量化选股因子跟踪月报：上月价值、波动率和技术因子表现较优

目录因子表现概述 6因子处理与测试说明 6大类风格因子表现 6量价细分因子跟踪 2.1. 规模 15Beta 16波动率 172.4. 价值 19流动性 20动量、反转 212.7. 技术 22财务细分因子跟踪 233.1. 盈利 273.2. 成长 283.3. 质量 293.4. 红利 313.5. 一致预期 32风险提示 33附录一：因子测试方法 33附录二：细分因子总表 35图表目录图1：最近一月IC（300，500，1000， 全A） 7图2：近一年IC均值（300，500，1000， 全A） 7图3：回测期间IC均值（300，500，1000， 全A） 7图4：最近一月多头超（300，500，1000， 全A） 8图5：近一年多头超额（300，500，1000， 全A） 8图6：回测期间多头超（300，500，1000， 全A） 9图7：最近一月多空收（300，500，1000， 全A） 9图8：近一年多空收益（300，500，1000， 全A） 10图9：回测期间多空收（300，500，1000， 全A） 10图10：回测期间t值绝对值均值（300，500，1000， 全A） 图规模因子IC序及累计IC（ 全A） 15图12：规模因子分层回（ 全A） 15图13：规模因子IC序列及累计IC（沪深300） 16图14：规模因子分层回（沪深300） 16图15：规模因子IC序列及累计IC（中证500） 16图16：规模因子分层回（中证500） 16图17：规模因子IC序列及累计IC（中证1000） 16图18：规模因子分层回（中证1000） 16图19：Beta因子IC序及累计IC（ 全A） 17图20：Beta因子分层回（ 全A） 17图21：Beta因子IC序及累计IC（沪深300） 17图22：Beta因子分层回（沪深300） 17图23：Beta因子IC序及累计IC（中证500） 17图24：Beta因子分层回（中证500） 17图25：Beta因子IC序及累计IC（中证1000） 17图26：Beta因子分层回（中证1000） 17图27：波动率因子IC序列及累计IC（ 全A） 18图28：波动率因子分层测（ 全A） 18图29：波动率因子IC序列及累计IC（沪深300） 18图30：波动率因子分层测（沪深300） 18图31：波动率因子IC序列及累计IC（中证500） 18图32：波动率因子分层测（中证500） 18图33：波动率因子IC序列及累计IC（中证1000） 18图34：波动率因子分层测（中证1000） 18图35：价值因子IC序列及累计IC（ 全A） 19图36：价值因子分层回（ 全A） 19图37：价值因子IC序列及累计IC（沪深300） 19图38：价值因子分层回（沪深300） 19图39：价值因子IC序列及累计IC（中证500） 19图40：价值因子分层回（中证500） 19图41：价值因子IC序列及累计IC（中证1000） 20图42：价值因子分层回（中证1000） 20图43：流动性因子IC序列及累计IC（ 全A） 20图44：流动性因子分层测（ 全A） 20图45：流动性因子IC序列及累计IC（沪深300） 20图46：流动性因子分层测（沪深300） 20图47：流动性因子IC序列及累计IC（中证500） 21图48：流动性因子分层测（中证500） 21图49：流动性因子IC序列及累计IC（中证1000） 21图50：流动性因子分层测（中证1000） 21图51：动量因子IC序列及累计IC（ 全A） 21图52：动量因子分层回（ 全A） 21图53：动量因子IC序列及累计IC（沪深300） 22图54：动量因子分层回（沪深300） 22图55：动量因子IC序列及累计IC（中证500） 22图56：动量因子分层回（中证500） 22图57：动量因子IC序列及累计IC（中证1000） 22图58：动量因子分层回（中证1000） 22图59：技术因子IC序列及累计IC（ 全A） 23图60：技术因子分层回（ 全A） 23图61：技术因子IC序列及累计IC（沪深300） 23图62：技术因子分层回（沪深300） 23图63：技术因子IC序列及累计IC（中证500） 23图64：技术因子分层回（中证500） 23图65：技术因子IC序列及累计IC（中证1000） 23图66：技术因子分层回（中证1000） 