開源量化評論（117）：分域多策略研究，以偏股基金指數為例.pdf

開源量化評論（117）：分域多策略研究，以偏股基金指數為例。

分域研究的重要性在當前市場環境下愈發凸顯

在當前因子同質性提升的背景下，傳統多因子框架下的增強類產品不可避免面臨 策略擁擠的問題，增強策略框架的迭代升級勢在必行。 “分域研究”思想，其核心在于通過引入額外的條件變量，對橫截面樣本進行分組 后再研究收益與特征變量的關系，以識別不同市場子域中的差異化規律。 以偏股基金為分域對象時，需先穿透其底層持倉。從樣本外跟蹤表現來看，我們 擬合持倉效果優異，基本上貼合偏股基金指數走勢。 分域多策略的建模流程有著固定的范式，其研究框架圍繞“樣本分域?域內選股 -多策略融合”的邏輯展開。

相比因子打分法，線性回歸法在分域效果上更貼近市場風格變化

基于因子打分法分域后各風格平均權重約為：均衡 47%、成長 34%、價值 20%，該 劃分結果與實際體感存在一定偏差。基于自定義風格指數回歸的思路，各樣本域 平均權重分別為均衡風格 23%，成長風格 56%，價值風格 21%，風格權重的變 化匹配市場的行情演繹形式。 按照條件雙重排序法進行五風格分域后，均衡風格平均權重為 23%，大盤成長為 42%，大盤價值為 15%，小盤成長為 14%，小盤價值為 6%。

域內選股使用主動初篩后進行量化精選的串聯結構

在風格域內進行選股時，我們遵循主動選股邏輯分類、風格樣本域內驗證和量化 因子輔助增強的串聯結構。 大盤成長風格內進行主動選股時，通常更注重個股遠期業績的增長情況與估值和 股價的匹配度。 小盤成長股中的主動選股思路通常更注重個股的業績彈性和技術形態。 價值風格內進行主動選股時，通常是按照高分紅、低估值的思路進行個股篩選。 相比高分紅，測試發現增長率在規避多數基本面惡化的“偽低估”樣本更有效。 均衡域內按照指數增強框架進行優選，嚴控風格偏離。 港股域內使用擬合持倉權重最高的 30 只港股進行等權持有。