本文目前仅针对估值指标,将中信29个行业按照“周期行业”、“金融行业”、“科技行业”、“其他行业”分成四大类,分别使用“企业估值倍数倒数(EBITDA/EV)”、“市净率倒数(BP)”、“市销率倒数(SP)”和“市净率倒数(EP)”进行行业中性选股。本文仅作为行业分类选股的参考,可能存在更合理的分类标准和行业划分方法,可以尝试更多元化的分类方式。回溯时间为1999年10月至2017年11月(受部分数据质量限制,无法回溯更久的历史),调仓时间为每年4月末(年报披露完成)和9月末(半年报披露完成),选股范围为全部A股,筛选标准为各行业按照指标市值正交后从大到小排序的前10%分位数股票。与此同时,由于在此前的文章中曾介绍过2005--2008年附近的重大变更对因子收益的影响,本文还对比了2009年至今的回溯表现,为分析股权分置改革和会计准则变更后的组合表现提供可参考的结果。    文中通过某些个例展示了一些行业中使用特定因子有欠妥当的情况,但我们并非通过个例否认指标的选股逻辑,而是希望通过案例突出选择适合行业特性的指标对组合收益和稳定性的影响。    在1999年至今的回溯区间中,行业分类组合的收益和风险均表现优于单因子组合表现,并且相比起部分单因子在回溯阶段相对万得全A为负的超额收益,行业分类组合超额远超过基准。在2009年至今的回溯区间,分类组合的结果在2014年后逐渐超越了单因子组合,并且在2016年12月超过EP组合,成为5组中收益最高的一组。这一时间与市场风格向价值投资的风向变化的时间吻合。    本文仅作为行业分类选择指标的开篇和敲门砖,区分行业特性而有区别的选择某类型因子的选股指标可以作为smart beta产品设计的思路。    研究因子收益,尤其是中低频调仓因子,不单纯是计算多空收益溢价及其显著性,因子收益来源和逻辑才决定了可持续性。因此,我们在继A股发展历史对各类因子收益表现的分析后,提供了截面上同一类型因子对不同行业适用程度的分析,纵横交叉,提高组和稳定性和收益能力。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。