其它因子概览 [page::0][page::2]

• 本报告涉及两个其它因子：编号80的日BETA因子和编号81的日ALPHA因子。

- 80号BETA因子年初至今多头组合收益2.94%，本月收益1.06%；空头组合相反收益为-3.06%和-0.94%。

• 81号ALPHA因子年初至今多头组合收益-1.72%，空头组合收益0.38%，本月收益基本持平。

- 不同因子在不同行业的表现存在显著差异，反映行业多空溢价的不同。

因子80分组净值及多空净值趋势 [page::3][page::4]

• 因子80的不同组合净值从2018年至2019年表现出波动，分组间净值差异反映了因子的选股能力。

- 多空净值曲线显示因子80具有一定的阿尔法收益能力，具备显著的选股分层效果。

因子80行业多空净值差异分析 [page::3][page::4]

• 不同行业中，部分行业如轻工制造和电子元器件表现优异，体现因子80在这些行业上的多头收益明显。

- 部分行业如煤炭和钢铁表现较弱，显示因子在选股上存在行业集中风险。

因子81分组净值及行业多空净值分析 [page::4][page::5]

• 因子81分组净值整体波动较为平缓，体现出较弱的阿尔法能力，年内表现持平。

- 行业多空净值差异较大，部分行业如建筑和银行表现较好，而食品饮料、通信行业表现较差。

因子收益统计比较表 [page::2]

| 编号 | 年初至今收益（小因子-大因子%） | 本月收益（小因子-大因子%） | 年初至今收益（大因子-小因子%） | 本月收益（大因子-小因子%） |
|----|--------------------|-------------|--------------------|---------|
| 80 | -3.06 | -0.94 | 2.94 | 1.06 |
| 81 | 0.38 | 0.00 | -1.72 | 0.00 |

• 市场整体因子80表现出正向收益，符合投资组合法中的风险调整收益预期。

- 因子81则表现相对弱势，说明其在当前市场环境下阿尔法能力较弱。

银河证券研究院《其它因子收益点评》报告详尽分析

---

一、元数据与报告概览

报告标题：《13 其它因子收益点评》
作者与机构： 吴俊鹏，中国银河证券研究院
发布日期： 未明确指出具体发布日期，但报告涵盖了2018年至2019年数据，推断为2019年底或之后不久发布
报告主题： 探讨“其它因子”中日BETA和日ALPHA因子的市场收益表现及行业差异
核心内容与目标：

• 评估两个其它因子（日BETA因子和日ALPHA因子）的最新市场表现，包括年初至今和最近一个月的收益

- 解析因子收益的行业差异

• 积累数据支撑因子投资的实证效果和应用场景

- 报告未给出明确的股票/行业评级及目标价，侧重因子研究与市场表现分析，其核心信息是揭示BETA和ALPHA因子的收益率特点和行业表现差异[page::0][page::2]

---

二、逐节深度解读

1. 因子释义与理论基础（第2页开篇内容）

报告开篇强调因子在资产定价、风险管理及业绩归因中的广泛应用，同时介绍因子模型在股票收益预测中的作用，特别区分“风险模型”和“阿尔法模型”。作者引用Fabozzi的四种因子收益评价方法（投资组合法、因素法、多变量回归及信息系数法），以及Fama和French提出的暴露系数排序法，彰显此研究的理论根基和方法论严谨。报告还整理了98个因子，属于16大类，采用按行业分层的投资组合测试，有较大数据覆盖和分析深度[page::2]。

逻辑说明：

• 因子收益来源于组合风险暴露差异，为投资者提供超额收益的潜在渠道。

- 报告强调日BETA及日ALPHA作为“其它因子”的代表，验证其在量化投资模型中的收益表现，暗示因子投资不仅限于传统风格因子，也涵盖风险和阿尔法因子。

2. 其它因子收益表现分析（第0页、第2~3页）

报告选取编号80（日BETA）和81（日ALPHA）两个因子，给出其年初至今及本月收益。具体如下：

• 日BETA因子（80号）：

- 年初至今多空收益为2.94%，本月收益1.06%。
- 小因子（即小市值或低暴露组）表现负收益-3.06%，本月-0.94%。

• 日ALPHA因子（81号）：

- 多空收益年内微弱正收益0.38%，本月无收益0%。
- 小因子收益为正0.38%，本月无变化。

报告指出无论是BETA还是ALPHA，行业之间收益差异十分明显。此处通过分行业多空净值可见不同行业对因子暴露的响应不一，进一步暗示因子的行业适用性和组合构建需要差异化处理[page::0][page::2]。

