因子原理

动量因子和反转因子是量化交易中一对相反的概念，虽然它们的逻辑有所不同，但都基于市场上存在的某种”惯性‘现象，即资产价格可能会在一段时间内延续其之前的趋势，或者由于市场的过度反应，导致价格偏离基本面。

动量因子的核心思想是：过去表现较好的股票在未来会继续走强，表现差的股票则可能继续低迷。假设A公司股票过去一个月的涨幅为15%，B公司过去一个月的涨幅为-5%，那么我们认为A公司股票有可能继续上涨，而B公司股票则可能下跌或表现不好。

而反转则认为在过去一段时间中表现较差的股票在未来可能经历收益的较大逆转，出现反弹。假设A公司股票过去一个月的跌幅为-20%，那么A公司股票的价格可

策略介绍

在量化投资领域，小市值股票和动量因子是两个广泛应用的选股指标。小市值股票因其相对较小的市值，更容易受到市场情绪和资金流入的影响，从而表现出高收益特性。而动量因子则反映了股票价格在一段时间内的趋势，具有延续性的特点。本文结合这两个因子，构建一个针对全A股市场的量化策略，旨在通过选择具有高动量的小市值股票来实现最大化的年化收益率。

策略背景

小市值股票和动量因子在量化投资中具有重要地位。小市值股票通常具备高成长潜力，能在短期内带来显著收益。动量因子则是基于“强者恒强，弱者恒弱”的市场动量效应，追踪价格上涨或下跌的趋势。结合这两个因子可以捕捉市场中的高收益机会。小市值股

策略介绍

全A股市场的量化投资策略在近年来受到越来越多投资者的关注。此次我们介绍的策略主要依赖小市值因子和动量因子进行股票选择，以期在不进行风险控制的情况下最大化年化收益率。小市值因子（Small Size Factor）和动量因子（Momentum Factor）是量化投资中常用的两个因子。

小市值因子基于“规模效应假说”，认为小市值股票往往具有更高的收益潜力，因为它们的增长空间较大且往往被市场低估。动量因子则基于“惯性效应假说”，认为过去表现好的股票在未来一段时间内仍有可能继续表现优异。这两个因子的结合可以在一定程度上兼顾成长性与市场趋势，形成一个较为稳健的投资组合。

然而，这

策略介绍

量化投资领域中，因子模型是非常重要的一类策略。因子投资策略通过提取市场中的某些特征（如价值、动量、规模等），并以此来构建投资组合。本文介绍的策略主要采用了小市值因子和动量因子，目的是在全A股市场中最大化年化收益率。

小市值因子（Size Factor）指的是选取市值较小的股票进行投资。根据“规模效应”理论，市值较小的股票往往能够获得较高的收益率。动量因子（Momentum Factor）则是选取价格上升趋势明显的股票进行投资。动量策略的理论基础是“惯性效应”，即股票价格在一段时间内的走势会继续保持。

这两个因子的结合可以捕捉到市场中的不同特征，从而提高策略的收益。需要注意

策略介绍

量化投资策略通过数学和统计方法，从历史数据中提取出有用的信息，指导投资决策。今天我们要介绍的是一个基于小市值因子和动量因子的全A股量化策略。该策略通过选择市值较小且动量较高的股票，力图在不进行额外风险控制的情况下，实现高年化收益。

小市值因子，即市值较小的股票往往具有较高的预期收益，这是因为小市值股票通常具有较高的成长性，但也伴随着较高的风险。动量因子，是指股票的价格具有惯性，即过去表现好的股票在未来一段时间内仍然可能表现较好。在实际操作中，动量因子常通过一定期间内的价格变化率来衡量。

该策略的优点在于通过组合小市值因子和动量因子，能够捕捉到市场中的高成长

更新

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[http

本文来自于MSCI研究，原文标题为《因子焦点：防守定位的价值在哪里？》

关键词：MSCI  |  全球投资  |  因子投资

作者：Hitendra D Varsani MSCI 研究部 执行董事

Waman Virgaonkar MSCI 研究部 副总裁

核心观点：

1、全球股市在 2021 年第三季度下跌，结束了连续五个季度的正回报。MSCI 动量指数和 MSCI 最低波动率指数在 MSCI ACWI 因子指数中表现领先。

2、虽然股市在去年取得了强劲的回报，但对滞胀的担忧加剧可能会导致防御性定位。在防御性因子中，最低波动率相对于质量的估值处于历史低位。

3、

https://bigquant.com/codeshare/3b5c66d6-ed5b-46a0-8dc6-3a48cc76a482

\

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

报告摘要

主要观点

本篇是“学海拾珠”系列第一百篇，文献研究了因子动量与动量因子之间存在的一些联系。股票动量效应长期以来违背了有效市场假说，而较新的一些文献也发现，动量在股票异象因子中也广泛存在，构造因子动量策略可以获得显著优于基准的回报。文献发现，因子收益的正向自协方差是因子动量收益的重要组成部分，并且在股票动量收益中起着关键作用。因子收益的时间序列自相关完全包含了个股收益的横截面动量。回到A股市场，可以研究A股的异象因子的收益变化在影响横截面股票动量方面发挥的作用，通过监测因子动量从另一个角度跟踪动量因子的强弱，避免动量崩溃。

