求均值的窗口为6个月(点击文末阅读原文,注册即可查看本文实盘代码)
取PE数据
去除PE因子的极端值,计算相对市盈率因子。
3、因子截面特征
3.1 导入计算好的相对市盈率因子数据
3.2 因子截面特征
3.3 因子预测能力初探
接下来,我们计算了每一天的因子和之后5日收益的秩相关系数
从上面计算结果可知,该因子和之后5日收益的秩相关系数在大部分时间为正,因子对之后5日收益有预测性
4、历史回测概述
这里使用了2009年以来的数据对于该选股因子进行回测,进一步研究该因子对于几个风险因子暴露情况
4.1 该因子选股的分组超额收益
可以看到,该因子选股不同分位数组合的超额收益呈很好的单调性;因子空头收益更显著
4.2 因子选股的市值分布特征
检查因子的小市值暴露情况。因为很多策略因为小市值暴露在A股市场表现优异。
上图展示,该选股因子并没有明显的小市值暴露
4.3 因子分组选股的一个月反转分布特征
可以看出,因子和反转因子有一定相关性
5、因子历史回测净值表现
5.1 简单做多策略
接下来,考察因子的选股能力的回测效果。历史回测的基本设置如下:
回测时段为2009年9月1日至2016年11月29日
股票池为A股全部股票,剔除上市未满60日的新股(计算因子时已剔除);
组合每5个交易日调仓,交易费率设为双边千分之二
调仓时,涨停、停牌不买入,跌停、停牌不卖出;
每次调仓时,选择股票池中因子最大的10%的股票;
上图显示了简单做多因子最大的10%的股票之后的对冲净值走势,需要注意这里对冲基准为中证500指数
5.2 不同五分位数组合因子选股回测走势比较
上图显示出,因子选股不同五分位构建等权组合,在uqer进行真实回测的净值曲线;显示出因子的选股能力,不同五分位组合净值曲线随时间推移逐渐散开。
总结
基于市盈率构造的选股因子,换手率不高!
进一步,可以将构造因子时的市场市盈率换成分行业市盈率,实际效果更佳,有兴趣的可以自行尝试
另外,对于一些和行业等相关性比较高的因子,本文中构造因子的方法其实具有一定的通用性