23图67：盈利因子IC序列及累计IC（ 全A） 27图68：盈利因子分层回（ 全A） 27图69：盈利因子IC序列及累计IC（沪深300） 28图70：盈利因子分层回（沪深300） 28图71：盈利因子IC序列及累计IC（中证500） 28图72：盈利因子分层回（中证500） 28图73：盈利因子IC序列及累计IC（中证1000） 28图74：盈利因子分层回（中证1000） 28图75：成长因子IC序列及累计IC（ 全A） 29图76：成长因子分层回（ 全A） 29图77：成长因子IC序列及累计IC（沪深300） 29图78：成长因子分层回（沪深300） 29图79：成长因子IC序列及累计IC（中证500） 29图80：成长因子分层回（中证500） 29图81：成长因子IC序列及累计IC（中证1000） 29图82：成长因子分层回（中证1000） 29图83：质量因子IC序列及累计IC（ 全A） 30图84：质量因子分层回（ 全A） 30图85：质量因子IC序列及累计IC（沪深300） 30图86：质量因子分层回（沪深300） 30图87：质量因子IC序列及累计IC（中证500） 30图88：质量因子分层回（中证500） 30图89：质量因子IC序列及累计IC（中证1000） 30图90：质量因子分层回（中证1000） 30图91：红利因子IC序列及累计IC（ 全A） 31图92：红利因子分层回（ 全A） 31图93：红利因子IC序列及累计IC（沪深300） 31图94：红利因子分层回（沪深300） 31图95：红利因子IC序列及累计IC（中证500） 31图96：红利因子分层回（中证500） 31图97：红利因子IC序列及累计IC（中证1000） 32图98：红利因子分层回（中证1000） 32图99：预期因子IC序列及累计IC（ 全A） 32图100：预期因子分层测（ 全A） 32图101：预期因子IC序列及累计IC（沪深300） 32图102：预期因子分层测（沪深300） 32图103：预期因子IC序列及累计IC（中证500） 33图104：预期因子分层测（中证500） 33图105：预期因子IC序列及累计IC（中证1000） 33图106：预期因子分层测（中证1000） 33表1：量价细分因子测结果（ 全A） 12表2：量价细分因子测结果（沪深300） 13表3：量价细分因子测结果（中证500） 14表4：量价细分因子测结果（中证1000） 15表5：财务细分因子测结果（ 全A） 24表6：财务细分因子测结果（沪深300） 25表7：财务细分因子测结果（中证500） 26表8：财务细分因子测结果（中证1000） 27表9：测试因子介绍 36因子表现概述因子处理与测试说明在规模、Beta1048个因子作为风格细分因子，细分因子总表详见附录二。在因子数据处理方面，首先对所有因子进行去极值处理；接下来对于除对数市值外的其他因子做行业市值中性化，行业选择为中信一级行业分类，对数市值因子只做行业中性化处理；最后对所有因子在截面进行z-score标准化，因子数据处理方式详见附录一。因子合成方面，对于每一个因子大类，将如上处理后的细分因子乘以因子方向后进行等权合成，表示该大类风格因子的因子值。因子方向表示截面因子值与未来1与-1对十二个大类因子以及48个细分因子，在沪深300、中证500、中证1000以及全A成分股共4个股票池中分别进行测试。测试过程包含IC分析、分层回测、回归分析，详细介绍见附录一。为了统一符号，在测试时细分因子值要乘以ICSpearmanRankICICRankIC521ICICIC多头超额、近一年多头超额、回测期间多头超额、最近一月多空收益、近一年多t方向后因子值最大的分层组合收益减对应的股票池基准收益；多空收益为多乘以因子方向后因子值最大的分层组合，空乘以因子方向后因子值最小的分层组合时的收益。需要注意的一点是，由于将因子值进行因子方向调整，只有数值为正的IC大类风格因子表现从最近一月的IC值来看，在 全A股票池中表现相对较好的因子有波动率（21.9、技术（205；在沪深30股票池中表现相对较好的因子有价值、红利；在中证500股票池中表现较好的因子有价值（26.、波动率（1.1；在中证100股票池中表现较好的因子有波动率（22.、价值21.。总体来看，在上个月中，整体表现较为突出的因子图1：最近一月IC（300，500，1000， 全A）0.300.250.200.100.050.00