因子的时间序列动量策略与横截面动量

引言

动量因子在金融市场有着广泛的应用。动量因子始于Jegadeesh and Titman(1993)，且动量因子广泛存在于股票，期货，债券等市场中。学术界关于动量的争议也层出不穷。一方面，有人认为动量因子的出现违背了有效市场假说；另一方面，人们认为动量背后的成因是投资者对市场信息反应的不充分或者过度，投资者获取信息的先后不一样，同时亦有部分观点认为长期来看，动量背后的成因同样也包含了基本面因素的驱动，在大环境条件不变的情况下，动量表现好的品种会在基本面供需的驱动下继续表现好。目前市面上已有大量的动量因子或者是使用技术指标构造的趋势因子，从动量的分类出发，动量可以分为时序动量

时间：2022年3月7日-2022年3月11日

主要结论

本周指数增强组合表现

沪深300指数增强组合本周超额收益0.16%，本年超额收益3.26%。 中证500指数增强组合本周超额收益0.95%，本年超额收益2.28%。 中证1000指数增强组合本周超额收益0.35%，本年超额收益3.36%。 二

本周选股因子表现跟踪

沪深300成分股中‍一年动量、单季EP、标准化预期外收入等因子表现较好。 中证500成分股中股息率、SPTTM。单季SP等因子表现较好。 公募基金重仓股中单季营收同比增速、一年动量、单季ROE同比等‍‍‍‍‍‍因‍‍子表现较好。

摘要

本周各因子波动较小，总体呈现小量回撤趋势。其中流动性因子、动量因子表现相对较好，收益分别为-1.00%和0.17%；量价因子以及成长因子收益表现较差，分别为-1.24%和-3.15%。

量化模型统计显示，本周动动量因子优选股票主要集中行业为电子信息、房地产以及化工行业；盈利因子优选股票主要集中行业为金融行业和能源行业；量价因子优选股票主要集中行业为电子器件、电子信息；成长因子优选股票主要集中行业为酿酒行业；流动性因子优选股票主要集中行业为金融以及电力行业。

统计数据显示，流动性因子采用风险中性权重搭配生成的投资组合Beta值最高；量价因子采用风险中性权重搭配生成的投资组合Be

摘要

行业动量效应已经被大量学者们所验证，并且广泛应用于行业轮动策略中。行业动量，即认为过去一段时间表现强劲的行业，未来也可能获得较高的收益。由于ETF可在二级市场进行交易，具有交易效率高、交易成本较低、清晰透明等优点，因此在本篇报告中，我们将以ETF为投资标的来实现行业轮动策略。我们构建了不同周期的动量因子，并对比研究了不同周期动量效应的强弱。以ETF为主要投资标的的FOF产品（FOF-LOF）正在密集申报，随着这类产品的不断推广，以ETF作为工具的轮动策略将有更大的发展空间。

综合考虑跟踪误差及交易活跃程度，我们以易方达基金旗下15只主题/行业及部分风格明显的宽基ETF为投资标的

研究结论

前言：本篇报告为东吴金工动量因子系列研究的第二篇，延续并拓展了上一篇报告《成交量对动量因子的修正》的研究理念，按照交易者类型对成交量做了进一步细分，考察在不同交易者结构下，动量因子表现的强弱。

A股市场的交易者结构：按照挂单金额的大小，可以将交易者分为机构、大户、中户和散户。在A股市场中，中户、散户交易占比长期较高，两者相加超过70%

交易者结构对动量因子的影响：不同交易群体的交易目的、特征不同，可能导致不同群体贡献的成交量中蕴含的信息也存在差异。基于上述猜想，我们分别按照散户、中户、大户、机构的交易占比高低，对传统的涨跌幅因子进行拆分，回测得到以下主要结论：（1）交易者结构对

摘要

华夏创蓝筹ETF（159966）和创成长ETF（159967）分别跟踪创业板低波蓝筹指数与创业板动量成长指数。创业板低波蓝筹指数通过质量因子和低波动因子筛选出盈利能力良好、财务质量稳健、波动率较低的股票，创业板动量成长指数通过成长因子和动量因子筛选出成长能力良好、动量效应显著的股票

