【国信金工】财务报表中的Alpha因子扩容与增强

国信张欣慰张宇李子靖 2026-05-23 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告提出了一种基于“数据+算子”双维度的财务因子挖掘框架，使用三张报表、财务附注、业绩预告与快报数据作为底层数据源，结合14个算子生成约10万个候选因子。通过区间匹配和相关性筛选减少无效计算，再用4个绩效指标筛选出4427个有效因子。随后，采用“分组加权法”计算因子关联度并进行Leiden聚类，将因子划分为8大类。最后，根据挖掘因子与大类的多空相关性进行增量筛选与扩容，合成聚类增强大类因子及最终的聚类增强因子。

经济逻辑

财务报表中除净利润、营收等核心指标外，仍有大量未充分关注的指标蕴含增量信息。通过引入更细致的附注数据、预告快报数据，以及更能体现指标边际变化和相对位置的新算子，可以捕捉被市场忽略的Alpha。直接合成大量因子易导致风格偏离，通过聚类将相似因子归类，并在类内进行增量筛选，可降低因子冗余，提升复合因子的稳定性和预测能力。

超额收益逻辑

超额收益来源于市场对财报中非核心指标及指标间多维关联信息挖掘不足。通过引入如财务附注、业绩预告等更及时、细化的数据，以及SUD、截面分位差等能反映指标预期偏离、相对排名差异的新算子，捕捉了传统简单比值因子无法刻画的边际变化与相对优势。聚类后再扩容合成的方式避免了单一风格因子拥挤和风格偏移，使得Alpha来源更加多元稳定。

构造细节 [factor]

因子定义

14个算子包括：1.比值(A2B); 2.同比(YOY); 3.环比(QOQ); 4.标准化预期偏离(SUD: (指标当期同比变化-过去8期同比变化的均值)/过去8期同比变化的标准差); 5.行业占比(IndusProp: 企业指标/行业总指标); 6.截面分位差(PercentileA2B: 比较两指标在截面上的相对位置差异); 7.同比增速差(YOYA-YOYB: 指标A同比增速-指标B同比增速); 8.回归残差(RegA2B: 两指标截面回归取残差); 9.同比增量除以B(DeltaA2B: A的同比增量/B)等。因子生成前需满足指标区间匹配(TTM对TTM，单季对单季)及相关性在0.1-0.9之间。

处理流程

1. 数据提取：获取三张报表、附注、预告快报数据(共165个基础指标)
2. 数据处理：计算指标TTM、单季度及累计值
3. 算子组合：按14个算子和指标组合规则(区间匹配、相关性0.1-0.9)生成约10万因子
4. 因子初筛：根据RankIC>2%, IR>1.5, 多头超额>0.3%, 多空收益>0.6%筛选出4427个因子
5. 因子预处理：缺失值填充、标准化、行业市值中性化
6. 因子聚类：使用分组加权法定义因子关联度，采用Leiden算法聚为8大类
7. 因子扩容：新因子与8大类的多空相关性进行类别划分，采用增量筛选法
8. 因子合成：类内合成大类因子，大类因子再次合成聚类增强因子

参数

因子筛选-RankIC均值绝对值: >2%因子筛选-年化RankICIR绝对值: >1.5因子筛选-多头月均超额: >0.3%因子筛选-多空月均收益: >0.6%指标相关性阈值: 0.1-0.9

数据输入

: (季度): (季度(TTM/单季/累计)): (季度(TTM/单季/累计)): (季度): (不定期)

组合方式

1. 采用分组加权法计算因子关联度，并用Leiden算法聚类为8个大类(价值、低波、成长、分析师预期、高频、反转、公司治理与时序分位点)；2. 计算新挖掘因子与8大类因子的多空相关性，进行类别划分；3. 采用增量筛选法在各类别内进行扩容；4. 将扩容后的大类因子合成聚类增强大类因子，再合成最终聚类增强因子。

绩效

12.08%

RankIC均值

5.32

年化RankICIR

92.67%

RankIC月胜率

1.62%

多头月均超额

-1.91%

空头月均超额

3.53%

多空月均收益

25.1%

多头年化超额

-24.3%

空头年化超额

基准: 全市场等权组合

回测期: 20121231-20250630

基于财务报表、附注、预告与快报等数据，通过算子挖掘并筛选出4427个有效因子；利用Leiden聚类将因子分为8大类，采用增量筛选扩容合成聚类增强因子。因子表现优异，RankIC均值达12.08%，多头年化超额25.1%。

收益归因

未进行严格的收益归因分析，仅在宽基指数和不同风格股票池中测试了因子绩效表现。

缺口: 缺乏对超额收益来源的详细风格和行业归因。

稳健性

子样本稳定性: 在各宽基指数及不同风格股票池中，聚类增强因子相较传统复合因子表现均有显著提升。

风格偏差: 通过Leiden聚类和增量筛选，有效缓解了直接合成大量因子导致的风格偏离问题。

因子在多宽基、多风格股票池中表现稳定提升，且通过聚类合成有效控制了风格偏移，鲁棒性较强。

数据依赖

所需数据: 三张报表指标(41+29+27条)、财务附注指标(61条)、业绩预告与快报指标(7条)，共165个基础指标；月度行情数据用于计算RankIC与多空收益。

可复现性: medium

基础数据依赖常规财务报表及附注数据，易于获取，但165个指标的具体明细需结合常见Wind/聚源等数据库字段，且因子聚类和增量筛选过程依赖一定代码框架，整体复现难度中等。

新颖性评估 [新组合]

创新点在于将“数据源扩充+算子体系化挖掘”与“聚类增量筛选”相结合，提出了一套完整的因子库扩容与增强的工程化流水线，而非单一新因子的发现。

不足与缺陷

基础指标及增量筛选的具体代码逻辑披露不足，复现细节(如分组加权法的具体公式)缺失
未提及交易成本和调仓频率对实际多头超额的影响
因子聚类算法中分组加权法的具体参数和距离度量未详细说明
10万因子挖掘存在过拟合风险，尽管设置了筛选条件，但样本外(报告期外)稳定性仍需进一步验证

可复用元素

14种算子的定义及组合规则(如区间匹配、相关性0.1-0.9的筛选)可直接用于因子挖掘工程
SUD算子、截面分位差算子等可用于改进现有传统因子构建
Leiden聚类与增量筛选结合的因子合成框架，有效解决大量因子合成时的风格偏离

启发

可通过引入非结构化数据(如研报文本)作为算子输入进行进一步扩容
将“聚类-增量筛选”思路应用于量价高频因子的合成中，降低高频因子冗余度
使用财务附注数据构建更细致的财务风险因子

改进方向

引入动态时序权重与非线性算子

基于: 现有算子主要基于线性或简单比值，未能刻画指标间的非线性关系，且合成时未考虑因子有效性的时变特征预期收益: 预期能挖掘出在特定宏观环境下表现更优的非线性Alpha因子，提升因子在不同市场状态下的适应性。

复现计划

1. 数据准备：获取A股财务报表、附注、预告及快报数据，并提取覆盖率>60%的约165个指标；2. 算子实现：按报告中描述实现14个算子，结合区间匹配与相关性0.1-0.9的规则生成10万因子库；3. 因子筛选：按月计算因子RankIC，筛选RankIC>2%, IR>1.5, 多头超额>0.3%, 多空>0.6%的4427个因子；4. 聚类与合成：使用Leiden算法基于因子关联度对因子聚为8类，进行类内增量筛选并合成大类因子，最后合成聚类增强因子；5. 回测验证：在全市场等权基准下计算RankIC及分组超额收益。