详情描述

多因子系列之五：使用预测数据改进财报月基本面因子

1前言

基于月频换仓的多因子体系存在换仓滞后问题。具体来说，由于多因子使用截面回归来进行建模，因此必须在同一时间节点使用所谓“因子暴露”大小来比较不同公司在因子上的打分高低。对于大部分基本面因子来说，其数据来源于公司发布的财务报告。由于在财报频发的4、8、10三个月中，每个公司发布财报的时间有先后差异，而我们月频多因子策略往往使用固定时间(例如每月最后一个交易日)换仓，这样使得很多公司发布财报后很多天信息才能反映到我们的策略当中，造成换仓滞后的问题。本篇报告就该问题如何影响我们的多因子组合绩效进行了测算。

解决该问题最直观的想法是在财报月增加换仓频率，例如由月频变为周频或者日频，然而该方法提升因子表现的同时也增加了换手率，提高了交易成本，经过我们的测算，发现如果不控制换手率，让组合充分换手，投资于基本面多因子组合，在某个临界交易成本下，该方法是适用的，而如果交易成本大于该阈值，则该方法失效，需要考虑其他方法。

我们借鉴海外文献中的做法，尝试使用预测数据对财报月的基本面多因子表现进行增强,具体来说，我们在财报月前一个月对财报月的核心数据进行预测，并进一步计算预测的因子。在预测的时候，我们同时结合分析师一致预期数据和基本面数据的预测模型，以期使用该方法得到的基本面因子能获得更好的预测能力，我们给出了主要因子的测试结果，并进行了简要分析。

【更多详情，请下载：多因子系列之五：使用预测数据改进财报月基本面因子】