3. 数据图表与行业表现（第3、4、5页附图）

图1与附图1（因子80分组净值和多空净值）

• 图展示2018年至2019年底，分为5组（组1至组5），对应的是按因子暴露量排序的组合，净值走势反映净值积累情况。

- 5组净值均表现出2018年中后期向下震荡，2019年初回升，整体呈现波动后趋于平稳的趋势。

• 多空净值显示组5与组1的净值之差波动较大，但均稳定在1.0附近，反映因子策略的收益波动风险[page::3][page::4]。

图2与附图3（因子80行业多空净值）

• 图2拆分到多行业层面，包括石油石化、煤炭、有色金属、银行、通信等共11个行业。

- 不同行业表现相差显著，例如“轻工制造”、“餐饮旅游”行业因子表现持续向上，净值大幅超过基线1.0，而“煤炭”、“钢铁”、“房地产”等行业则低于1.0且趋势较弱。

• 这表明投资者若完全依赖单一因子做多空操作，必须针对不同行业进行区别化资产配置，以规避行业性因子收益的波动风险[page::3][page::4]。

附图2与附图4（因子81日ALPHA因子）

• 分组净值表现出整体回落趋势，且多空净值波动幅度较小，投资收益较有限。

- 行业内表现也体现差异性，技术密集型行业如传媒、计算机行业净值相对较好，而建筑、房地产行业净值趋势相对疲弱。

• 反映出ALPHA因子在某些行业的选股能力更为显著，而整体因子收益较低[page::4][page::5]。

4. 风险提示（第3页）

报告明示本结论基于历史价格及统计规律，提示市场受即时性政策影响可能导致统计规律失效，进而导致预测失准，建议阅读者审慎采纳报告结论。此风险提示体现因子投资的固有局限性和模型预测的风险警示，强调实务中需结合市场环境和政策因素调整投资策略[page::3]。

---

三、图表深度解析

表1 其它因子表

| 编号 | 因子名称 | 备注 |
|-------|-----------|-------|
| 80 | 日BETA | 其它 |
| 81 | 日ALPHA | 其它 |

该表简洁明了地确认了两个研究因子，作为后续收益统计分析的基础，说明所谈因子均属于“其它”类别，非传统的市值、价值、动量等常规因子[page::2]。

表2 因子收益统计

| 编号 | 小因子-大因子（年初至今收益%） | 小因子-大因子（本月收益%） | 大因子-小因子（年初至今收益%） | 大因子-小因子（本月收益%） |
|-----|-------------------------------|--------------------------|-------------------------------|--------------------------|
| 80 | -3.06 | -0.94 | 2.94 | 1.06 |
| 81 | 0.38 | 0.00 | -1.72 | 0.00 |

• “小因子-大因子”和“大因子-小因子”收益数据相互反映因子分组的收益对比。

- 80号（日BETA因子）显示大因子显著优于小因子，说明高BETA股票组合收益优于低BETA组合。

• 81号（日ALPHA因子）表现相对疲弱，且大因子和小因子的收益趋势存在不同，特别是大因子对小因子年初至今收益为负（-1.72%），表明ALPHA因子对高暴露组合的超额收益有限。