从业绩表现看，创业板低波蓝筹指数与创业板动量成长指数均显著地跑赢了创业板指同期表现；从行业分布看，创业蓝筹和创成长均集中配置医药、计算机、电子等高科技行业；从研发投入看，创业蓝筹指数和创成长指数当前的所有成分股全部有研发费用，加权研发费用占比较高

当前市场环境更推荐创业板：根据兴业金工的沪深300

文献来源：Noël Amenc, Mikheil Esakia, Felix Goltz and Ben Luyten. Macroeconomic Risks in Equity Factor Investing.The Journal of Portfolio Management, 2019: jpm. 2019.1. 092.

推荐原因：本文旨在探讨宏观经济的风险对因子收益的影响。作者提出了一套寻找代表宏观经济预期的状态变量的方法，并发现选取的变量对因子收益的影响是显著的，并能反应经济预期的变化。作者还发现选取相关性较低的因子在一些情况下也不能很好的对冲宏观风险，理解宏观风险的逻辑才

文献摘要

六因子模型与解决价值因子冗余

Fama和French的五因子模型用一种令人印象深刻的方式总结了已知的因子，然而这一模型最大的缺陷在于并未包括动量因子，事实上纳入动量因子的六因子模型显著的优于五因子模型。同时我们还发现，价值因子在上述模型中有些多余。下面我们研究了将价值因子增强为即时价值因子的表现。我们发现动量因子甚至会变的更强，且价值因子的效果得到提升。遗憾的是在这个过程中，我们承认其他方法也可能会解决价值因子冗余的问题，并且在使用即时价值因子后，CMA因子显得多余。所以最后我们得到的仍然是五因子模型。不过我们认为这比我们开始时的五因子模型更好，而且即时价值

时间范围

20220314-20220318

主要结论

1. 本周指数增强组合表现

   沪深300指数增强组合本周超额收益0.77%，本年超额收益3.93%。

   中证500指数增强组合本周超额收益0.86%，本年超额收益3.01%。

   中证1000指数增强组合本周超额收益0.38%，本年超额收益3.65%。

2. 本周选股因子表现跟踪

   沪深300成分股中‍一年动量、三个月机构覆盖、EPTTM一年分位点等因子表现较好。

   中证500成分股中单季SP、一个月换手、BP等因子表现较好。

3. 公募基金重仓股中一年动量、三个月机构覆盖、单季营

摘要

大类因子表现

本周全市场股票池中,盈利、BP 因子获得明显正收益（1.0%，0.4%），size、beta 和动量因子获得明显负收益（-0.8%，-0.97%，-1.83%）。 市场整体表现为反转效应，价值风格、小市值风格。

单因子表现

沪深 300 股票池中。本周表现较好的因子有市盈率因子（5.14%）、市盈率 TTM 倒数（4.52%）市净率因子（4.46%）。表现较差的因子有标准化预期外收入（-2.59%）、单季度 ROA（-2.64%）、单季度 ROE（-2.87%）。

中证 500 股票池中，本周表现较好的因子有市盈率 TTM 倒数（5.74%）

摘要

多因子模型：本周组合均跑赢基准

因子表现

估值因子、质量因子表现较好，动量因子有所回撤。组合表现：光大Alpha沪深300指数增强（沪深300内选股）组合本周下跌3.56% ，同期沪深300指数下跌4.39%，组合本周跑赢沪深300指数0.82个百分点。2020年1月1日以来，组合累计上涨20.51%，跑赢沪深300指数9.57个百分点，信息比2.80。

光大Alpha中证500指数增强（中证500内选股）组合本周下跌4.65% ，同期中证500指数下跌4.97%，组合本周跑赢中证500指数0.32个百分点。2020年1月1日以来，组合累计上涨32.91%，

摘要

2017年以来，随着市场上量化策略的增多，许多以前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时

摘要

因子选择的新指标本文将因子模型的最大夏普比平方作为资产定价模型的评价指标，在嵌套模型和非嵌套模型中分别进行深入研究。嵌套模型是资本资产定价模型，和French（1993）的三因子模型，和French（2015）的五因子扩展模型，以及增加动量因子的六因子模型。非嵌套模型考察了六因子模型中因子选择的三个问题：（1）构建盈利能力因子时应当选择现金盈利因子亦或是经营盈利因子；（2）多空溢价因子与单边超额收益因子的对比；（3）仅大（小）规模股票池与所有股票池中因子表现的对比。

如何设计目标日期基金？

目标日期基金是对DC计划中传统均衡配置型基金的补充，其主要设计思路是根据投资者的