，

最近一月IC

3005001000全A图2：近一年IC均值（300，500，1000， 全A）0.120.100.080.060.040.02

，

最近一年IC均值

3005001000全A图3：回测期间IC均值（300，500，1000， 全A）0.120.100.080.060.040.020.00

，

回测期间IC均值

3005001000全AA1.34%1.01%3001.38%0.64%5001.38%和1.09%10001.04%0.91%。图4：最近一月多头超额（300，500，1000，全A）0.020.020.010.010.00

，

最近一月多头超额

3005001000全A图5：近一年多头超额（300，500，1000， 全A）0.080.060.020.00

，

最近一年多头超额

3005001000全A图6：回测期间多头超（300，500，1000， 全A）回测期间多头超额0.150.100.050.00

3005001000全A-0.10，从因多组收来，上在 全A池中表较的子波率因子和价因，子空组收分为4.35%和3.98%；沪深300票池，表现优因有值子和长子因多组合益别为4.02%和1.89%；在证500票中现较的子价因和技术因，子空合益分为5.73%和5.70%；中证1000票中表较优因有长子技术因子因多组超收益为3.20%和2.56%。图7：最近一月多空收（300，500，1000， 全A）0.080.060.040.020.00

，

最近一月多空收益

3005001000全A图8：近一年多空收益（300，500，1000， 全A）0.300.200.100.00

，

最近一年多空收益

3005001000全A图9：回测期间多空收（300，500，1000， 全A）1.000.800.600.400.200.00

，

回测期间多空收益

3005001000全A从回分结看在 全A票中除、质、致期个子，其余子t检均著其他票中各子归分显性有降。图10：回测期间t值绝对值均值（300，500，1000， 全A）回测期间t值绝对值均值8.007.006.005.004.003.002.001.000.00

，

3005001000全A量价细分因子跟踪为了方便比较与叙述，将细分因子划分为量价因子部分和财务因子部分。本章介绍量价细分因子的表现。表1：量价细分因子测结果（ 全A）细分因子 最近一月近一年回测期间最近一月近一年多回测期间均值 均值 多头超额 头超额 多头超额lncapbeta

2.55%7.90E-03

vol_1m

19.67%

10.17%

9.71%

9.58%vol_3mepf_illiquidity_shock_1mf_turnover_std_1mf_turnover_std_3mf_vstd_1mf_turnover_1mf_turnover_3mf_reversal_1mf_reversal_avg_1mf_reversal_intraday_1mf_reversal_discrete_1mf_reserval_shift_1mf_momentum_overnight_1yRSIBIAScorr_turnover_price_1mcorr_turnover_pct_chg_return_1m，

9.95%10.55%10.79%6.33%

9.28%10.36%9.28%10.76%

9.72%10.16%9.70%10.05%

10.06%8.64%表2：量价细分因子测试结果（沪深300）细分因子 最近一月近一年回测期间最近一月近一年多回测期间均值 均值 多头超额 头超额 多头超额lncapbetavol_1mvol_3m

6.01%

4.08%epf_illiquidity_shock_1mf_turnover_std_1mf_turnover_std_3mf_vstd_1mf_turnover_1mf_turnover_3mf_reversal_1mf_reversal_avg_1mf_reversal_intraday_1mf_reversal_discrete_1mf_reserval_shift_1mf_momentum_overnight_1yRSIBIAScorr_turnover_price_1mcorr_turnover_pct_chg_return_1m，

表3：量价细分因子测试结果（中证500）细分因子 最近一月近一年回测期间最近一月近一年多回测期间均值 均值 多头超额 头超额 多头超额lncapbeta

14.06%1.24%

vol_1m

16.54%

4.45%

6.65%

1.27%

vol_3mepf_illiquidity_shock_1mf_turnover_std_1mf_turnover_std_3mf_vstd_1mf_turnover_1mf_turnover_3mf_reversal_1mf_reversal_avg_1mf_reversal_intraday_1mf_reversal_discrete_1mf_reserval_shift_1mf_momentum_overnight_1yRSIBIAScorr_turnover_price_1mcorr_turnover_pct_chg_return_1m，

15.92%10.89%

12.44%表4：量价细分因子测试结果（中证1000）细分因子 最近一月近一年回测期间最近一月近一年多回测期间均值 均值 多头超额 头超额 多头超额lncapbetavol_1mvol_3mep

f_illiquidity_shock_1mf_turnover_std_1mf_turnover_std_3mf_vstd_1mf_turnover_1mf_turnover_3mf_reversal_1mf_reversal_avg_1mf_reversal_intraday_1mf_reversal_discrete_1mf_reserval_shift_1mf_momentum_overnight_1yRSIBIASm，

