“因时制宜”系列研究之二：基于企业生命周期的因子有效性分析-220225（22页）.pdf

《“因时制宜”系列研究之二：基于企业生命周期的因子有效性分析-220225（22页）.pdf》由会员分享，可在线阅读，更多相关《“因时制宜”系列研究之二：基于企业生命周期的因子有效性分析-220225（22页）.pdf（22页珍藏版）》请在三个皮匠报告上搜索。

1、敬请阅读末页的重要说明 证券研究报告证券研究报告 | 金融工程金融工程 专题报告专题报告 基于企业基于企业生命周期的因子生命周期的因子有效性有效性分析分析 2022年年02月月25日日 “因时制宜”系列“因时制宜”系列研究研究之二之二 根据企业生命周期理论，企业如同一个生命有机体，一般会经历导入、成长、成熟和衰退等阶段。 处于不同生命周期阶段的企业具有不同的特征。 本文尝试分析处在各个不同生命周期的企业群体中的因子的有效性，从而更好地运用因子投资的方法来筛选出具有超额收益的个股。 我们对三种常见的生命周期划分方法和我们提出的象限划分法的优劣进行了分析。并进一步通过定量分析对现金流组合法和象限划

2、分法进行了对比。整体来看， 以 ROE 为横轴、 营收增长为纵轴构建的象限划分法逻辑较为直观和清楚， 符合投资者惯用的投资理念， 并可以刻画出生命周期的连续动态变化过程。 我们首先从单一维度的角度入手，根据投资逻辑在四个坐标轴方向上提出了四个假设论断，具体如下。 低 ROE 端股票中投机风气相对较重，适合采用量价指标进行选股； 高 ROE 端股票备受专业投资者关注，适合采用分析师预期指标； 低增长端股票投资性价比较为重要，适合运用价值稳定类指标； 高增长端股票需要考察成长持续性，适合运用成长质量类指标。 进一步地， 我们分别根据 ROE 和营收增长单一维度对个股进行分组。 并测试了不同组别中上

3、述对应因子的有效性。从 IC 和多空组合测试的结果来看，我们假设中对应的因子的确在对应的股票分组中表现出了更为出色的选股能力。 最后， 我们尝试基于前述逻辑对简单多因子模型进行了优化。 我们通过调整因子权重的方式得到了基于生命周期的动态多因子模型。新的动态多因子模型相对于等权模型表现明显提升。多头组合年化收益由 25.26%提升至27.29%， 夏普比率由 0.92 提升至 0.97。 多空组合年化收益由 36.61%提升至39.74%，而夏普比率则由 3.36 提升至 3.54，收益回撤比由 3.87 提升至6.65。 风险提示风险提示 本报告模型及结论全部基于对历史数据的分析，当市场环境变

4、化时，存在模型失效风险。 金融工程金融工程 敬请阅读末页的重要说明 Page 2 正文目录 一、探索生命周期划分方法 . 4 1.1 行业周期定位法 . 4 1.2 变量分析法 . 4 1.3 现金流组合法 . 5 1.4 象限划分法 . 5 1.5 划分方法比较 . 6 二、评估因子在不同阶段下的有效性 . 9 2.1 低 ROE 端 . 9 2.2 高 ROE 端 . 11 2.3 低增长端. 13 2.4 高增长端. 15 2.5 复合因子测试 . 17 三、动态多因子模型 . 21 四、总结 . 22 图表目录 图 1：企业生命周期示意图 . 4 图 2：象限划分法划分示意图 . 6

5、图 3：未修正的象限划分法 . 6 图 4：修正的象限划分法 . 6 图 5：基于象限划分法和现金流组合法的 ST 个股生命周期划分图 . 7 图 6：象限划分法下个股的划分情况. 8 图 7：象限划分法下产业的划分情况. 8 图 8：ROE 五分组下股票过去一个月收益率标准差 . 9 图 9：VolAvg_20D_240D 因子多空组合净值. 10 图 10：VolCV_20D 因子多空组合净值 . 10 图 11：RealizedSkewness_240D 因子多空组合净值 . 11 图 12：ILLIQ_20D 因子多空组合净值 . 11 图 13：复合量价指标多空组合净值 . 11 图

6、 14：ROE 五分组下股票分析师平均覆盖率 . 12 图 15：EPS_FY1_R3M 因子多空组合净值 . 13 图 16：Sales_FY1_R3M 因子多空组合净值 . 13 图 17：Operatingprofit_FY1_R3M 因子多空组合净值 . 13 图 18：复合一致预期指标多空组合净值 . 13 图 19：BP_LR 因子多空组合净值 . 14 图 20：EP_Fwd12M 因子多空组合净值 . 14 图 21：Sales2EV 因子多空组合净值 . 15 oUoUwWfZnUzW8OaO8OmOpPoMsQeRnNpNiNsQzR8OmNrRwMrRwONZrRpM 金