【国信金工】基于风险预算的中证500指数增强策略

国信张欣慰、杨怡玲 2026-05-23 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

报告首先构建了传统的多因子中证500指数增强组合，发现近年来其信息比和超额收益呈现下降趋势。随后引入基于研报标题和分析师全线上调的主动量化超预期精选组合，该组合超额收益高但波动较大。最后使用风险预算方法，以各策略滚动信息比平方作为权重分配风险预算，将两类策略复合，实现优势互补。

经济逻辑

基本面多因子模型选股能力衰减源于因子同质化，而超预期事件代表了市场未被完全定价的突发基本面冲击。两者收益来源不同导致相关性低，通过风险预算配置可以在不降低（甚至提升）信息比的前提下，突破传统多因子模型的收益上限。

超额收益逻辑

多因子部分来源于传统基本面因子的风险溢价及横截面定价偏差；超预期部分来源于盈余公告后的动量效应（PEAD）及超预期事件引发的市场关注度提升带来的资金流入。两者相关性低，复合后在不显著增加风险的情况下获取了高收益资产的敞口。

构造细节 [strategy]

数据输入

: (月频/财务低频): (日频/事件驱动): (季频/日频)

组合方式

风险预算模型：使用各子策略滚动信息比(IR)的平方来分配风险预算，以最大化复合组合的信息比。

绩效

26.36%

多因子组合年化超额收益

3.62%

多因子组合最大相对回撤

4.31

多因子组合信息比

40.31%

超预期组合年化超额收益

9.48%

超预期组合最大相对回撤

2.92

超预期组合信息比

29.97%

复合组合年化超额收益

4.42%

复合组合最大相对回撤

4.5

复合组合信息比

基准: 中证500指数

回测期: 2010年1月-2021年9月

多因子增强模型面临超额收益边际衰减，超预期精选组合收益空间大但波动较高。通过风险预算结合两类策略，复合组合在略微放大波动的情况下显著提高了超额收益和信息比，实现年化超额29.97%，信息比4.5。

收益归因

报告仅将组合超额收益来源拆分为多因子模型和主动量化超预期组合，未进行因子归因或Brinson收益分解。

缺口: 缺乏对具体因子贡献度、行业暴露及风格暴露的详细量化归因分析。

稳健性

子样本稳定性: 多因子近年来稳定性下降，超预期组合历史表现稳健（除2014年超额较少外，其他年份超额>22%），复合后整体每年超额>16%。

风格偏差: 多因子部分严格控制行业和市值暴露为0；超预期组合由于选股池特性，存在明显的成长和动量风格暴露。

整体策略通过约束多因子风格暴露，以及利用超预期事件的高胜率，保证了策略在不同市场环境下的稳健性。复合策略最大相对回撤仅为4.42%。

数据依赖

所需数据: 基本面财务数据、量价数据、分析师预期数据、分析师研报标题文本数据。

可复现性: hard

研报标题文本的'超预期'判定需要复杂的自然语言处理或特定文本库支持，对普通研究者复现难度较大；多因子及风险预算部分复现较为容易。

新颖性评估 [新组合]

核心创新在于将资产配置领域的风险预算思想（按IR平方分配）下沉应用于底层Alpha策略（多因子+主动量化）的融合，有效解决了单一多因子模型超额衰减的问题。

不足与缺陷

超预期组合的具体5个技术面因子未在报告中明确披露，影响完全复现。
超预期精选组合持股集中（仅30只）且等权，在资金容量上存在瓶颈，大资金申购赎回冲击成本高。
使用滚动信息比平方分配风险预算时，未详细披露滚动窗口长度及是否设置单一策略权重上下限，可能存在极端市场下权重漂移过大的风险。

可复用元素

对称正交的去共线性方法，相比施密特正交不依赖因子顺序，且最大程度保留了原始因子信息。
基于滚动信息比平方进行风险预算分配的数理逻辑，可用于任意低相关Alpha策略的复合。
多因子组合优化中考虑了A股停牌涨跌停的实际情况，采用保持权重不变的实用处理。

启发

可以通过策略复合（而非单纯增加因子）来突破多因子模型超额收益的瓶颈。
不同收益来源（基本面低频 vs 事件驱动高频）的结合可以有效提升信息比。
文本信息（研报标题）作为事件源具有很高的挖掘价值。

改进方向

使用带换手率约束及流动性惩罚的优化器替代等权构建超预期组合

基于: 超预期精选组合中采用等权构建30只股票，未考虑个股市值与流动性差异预期收益: 降低交易冲击成本，提升大资金容量，并可能进一步降低组合的特异性波动。

引入基于市场状态的动态风险预算机制

基于: 当前使用滚动信息比平方分配风险预算，属于被动跟随历史表现预期收益: 结合市场波动率或情绪指标状态，在多因子与超预期策略间动态调整风险权重，例如在市场趋势明确时加大超预期策略预算，可能进一步增厚收益。

复现计划

1. 数据准备：获取中证500成分股、财务因子、分析师预期数据、研报标题数据。2. 多因子复现：实现因子预处理、对称正交、滚动12个月ICIR加权，使用cvxpy进行线性规划求解月频增强组合。3. 超预期复现：基于研报文本匹配'超预期'关键词，结合分析师全线上调事件筛选股票池，利用SUE等基本面因子打分选60只，再使用常用量价因子选30只等权构建季频组合。4. 复合复现：计算两组合滚动12期信息比，按IR平方反比分配目标波动风险，求得资金权重并合成净值。