【广发金工】2024精选深度报告系列之六：基于多期限残差的因子选股研究

广发广发金融工程 2026-06-11 置信度: high

综合质量 4 /5

新颖性 3 /5

可复现性 4 /5

核心内容

报告在《基于多期限动量与反转的因子研究》原始多期限动量反转因子（Beta时间均值×当期价格比内积）基础上做两处改进：①将因子值改为截面回归残差在时间轴上的均值（残差动量）；②改进LLT初始值计算方法以修正长周期LLT偏离价格中枢的问题。因子经极值化、标准化、行业市值中性化后，按周频分5组回测，全市场多头20.13%/夏普0.64，多空14.16%/夏普1.33；Barra中性化后多头17.42%/Rank IC -2.98%。

经济逻辑

原始因子用历史Beta均值与当期价格比内积，本质是动量反转的持续性与均值回归。改为残差均值，剥离了价格变动中可由LLT价格比线性解释的部分（趋势/动量），保留个股相对截面的特异性残差动量，提升超额收益稳定性。LLT改进解决长周期下初始值权重过高导致的趋势线失真，使解释变量更贴近真实价格中枢。

超额收益逻辑

残差动量剥离了截面上由多期限LLT价格比线性解释的共性趋势成分，保留了个股特异性成分。对残差取时间均值（8期/2个月）起平滑降噪作用，捕捉的是个股相对截面的中期（2个月）特异性动量反转信号。

构造细节 [factor]

因子定义

对第t期股票i，截面回归 r_i,t = Σ_j β_j,t * X_j,i,t + ε_i,t，其中X_j,i,t为第j个期限的改进LLT价格比（LLT_j / Price）。因子值 = mean_{t-8..t}(ε_i,t)。原始因子为 mean(β_j) · X_j,t（时间均值Beta与当期价格比内积），改进后用残差均值替代。

处理流程

1. 第t期剔除ST/*ST、停牌、上市不满一年新股
2. 对每个期限j（共10个，含20/60/90/250日等），用改进初始值法计算LLT_j序列
3. 计算LLT价格比 X_j = LLT_j / Close
4. 截面OLS回归 r_i = Σ_j β_j * X_j,i + ε_i，得ε_i,t
5. 对过去8期（2个月）周频残差ε_i,t-7..t求均值，得因子值
6. 因子极值化（去极值）
7. 因子标准化（Z-score）
8. 行业市值中性化（对行业哑变量+log市值回归取残差）
9. 按因子值降序分5组
10. 多头第1组、空头第5组，等权组合
11. 周频调仓，当日收盘卖次日开盘买

参数

LLT期限参数组合: 10个不同期限（最长250日，另含20/60/90日等示例）残差动量平均窗口: 8期（2个月）分组数: 5调仓价格: 当日收盘卖/次日开盘买

数据输入

: (日频): (日频): (日频/周频): (日频/月频)

组合方式

十个不同期限的LLT价格比作为多个自变量同时进入截面回归，取残差均值

绩效

-4.14%

全市场Rank IC均值

67.92%

全市场Rank IC胜率

20.13%

全市场多头年化收益率

0.64

全市场多头夏普比率

14.16%

全市场多空年化收益率

1.33

全市场多空夏普比率

12.49%

中证500多头年化收益率

0.42

中证500多头夏普比率

-2.98%

Barra中性化后全市场Rank IC均值

17.42%

Barra中性化后全市场多头年化收益率

基准: 未提及

回测期: 2010年1月1日至2024年3月31日

改进的多期限残差因子在全市场及各主要宽基股票池中展现出较强选股能力。全市场周频调仓下，Rank IC均值为-4.14%，多头年化收益率20.13%，多空夏普比率1.33。经Barra中性化处理后因子仍保持较强单调性与收益表现。

收益归因 ✓ 已完成

对多期限残差因子与主要Barra相关因子进行了相关性检验与中性化处理，发现相关性较低，且中性化后因子仍具较强分组单调性与风险收益表现。

方法: Barra因子相关性检验与中性化处理

缺口: 仅进行了风险中性化测试，未对多头组合的超额收益进行详细的风格或行业归因拆解。

稳健性

子样本稳定性: 创业板Rank IC -4.32%、中证1000 -3.79%、中证500多头12.49%/夏普0.42、中证1000多头11.17%/夏普0.32，中小市值优于大市值；2017年后Rank IC累积曲线无单调性衰退，优于原始因子。

风格偏差: 与Barra相关因子相关性较低；中性化后Rank IC -2.98%/胜率60.81%/多头17.42%仍稳健。

因子在不同板块、宽基、Barra中性化下均稳健，中小市值更强，Alpha衰减较原始因子明显改善。

数据依赖

所需数据: 日度收盘价（计算LLT与价格比）、Barra风格因子（中性化）、ST/停牌/上市日历（过滤）

可复现性: medium

数据需求简单（量价为主），但LLT改进初始值的具体公式未完整披露、10个期限参数未全部列出、回归的被解释变量r_i定义未明确（收益率or价格比），需合理推断后可实现。

新颖性评估 [新组合]

将残差动量思路与多期限LLT价格比截面回归框架结合，并提出LLT初始值改进，属工程化新组合而非纯新方法。

不足与缺陷

LLT改进初始值的具体计算公式/算法未披露，无法精确复现
10个期限参数仅提到含20/60/90/250日，其余6个未列出
截面回归的被解释变量r_i未明确定义（日收益率？周收益率？价格比？）
未明确交易成本、涨停限制、流动性约束对多头组合的影响
未明确多空组合换手率与实际可执行性
Benchmark未明确，超额收益基准不清
仅做Barra相关性+中性化，未做行业/风格归因拆解

可复用元素

残差动量替代Beta×价格比内积的处理思路可迁移
LLT长周期初始值敏感性问题及其改进方向
10个多期限LLT价格比作截面回归自变量的框架
8期（2个月）残差均值窗口的参数选择

启发

残差化思路可推广到任意量价因子：先截面回归剥离共性趋势，取残差做时间均值
LLT初始值敏感性问题是长周期技术指标通用问题，可推广到EMA等递推类指标
多期限框架可替换为其他技术指标族（如MACD不同参数）做截面回归残差

改进方向

用截面回归残差的时间均值构建因子

基于: 报告中残差动量思路预期收益: 剥离共性趋势、提升超额稳定性

改进LLT初始值为滚动窗口均值初始化

基于: 报告中LLT改进方向预期收益: 缓解长周期LLT偏离价格中枢

用同一框架但替换LLT为MACDhist或KAMA做多期限截面回归残差因子

基于: 相似逻辑+不同构造预期收益: 捕捉不同技术指标族的特异性残差动量，可能与LLT版形成低相关增量

复现计划

1) 日度收盘价计算10个期限LLT（20/60/90/250日+补全至10个），LLT初始值用前N日收盘均值初始化；2) 计算LLT价格比X_j=LLT_j/Close；3) 周频截面OLS回归（被解释变量取周收益率，自变量为10个X_j），得残差ε_i,t；4) 对过去8期残差求均值得因子值；5) 去极值+Z-score+行业市值中性化；6) 降序分5组，第1组多头第5组空头等权，周频调仓，T日收盘卖T+1开盘买；7) 回测2010-2024.3。关键不确定项：其余6个LLT期限参数、被解释变量定义、LLT改进初始值公式，需经验试错确定。