11.06%11.06%8.45%11.90%

%

-

规模从IC序图及层测图可看，模子整上在 全A表良好。规因类只有对市值lncap一分因，测结中以看，最近个规因表较优仅深300现回。图规模因子IC序及累计IC（ 全A） 图12：规模因子分层回（ 全A）， ，图13：规模因子IC序列及累计IC（沪深300） 图14：规模因子分层回（沪深300）， ，图15：规模因子IC序列及累计IC（中证500） 图16：规模因子分层回（中证500） ， ，图17：规模因子IC序列及累计IC（中证1000） 图18：规模因子分层回（中证1000）， ，Beta从IC序列图以及分层回测图中可以看出，Beta在整个回测区间中表现良好。在BetabetaBeta图19：Beta因子IC序及累计IC（ 全A） 图20：Beta因子分层回（ 全A）， ，图21：Beta因子IC序及累计IC（沪深300） 图22：Beta因子分层回（沪深300）， ，图23：Beta因子IC序及累计IC（中证500） 图24：Beta因子分层回（中证500） ， ，图25：Beta因子IC序及累计IC（中证1000） 图26：Beta因子分层回（中证1000） ， ，波动率从波动率因子的IC序列图以及分层回测净值可以看出，波动率因子在整个回测区间内表现优异。在最近一月中，波动率因子表现同样显著，但在沪深300中较弱。图27：波动率因子IC序列及累计IC（ 全A） 图28：波动率因子分层测（ 全A）， ，图29：波动率因子IC序列及累计IC（沪深300） 图30：波动率因子分层测（沪深300）， ，图31：波动率因子IC序列及累计IC（中证500） 图32：波动率因子分层测（中证500）， ，图33：波动率因子IC序列及累计IC（中证1000） 图34：波动率因子分层测（中证1000）， ，价值总体看价因在个回区中在 全A上效显。近个价值子体现异在各票中有向现。图35：价值因子IC序列及累计IC（ 全A） 图36：价值因子分层回（ 全A）， ，图37：价值因子IC序列及累计IC（沪深300） 图38：价值因子分层回（沪深300）， ，图39：价值因子IC序列及累计IC（中证500） 图40：价值因子分层回（中证500）， ，图41：价值因子IC序列及累计IC（中证1000） 图42：价值因子分层回（中证1000）， ，流动性流动性因子的IC序列图以及分层回测图表明，流动性因子在整个回测期间在各股票池中表现优异。最近一月中，流动性因子整体表现一般，在中证500和中证1000股票池中显著。图43：流动性因子IC序列及累计IC（ 全A） 图44：流动性因子分层测（ 全A）， ，图45：流动性因子IC序列及累计IC（沪深300） 图46：流动性因子分层测（沪深300）， ，图47：流动性因子IC序列及累计IC（中证500） 图48：流动性因子分层测（中证500）， ，图49：流动性因子IC序列及累计IC（中证1000） 图50：流动性因子分层测（中证1000）， ，动量、反转从动量及反转因子的ICA300图51：动量因子IC序列及累计IC（ 全A） 图52：动量因子分层回（ 全A）， ，图53：动量因子IC序列及累计IC（沪深300） 图54：动量因子分层回（沪深300）， ，图55：动量因子IC序列及累计IC（中证500） 图56：动量因子分层回（中证500）， ，图57：动量因子IC序列及累计IC（中证1000） 图58：动量因子分层回（中证1000） ， ，技术整个测间看技因子在 全A中证1000票池表较。近一月，术子现异。图59：技术因子IC序列及累计IC（ 全A） 图60：技术因子分层回（ 全A）， ，图61：技术因子IC序列及累计IC（沪深300） 图62：技术因子分层回（沪深300）， ，图63：技术因子IC序列及累计IC（中证500） 图64：技术因子分层回（中证500）， ，图65：技术因子IC序列及累计IC（中证1000） 图66：技术因子分层回（中证1000）， ，财务细分因子跟踪表5：财务细分因子测结果（ 全A）细分因子 最近一IC

