华泰多因子模型体系

第一部分：准备工作#

1. 基础数据采集: 确定原始因子集合（12大类风格因子）
2. 数据标准化: 去量纲，保证可比性和可叠加性
3. 识别有效因子: 排除与收益率相关性不高的因子

第二部分：收益模型#

1. 大类因子分析: 处理同类因子的共线性问题（合成或筛选）
2. 因子共线性分析: 剔除引起多重共线性的因子
3. 残差异方差分析: 使用 $\sqrt{\text{流通市值}}$ 为权重做 WLS 回归
4. 多元线性回归: 计算每期因子收益
5. 估计因子预期收益: 方向约束（±号）
6. 计算股票预期收益

第三部分：风险模型#

1. 计算因子收益率协方差矩阵
2. 残差风险估计

第四部分：组合优化#

1. 确定收益目标 / 风险目标
2. 行业权重约束、因子暴露约束、个股上下限约束
3. 二次规划求解组合权重分配
4. 模拟业绩回溯

12大类风格因子#

估值、成长、财务质量、杠杆、规模、动量、波动率、换手率、改进的动量因子、分析师情绪、股东因子、技术因子

信息比率 (IR)#

$IR_P = \frac{\alpha_P}{\omega_P}$

分解公式#

$IR = IC \times \sqrt{BR}$

• BR (Breadth): 策略每年独立预测数目
• IC (Information Coefficient): 每个预测与实现结果之间的相关系数

要提高 IR，就要做得频繁（高 BR）且做得出色（高 IC）。