系列七》— 高频风险模型构建与应用

来源

  • 机构: 兴业证券经济与金融研究院 (兴业金工)，公众号 XYQuantResearch（研报节选）
  • 研报: 《高频研究系列七—高频风险模型构建与应用》，对外发布时间 2023-10-25
  • 分析师: 郑兆磊 (S0190520080006)
  • 本地归档: raw/articles/202310-xingye-high-frequency-risk-model/
  • 回测区间: 2015 年底 — 2023 年 9 月，周度调仓

一句话总结

常见风险模型用基本面因子解释个股波动，对现在流行的「高频因子组合」几乎解释不动；这篇把风险模型的分析对象换成高频因子组合，用两套因子解释它的协方差，再拿这套风险模型去给高频因子配权，压出一个复合因子。

风险模型怎么建

自上而下 5 个基本面高频风险因子：特质性波动率 vol_risk（Barra Residual Volatility 缩短周期版，0.74×DASTD + 0.16×CMRA + 0.10×HSIGMA）、动量 mom_risk（长期 20 日半衰加权减短期 5 日半衰加权）、流动性 liq_risk、集中性 con_risk（分钟成交量占比的偏度）、价差 spread_risk（相对买卖价差）。用逐次回归取残差的方式保证彼此正交。

自下而上 5 个统计高频风险因子（riskFct0–riskFct4）：用过去 6 个月高频因子多空组合的标准化日度收益率做 PCA，按特征值取前 5 个主成分，按贡献度加权得到各主成分当期在个股层面的载荷。

检验：风险因子的 IC 移动均线应当呈周期性、无法长期贡献非零超额收益（mom_risk 的 IC 均值 −0.001、ICIR −0.005，对照 Alpha 因子 RTN_20D 的 0.053 / 0.385）；10 个因子内部相关性普遍很低；与 Barra 风险因子只在校验残差波动率（0.56）和流动性（0.49）上相关，其余极低。解释力上，高频风险模型的 Adjusted R^2 均值约 75%，强于纯 Barra 模型。

复合因子与应用

用风险模型估出高频因子组合的协方差矩阵（因子收益率协方差用 Ledoit-Wolf 收缩估计），再按最大化夏普比率配权、每周复合一次，得到「最大化 Top 夏普复合因子」与「最大化多空夏普复合因子」，与基于 Barra 的复合因子对照。

结果：全市场 IC 0.100 / ICIR 1.364；十分位 Top 组年化 49.82%（Barra 基准 38.51%），多空年化 100.02%、多空夏普 8.08（Barra 基准 74.81% / 5.91）；在沪深300 / 中证500 / 中证800 / 中证1000 / 国证2000 五个股票池内分位数严格单调，多空夏普 2.00 / 3.10 / 3.08 / 5.58 / 6.89。

应用：把表现最好的那个高频复合因子加进常规低频中证1000 增强策略（8 因子变 9 因子等权），不同约束条件下年化超额收益提升 2–3 个百分点；选定配置（个股权重 ±0.1%、市值行业约束 ±2.0%）下相对净值年化 20.43%、收益风险比 3.35、收益回撤比 3.46、最大回撤 5.91%，分年度胜率 100%、分月度胜率约 79%。

一处原文不一致

正文说「最大化 Top 组复合的因子表现略优于最大化多空组合的因子」，但按 IC 均值，多空夏普复合因子在全市场（0.102 vs 0.100）与多数股票池里略高；多空夏普比率则是中证500 及以上股票池多空版本更高，只有沪深300 上 Top 版本更好（2.00 vs 1.91）。

入口与交叉引用