近一年IC均值

回测期间均值

最近一月多头超额

近一年多头超额

回测期间多头超额profits_to_cost_quaroic_quaroa_qua_yoynet_margin_qua_yoyeps_basic_qua_yoyopprofit_qua_yoyoper_rev_qua_yoyprofit_to_debt_quainventory_turnover_quaacct_rcv_turnover_quaoper_netcash_to_oper_rev_ttmtot_assets_cash_recovery_ttmtotasset_turnover_quadiv_ratio_ttmcon_pegcon_roecon_roe_yoy，

10.79%表6：财务细分因子测试结果（沪深300）细分因子 最近一IC

近一年IC均值

回测期间均值

最近一月多头超额

近一年多头超额

回测期间多头超额

4.48E-030.43%

0.46%

-0.53%

profits_to_cost_quaroic_quaroa_qua_yoynet_margin_qua_yoyeps_basic_qua_yoyopprofit_qua_yoyoper_rev_qua_yoyprofit_to_debt_quainventory_turnover_quaacct_rcv_turnover_quaoper_netcash_to_oper_rev_ttmtot_assets_cash_recovery_ttmtotasset_turnover_quadiv_ratio_ttmcon_pegcon_roecon_roe_yoy，

-12.44%

12.41%

表7：财务细分因子测试结果（中证500）细分因子 最近一IC

近一年IC均值

回测期间均值

最近一月多头超额

近一年多头超额

回测期间多头超额profits_to_cost_quaroic_quaroa_qua_yoynet_margin_qua_yoyeps_basic_qua_yoyopprofit_qua_yoyoper_rev_qua_yoyprofit_to_debt_quainventory_turnover_quaacct_rcv_turnover_quaoper_netcash_to_oper_rev_ttmtot_assets_cash_recovery_ttmtotasset_turnover_quadiv_ratio_ttmcon_pegcon_roecon_roe_yoy，

