基于CNE7经典版：多因子拥挤度模型-220210（34页）.pdf

《基于CNE7经典版：多因子拥挤度模型-220210（34页）.pdf》由会员分享，可在线阅读，更多相关《基于CNE7经典版：多因子拥挤度模型-220210（34页）.pdf（34页珍藏版）》请在三个皮匠报告上搜索。

1、 本报告由中信建投股票股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供，由中信建投（国际）股票有 限公司在香港提供。同时请参阅最后一页的重要声明。 股票研究报告股票研究报告量化深度量化深度 多因子拥挤度模型多因子拥挤度模型 基于基于 C CNE7NE7 经典版经典版 主要内容主要内容 指标构建指标构建 本研究报告介绍中信建投因子拥挤度模型来定量评估因子策略的拥挤程度，该模型使用一系列指标从多个维度衡量因子的拥挤情况。指标是 6 个角度进行构建的，分别为: （1）估值指标;（2）成长指标; （3）累计收益率指标; （4）换手率指标; （5）截面波动率指标;（6）两两相关

2、性指标。 研究方法研究方法 本报告使用月度数据，以 6 个月为间隔，将未来两年划分为 06个月、712 个月、1318 个月以及 1924 个月四个区间，对综合拥挤度指标及底层 6 个拥挤指标与 CNE7 经典版中的市场因子、37 个行业因子和 10 个风格因子的未来收益率与波动率进行Spearman 相关性统计分析。 市场因子市场因子 模型结果表明，在短期 0-6 个月，综合拥挤度指标与市场因子收益负相关而与其波动率间正相关，这说明短期来看，拥挤程度越高会导致该因子未来收益的下降和风险的上升。但这相关性在长期并不显著。 行业因子行业因子 模型结果表明，综合拥挤得分与各行业因子未来给定时间段内

3、的收益和风险并不具有显著的相关性。其细分指标估值水平指标与因子间的相关性最为显著。细分行业中，电力设备行业和汽车行业均于 2021 年进入高拥挤度区域，计算机等行业尚位于相对安全区。 风格因子风格因子 模型结果表明，综合拥挤度指标与各风格因子未来表现和风险之间相关性不一致。拥挤度细分指标中，估值指标和成长指标对风格因子未来收益与风险的前瞻性相对较好，即与未来收益负相关，和风险正相关。 风险提示： 研究均基于历史数据， 存在数据统计偏误和模型风险，风险提示： 研究均基于历史数据， 存在数据统计偏误和模型风险，对未来投资不构成任何建议。对未来投资不构成任何建议。 智能量化智能量化 市场表现市场表现

4、 相关研究报告相关研究报告 -1%4%9%14%19%2016/6/202016/7/202016/8/202016/9/202016/10/202016/11/202016/12/202017/1/202017/2/202017/3/202017/4/202017/5/20上证指数国债指数 智能量化智能量化 量化深度报告 请参阅最后一页的重要声明 目录目录 一、摘要 . 1 二、导言 . 1 2.1 基于基金持仓的分析 . 2 2.2 基于估值水平的分析 . 2 三、因子拥挤度指标 . 3 3.1 估值指标 . 3 3.2 成长指标 . 4 3.3 累计收益率指标 . 4 3.4 换手率指标

5、 . 4 3.5 截面波动率指标 . 4 3.6 两两相关性指标 . 4 3.7 综合拥挤指标 . 4 四、相关性分析 . 6 五、因子拥挤度指标历史走势（部分） . 19 5.1 市场因子 . 19 5.2 大小盘因子 . 20 5.3 动量因子 . 20 5.4 电力设备行业因子 . 21 5.5 汽车行业因子 . 22 5.6 计算机行业因子 . 23 六、结论 . 25 附录：因子拥挤度历史走势（全） . 26 参考文献 . 32 图表目录图表目录 图表 1： 拥挤度模型衡量指标 . 3 图表 2： 综合拥挤得分与市场因子的相关性 . 6 图表 3： 估值与市场因子的相关性 . 7 图

6、表 4： 成长与市场因子的相关性 . 7 图表 5： 动量与市场因子的相关性 . 7 图表 6： 换手率与市场因子的相关性 . 7 图表 7： 波动率与市场因子的相关性 . 8 图表 8： 两两相关性与市场因子的相关性 . 8 图表 9： 综合拥挤得分与行业因子的相关性 . 9 图表 10： 估值与行业因子的相关性 . 10 图表 11： 成长与行业因子的相关性 . 11 图表 12： 因子累计收益率与行业因子的相关性 . 12 图表 13： 换手率与行业因子的相关性 . 13 kYxVvXpMoOoOrRbR8Q7NtRrRpNnPlOmMsQjMoPmNaQpPuNxNrRoQuOrRmR