金金工点评 公司研究 财通证券研究所 2019年04月09日 非线性规模因子：A股市场存在中市值效应吗？ 计算机软件与服务 证券研究报告 金融工程 投资要点：  非线性规模因子：A股市场存在中市值效应吗？  对非线性规模因子的计算有回归法和平方法两种，经实证检验发现二者在本质上并无区别。  从非线性规模纯因子组合的净值走势来看，其历年收益均为负，波动要明显小于规模纯因子，这表明中市值股票并不能跑赢甚至是经常跑输大小市值股票。  从分组法对非线性规模因子构建多空组合来看，对冲组合的年化收益达到22.16%，年化波动为8.17%，信息比率达到2.17。  从Fama-Macbeth检验来看，非线性规模因子的加入有助于解释收益率在横截面上的波动，且其溢价能力不能被已有因子所解释。  中证1000指数成分股并非全市场市值最小的那部分股票，因此其非线性规模因子暴露与中证500指数的非线性规模因子暴露处于同等水平也就不足为奇了。  市场风格解析 整体来讲，在过去的一个月中，高Beta的股票、前期涨幅较高的股票能够获得相对较高的收益，而大规模、高换手、高波动的股票后市走势将会出现更为明显的回撤。  指数风险预测 所有样本指数在未来一个月的年化波动区间在22%-31%之间，相较上周基本持平，财通金工特别提醒投资者注意当前市场的波动情况。  指数成分收益归因 上周市场风格以中小盘指数为主，表现最好的三只指数都是中小盘指数，其在非线性规模因子上暴露较多，而表现较差的三只指数更多得偏向于大规模股票，其在规模因子上的较大暴露拖累指数收益。  风险提示：本报告统计结果基于历史数据，过去数据不代表未来，市场风格变化可能导致模型失效。 财通证券研究所 “拾穗”多因子系列报告（第8期） 请阅读最后一页的重要声明 以才聚财，财通天下 证券研究报告 联系信息 陶勤英 分析师 SAC证书编号：S0160517100002 [email protected] 021-68592393 张宇 研究助理 [email protected] 176216888421 021-68592337 相关报告 【1】“星火”多因子系列（一）：《B arra模型初探：A股市场风格解析》 【2】“星火”多因子系列（二）：《B arra模型进阶：多因子模型风险预测》 【3】“星火”多因子系列（三）：《B arra模型深化：纯因子组合构建》 【4】“拾穗”多因子系列（一）：《带约束的加权最小二乘：一种解析解法》 【5】“拾穗”多因子系列（二）：《你看到的不一定是你所想的：解密R方》 【6】“拾穗”多因子系列（三）：《行业因子选取：中信一级还是申万一级？》 【7】“拾穗”多因子系列（四）：《总市值、流通市值、自由流通市值：谈谈取舍》 【8】“拾穗”多因子系列（五）：《数据异常值处理：比较与实践》 【9】“拾穗”多因子系列（六）：《因子缺失值处理：数以多为贵》 【10】“拾穗”多因子系列（七）：《从纯因子组合的角度看待多重共线性》 谨请参阅尾页重要声明及财通证券股票和行业评级标准 2 证券研究报告 金工点评 内容目录 1、 非线性规模因子：A股市场存在中市值效应吗？ ........................... 3 1.1 非线性规模因子的计算................................................... 4 1.2 A股市场存在中市值效应吗？ ............................................. 7 1.3 不同指数在非线性规模因子的暴露........................................ 11 1.4 小结.................................................................. 13 2、 一周行情回顾 .................................................... 14 3、 市场风格解析及指数风险预测 ........................................ 15 3.1 市场风格解析.......................................................... 15 3.2 指数风险预测.......................................................... 17 4、 指数成分收益归因： ............................................... 18 5、 附录 ........................................................... 19 图表目录 图1：主要指数近两周涨跌幅（2019.3.22-2019.4.4） ............................... 3 图2：主要指数的年度涨跌幅（2008-2019） ........................................ 4 图3：不带截距项的回归残差与对数市值散点图 ..................................... 5 图4：带截距项的回归残差与对数市值散点图 ....................................... 5 图5：平方法非线性规模与对数市值散点图 ......................................... 5 图6：回归残差项与标准化后平方项散点图 ......................................... 