-10.64%-11.37%表8：财务细分因子测试结果（中证1000）细分因子 最近一IC

近一年IC均值

回测期间均值

最近一月多头超额

近一年多头超额

回测期间多头超额profit_to_debt_qua a oper_netcash_to_oper_rev_ttm div_ratio_ttm ，

-0.68%3.02E-03

-1.86

%%盈利盈利因子在整个回测区间上表现一般。在最近一月中，盈利因子表现平庸。图67：盈利因子IC序列及累计IC（ 全A） 图68：盈利因子分层回（ 全A）， ，图69：盈利因子IC序列及累计IC（沪深300） 图70：盈利因子分层回（沪深300）， ，图71：盈利因子IC序列及累计IC（中证500） 图72：盈利因子分层回（中证500）， ，图73：盈利因子IC序列及累计IC（中证1000） 图74：盈利因子分层回（中证1000）， ，成长成长因子在整个回测区间，在沪深300股票池中表现较差。在最近一月中，成长因子表现不佳，仅在小市值股票池中呈现正向。图75：成长因子IC序列及累计IC（ 全A） 图76：成长因子分层回（ 全A）， ，图77：成长因子IC序列及累计IC（沪深300） 图78：成长因子分层回（沪深300）， ，图79：成长因子IC序列及累计IC（中证500） 图80：成长因子分层回（中证500）， ，图81：成长因子IC序列及累计IC（中证1000） 图82：成长因子分层回（中证1000）， ，质量质量子整回区，在 全A和中证1000股池有较稳的表现。在最近一月中，质量因子在各股票池呈现不同程度的反向表现。图83：质量因子IC序列及累计IC（ 全A） 图84：质量因子分层回（ 全A）， ，图85：质量因子IC序列及累计IC（沪深300） 图86：质量因子分层回（沪深300）， ，图87：质量因子IC序列及累计IC（中证500） 图88：质量因子分层回（中证500）， ，图89：质量因子IC序列及累计IC（中证1000） 图90：质量因子分层回（中证1000） ， ，红利红利因子在整个回测区间上表现不错。在最近一月中，红利因子整体表现良好，图91：红利因子IC序列及累计IC（ 全A） 图92：红利因子分层回（ 全A）， ，图93：红利因子IC序列及累计IC（沪深300） 图94：红利因子分层回（沪深300）， ，图95：红利因子IC序列及累计IC（中证500） 图96：红利因子分层回（中证500）， ，图97：红利因子IC序列及累计IC（中证1000） 图98：红利因子分层回（中证1000）， ，一致预期一致预期因子在整个回测区间中表现一般。在最近一月中，一致预期因子表现不佳，仅在中证1000股票池中呈现正向。图99：预期因子IC序列及累计IC（ 全A） 图100：预期因子分层测（ 全A），朝阳永续， ，朝阳永续，图101：预期因子IC序列及累计IC（沪深300） 图102：预期因子分层测（沪深300），朝阳永续， ，朝阳永续，图103：预期因子IC序列及累计IC（中证500） 图104：预期因子分层测（中证500），朝阳永续， ，朝阳永续，图105：预期因子IC序列及累计IC（中证1000） 图106：预期因子分层测（中证1000），朝阳永续， ，朝阳永续，风险提示以上分析基于模型结果和历史测算，存在模型失效风险。附录一：因子测试方法在使用因子数据进行测试时，首先需要对因子数据进行预处理。因子数据预处理一般包括缺失值处理、去极值、标准化、市值中性化、行业中性化与因子正交化等。缺失值处理：缺失值填补的方法包括插值法、前值填充法、中位数填充法等，为保证处理方法可回测，我们一般采取前值填充的方式填补缺失值。去极值：因子值需要满足一个合理的分布区间，在数据搜集和计算的过程中，可能会产生异常值，影响后续研究，因此需要在截面上对因子的极端值进行处理，这一方面可以排除错误数据，另一方面使因子的分布更合理。去极值可以有效避免存在异常数据的个股被选入策略组合对策略收益造成负面影响。常见的去极值方法包括缩尾法、中位数法和三倍标准差法。例如，缩尾法将因子值在截面上从𝑞1−𝛼(𝑥), 𝑥𝑖>𝑞1−𝛼(𝑥),={𝑞𝛼(𝑥), 𝑥𝑖<𝑞𝛼(𝑥),𝑥𝑖, 𝑒𝑙𝑠𝑒.𝛼𝑥𝑥𝛼𝑖𝑖标准化：不同因子的量纲有差别，所以需要对数据进行标准化，以便于对不同量纲的因子进行比较和分析。一般使用z-score方法，对因子数据进行标准化。𝑖

