【矿友必读】多因子模型中常见的因子合成方法

常见的因子加权方式有等权，IC加权，IC_IR加权，最优化IC_IR加权。本人也实现了这些加权方式，但效果最后都不如等权，难道真的是等权大法好？当然，问题肯定不能这么看，评价的维度应该也是多方面的。本文参考天风证券《半衰IC加权在多因子选股中的应用》。近来在社区评论中也有看到说使用半衰期IC加权的，本文尝试对研报进行复现。若有不正确之处，望大神们指正。

一、因子的选择

选择了7个因子:

• 规模：对数市值，LCAP
• 反转：20日收益率，REVS20
• 流动性：20日日均换手率，VOL20
• 波动：特异度，IVRR
• 估值：BP，1/PB
• 成长：净利润增长率，NetProfitGrowRate
• 质量：权益回报率，ROE

注意：除了特异度因子，其它因子均可在优矿因子库中获得，特异度的计算请参考本人先前文章。另外除了对数市值，其它因子均做行业和市值中性化处理。

完整版点击获取

二、常见因子加权方式

假设现有M个因子f1,f2,...,fM，合成后的因子为F，则

• 等权： 每个因子配相同的权重

优点：直观，简单，方便；

缺点：没有考虑因子有效性，稳定性以及因子之间的相关性。

• IC均值加权：取因子过去一段时间的IC的均值为权重：

优点：考虑了因子有效性的差异；

缺点：没有考虑因子的稳定性以及因子之间的相关性。

• IC_IR加权：取因子过去一段时间的IC均值除以标准差作为当期因子fi的权重，即权重向量：

优点：考虑了因子有效性的差异，稳定性；

缺点：没有考虑因子之间的相关性。

• 最优化复合IC加权：指最优化复合因子F的IR后得到的最优因子权重进行加权：

解得：

其中s为任意常数

优点：考虑了因子有效性的差异，稳定性，相关性；

缺点：因子收益率协方差矩阵估计难度较大。

关于这些加权方式，社区也有不少实现的帖子，实现起来也不难，本文不再具体举例。我们关注的是半衰期IC加权方式内部的逻辑以及使用的效果。

三、半衰期IC加权

所谓半衰期IC加权，思想在于因子的预测能力是有衰减的，短期的IC对于当前权重的影响应该要比远期IC的影响大些，因此在计算因子权重时，应该给短期IC赋更大的权重，以适应市场短期的变化。我们使用半衰的权重向量来刻画近期IC的影响。具体计算过程如下：

假设序列长度为N，半衰期为H，那么半衰期权重wi的计算方式为：

完整版点击获取

总结起来，半衰期IC加权在一定程度上是能减少今年组合的回撤，但是，本文并没有实现像研报那样今年正的超额收益，然后研报使用这种方法，感觉有种故意贴合今年这样的行情之嫌，实践中还需斟酌使用。

作者：张磊 原文链接：基于筹码分布如何选股

优矿专业版申请链接：优矿UQER预约试用