6 图7：非线性规模因子处理示意图 ................................................. 6 图8：单因子测试主要方法 ....................................................... 7 图9：规模纯因子和非线性规模纯因子组合净值走势 ................................. 7 图10：规模纯因子和非线性规模纯因子组合历年收益 ................................ 8 图11：分组法测试下每组月均超额收益 ............................................ 8 图12：非线性规模因子多空对冲组合净值 .......................................... 9 图13：分组法下每组对其他因子的得分均值 ....................................... 10 图14：非线性规模因子每月溢价及净值 ........................................... 11 图15：财通金工主要指数在非线性规模因子上的暴露 ............................... 11 图16：指数非线性规模因子及指数成分股标识 ..................................... 12 图17：上周主要指数收益（2019.3.29-2019.4.4） ................................. 14 图18：上周中信一级行业指数收益（2019.3.29-2019.4.4） ......................... 14 图19：近两周纯风格因子收益比较（2019.3.22-2019.4.4） ......................... 15 图20：最近一个月风格因子净值走势（2019.3.5-2019.4.4） ........................ 16 图21：最近一个月风格因子累计收益（2019.3.5-2019.4.4） ........................ 16 图22：财通金工样本指数未来一月波动预测（年化）（2019.4.4-2019.5.6） ........... 17 图23：收益回归/风险预测样本股票占指数成分股比率 .............................. 18 图24：上周表现最好三指数因子暴露度 ........................................... 18 图25：上周表现最差三指数因子暴露度 ........................................... 18 表1：分组法下因子绩效统计（2006.1.25-2019.3.2） ............................... 9 表2：非线性规模Fama-Macbeth检验结果 ......................................... 10 表3：上周纯风格因子收益（2019.4.1-2019.4.4） ................................. 15 表4：指数在风格因子上的暴露程度（2019.4.4） .................................. 19 谨请参阅尾页重要声明及财通证券股票和行业评级标准 3 证券研究报告 金工点评 在实际投资中，多因子模型被广泛地应用到资产定价、绩效归因、风险控制、组合优化、基金评价及资产配置等各个领域，一套完整、精细的多因子系统成为每位量化研究者必备的工具。“做最实用的研究”，是财通金工给自己的定位。我们将在之后的系列报告中，就投资者们最关心也最容易忽略的很多细节问题进行探讨，介绍我们在实际应用中遇到的问题和思考，以飨读者。 我们为本系列报告取名“拾穗”。一周市场风云变幻，和风细雨也好，狂风骤雨也罢，都留下一地故事等待梳理。作为勤劳的搬运工，财通金工从量化视角出发对市场风格进行捕捉、对风险水平进行预测，既是希望能够如拾穗者般专心、踏实地做研究，也是祝愿各位投资者能够在市场收获满地金黄。 本期是该系列报告的第八期，主要就广大投资者概念相对模糊的非线性规模因子展开讨论。首先介绍非线性规模因子的不同计算方法，随后从纯因子组合法、分组法和Fama-Macbeth的方法检验非线性规模因子的有效性，最后比较不同指数在非线性规模因子上的暴露度，对该因子的使用和需注意的细节进行提醒。 1、 非线性规模因子：A股市场存在中市值效应吗？ 众所周知，市值因子在A股市场向来是一个强有效的因子。在过去的很多年，小市值股票的走势能够显著地战胜大市值股票，“小票效应”让很多量化基金品尝到了市场的红利。然而随着2017年市场风格的大变脸，白马股一骑绝尘、小盘股黯然失色，投资者们方才意识到，被市场当作Alpha因子很久的市值因子原来也只是Beta因子，对组合的风格暴露进行风险控制才逐步受到投资者们的重视。 近两周来（2019.3.22-2019.4.4），中证500指数的走势十分抢眼。作为中市值股票的代表性指数，它不仅战胜了以大市值为主导的上证50和沪深300，还战胜了以小市值为主导的中证1000指数。图2分别以沪深300、中证500和中证1000为大、中、小盘的代表，展示了其历年涨跌幅，可以看到中证500指数的走势都并不突出，基本上较为平庸地处于沪深300和中证1000的涨跌幅之间。 图1：主要指数近两周涨跌幅（2019.3.22-201