=𝑥𝑖−𝜇,𝜎其中，𝜇为截面上因子暴露序列𝑖的均值，𝜎为因子暴露序列𝑖的标准差，𝑖为标准中性化：同行业、不同市值、不同风格的股票因子分布可能会存在显著差异，所以在单因子测试之前，应对因子进行处理，剔除掉因子中包含的其他因素。在实行业中性化的方法有两种，一是使用行业哑变量对因子进行OLS回归，使用得到的残差代替因子值；第二种方法是分行业对因子进行标准化。市值中性化采用市值（或对数市值）对因子值进行OLS回归，使用得到的残差代替因子值。由于回归后的残差与所有自变量均正交，一般会同时进行行业和市值的中性化处理，将行业因子和市值因子一起纳入线性模型进行回归，回归后得到的残差即为去除了行业因素和市值因素影响后的因子值。公式如下：𝑋𝑡=∑𝑏𝑡,𝑗𝐼𝑛𝑑𝑢𝑗+𝑏𝑡,𝑚𝑣𝑚𝑣𝑡+𝜀𝑡,𝑗其中，𝑋𝑡为𝑡时刻单因子在截面上的因子暴露向量，𝐼𝑛𝑑𝑢𝑗为所有股票在𝑗行业的暴露向量，𝑚𝑣𝑡为股票在市值（或对数市值）上的暴露向量，𝑏𝑡,𝑗、𝑏𝑡,𝑚𝑣为对应的行业和市值因子收益率，𝜀𝑡为回归取得的残差，即行业市值中性化后的因子暴露。在因子数据预处理完成之后，就开始对因子进行测试。因子测试环节主要包括IC分析、分层回测与回归分析。IC分析：主要衡量因子在截面的选股能力。因子的IC值指的是因子在第𝑡期的暴露值𝑋𝑡与𝑡+1期的收益率𝑅𝑡+1之间的Pearson相关系数，即𝐼𝐶𝑡=𝐶𝑜𝑟𝑟(𝑋𝑡,𝑅𝑡+1),其中𝑅𝑡+1为时刻𝑡到时刻𝑡+1的所有股票的收益率序列，𝑋𝑡为数据预处理后的因子暴露。IC值衡量了一个股票池中，因子本期暴露度和个股下期收益率之间的线性相关程度，也可认为其反映了利用该因子预测下期股票收益率的稳健程度。IC的绝对值越大表明该因子越有效，选股能力越强。在实际应用中，Pearson相关系数易受到极端值的影响，先对因子暴露和收益率序列在截面上进行排序得到排序值，再求相关系数得到的Spearman秩相关系数则能更稳健的表现因子与收益率之间的相关关系，所以通常使用Spearman秩相关系数（RankIC）进行IC分析。分层回测：在每一期截面上对因子暴露进行排序打分，根据因子得分将股票池分为𝑁层，然后观测每一层资产组合累计收益的表现情况，这是进行因子有效性评价最直观的方法。分层回测法不仅可以观测因子与股票收益之间的线性关系，也可以辅助判断因子与股票收益之间是否存在非线性关系。分层回测在实际操作中简单方便，结果直观，并且能够挖掘出因子的单调性，是接受度较高的一种单因子测试手段。分层回测法的构建步骤：调仓：根据调仓周期，计算调仓日因子值，并于下一个交易日以收盘价调仓。分层：对因子值进行预处理，在调仓日按照因子值大小排序将股票池平均𝑁𝑁回测：每个调仓日的下一个交易日按照分层结果调仓，卖出不在相应组合评价指标：每一层的年化收益率、Sharperatio、年化波动率、信息比率、可以通过每一层的组合表现评估指标和净值的单调性等指标评价因子的有效性。一般来说，有较好选股能力的因子具有较为明显且稳定的分层效果。回归分析：𝑡期的因子暴露与𝑡+1期的股票收益率进行线性回归，回归得到的系数即为该因子的因子收益。由于股票收益率会受到行业因素和市值因素的影响，𝑅𝑡+1=∑𝑏𝑡,𝑗𝐼𝑛𝑑𝑢𝑗+𝑏𝑡,𝑚𝑣𝑚𝑣𝑡+𝑏𝑡,𝑓𝑋𝑡+𝜀𝑡,𝑗其中，𝑅𝑡+1为股票在时刻𝑡至时刻𝑡+1的收益率向量，𝑋𝑡为𝑡时刻的因子暴露向量，𝑏𝑡,𝑓为回归得到时刻𝑡至时刻𝑡+1的因子收益率向量，𝐼𝑛𝑑𝑢𝑗为所有股票在𝑗行业的暴露向量，𝑚𝑣𝑡为股票在市值（或对数市值）上的暴露向量，𝑏𝑡,𝑗、𝑏𝑡,𝑚𝑣为对应的行业和市值因子收益率，𝜀𝑡为回归取得的残差。在每个截面上对该模型进行回归，可以得到因子收益率的时间序列和𝑡值序列。𝑡值指的是单因子回归系数的𝑡检验统计量，反映了回归系数的显著水平。回归分析与IC分析是相辅相成的。一般来说，单因子回归系数的方向与大小反映了当期因子值与下期股票收益率的相关程度。有选股意义的因子，其回归系数序列在一段时间内较为稳定，方向不发生大的变化，且𝑡值绝对值序列一般都较大，反映了期间具有显著的因子收益。附录二：细分因子总表表9：测试因子介绍类别因子名称因子代码因子方向规模对数市值lncap-1BetaBetabeta-1波动率1月日收益率波动率vol_1m-13月日收益率波动率vol_3m-11月日内振幅平均f_highlow_intraday_1m-13月日内振幅平均f_highlow_intraday_3m-11月日内振幅标准差f_highlow_intraday_std_1m-13月日内振幅标准差f_highlow_intraday_std_3m-1价值市盈率pe_ttm倒数ep1市净率pb_lf倒数bp1市销率ps_ttm倒数sp1流动性1月非流动性冲击f_illiquidity_shock_1m11月日换手率标准差f_turnover_std_1m-13月日换手率标准差f_turnover_std_3m-11月成交额标准差比f_vstd_1m-11月日换手率平均f_turnover_1m-13月日换