这表支持报告核心结论，即BETA因子收益强劲且较为稳定，而ALPHA因子收益较弱且无明显月度累积[page::2]。

图1/附图1（因子80分组净值和多空净值）

• 净值曲线显示5个分组从2018年开始的走势，红色至蓝色分别代表不同分组，灰色阴影代表股票数量。

- 可以观察到2018年下半年至年底全线下跌，随后2019年初有所回升。多空净值（虚线）则体现组1-组5净值差，幅度稳定，此处反映因子策略绩效。

• 图形显示因子80具备一定收益稳定性和分层差异，是投资者可利用的量化工具。

图2/附图3（因子80行业多空净值）

• 分行业多空净值趋势极其丰富，比如石油石化、机械、农林牧渔、银行、房地产等行业各自表现不同。

- 部分行业诸如“轻工制造”、“有色金属”等呈现持续上升趋势，显示该因子在这些行业具有较好的预测收益能力。

• 相反，“煤炭”、“钢铁”等传统周期行业走势疲弱，提示投资者因子策略需结合行业景气度优化配置。

附图2与附图4（因子81分组及行业多空净值）

• 图形显示因子81总体涨幅有限，多空净值幅度小，行业表现也存在波动。

- 部分行业如传媒、计算机、家电表现较好，说明ALPHA因子可能更适合创新型、技术驱动行业的股票选股。

• 但整体波动和收益均不及BETA因子显著。

---

四、估值分析

报告未包含传统股票估值方法或目标价格，主要聚焦于因子测试与量化策略的实证收益，因此无现金流折现（DCF）、市盈率（P/E）或其它估值模型的应用。此报告属于因子研究领域，估值讨论不在其主要范畴内[page::0-5]。

---

五、风险因素评估

报告风险提示核心在于：

• 市场价格的历史统计规律并非绝对，当前及未来市场受多种即时政策和事件驱动，可能导致统计模型失效。

- 因子策略及模型预测依赖历史数据趋势，面临市场结构变动、政策干预、极端事件等风险。

• 投资者需谨慎应用报告结论，不能盲目倚赖因子策略而忽视市场实时变化。

该风险评估体现了作者对因子收益模型的客观认识和严谨态度，规避因子投资理论的盲目乐观。风险提示缺乏具体的缓解策略，但已明确告知实践风险[page::3]。

---

六、批判性视角与细节辨析

• 报告虽详尽展示了两个“其它因子”的收益表现，但因子数量有限（仅80、81两个）限制了结论的普适性。

- 因子收益分析以年内和月度累积收益为主，缺乏更长周期、多种市场环境下的稳健性测试，无法判断其长期有效性。

• 行业分组表现差异明显，提示隐含着对行业权重、行业景气度及市场周期敏感的潜在风险，建议后续研究中更深入解析行业内部结构。

- 报告未提及因子构建方法的详细统计模型、数据处理及回测综合指标（如信息比率、夏普率等），略显浅显。

• 报告中的图表虽然展示了分组净值动态，但未给出对应风险调整后的收益指标，投资者需自行补充分析。

- 风险提示较为标准，但未针对具体因子风险（如噪声影响、极端行情时的因子失效等）展开，提升空间明显。

整体来看，报告目标明确，数据丰富，但缺少深层次因子构建机制披露和跨周期验证的上下文，作为量化因子研究报告，应进一步完善。

---

七、结论性综合总结

本报告由银河证券研究院吴俊鹏主笔，聚焦于“其它因子”中的日BETA（编号80）与日ALPHA（编号81）因子，初步评估其在2018至2019年度的市场表现及行业影响。
结论如下：

• 日BETA因子表现强劲，年初至今多空组合收益率达到2.94%，且本月收益仍达1.06%，显示其作为风险暴露因子在当前市场环境中依然具备稳定收益能力。

- 日ALPHA因子收益较弱，年度累计仅微弱正收益0.38%，且本月无收益，表明其选股阿尔法能力有限，整体贡献尚不稳定。

• 行业分化显著，两个因子覆盖的不同板块表现存在大幅差异，如轻工制造、传媒、科技类行业在BETA和ALPHA因子下表现较好，而周期性传统行业如煤炭、钢铁表现弱势，这要求量化策略结合行业权重与景气周期进行优化。

- 图表展现了因子分层净值与多空净值的波动轨迹, 展现了因子策略的动态收益和风险表现，数据支持因子投资的实际应用价值。

• 风险提示明确表达了历史统计规律在现实市场执行中存在的局限性, 投资者应结合政策变化和市场实时信息谨慎决策。

报告整体立场客观，未覆盖传统估值内容，侧重因子收益的实证统计分析，体现了量化投资领域的发展与探索。
建议投资者结合报告数据，理性应用因子投资策略，同时补充风险管理和长期验证，避免因子模型孤立应用导致的潜在投资误区。

---

八、重点图表简述（附Markdown格式）

• 表1：其它因子表

| 编号 | 因子名称 | 备注 |
|-------|-----------|-------|
| 80 | 日BETA | 其它 |
| 81 | 日ALPHA | 其它 |

• 表2：因子收益统计

| 编号 | 小因子-大因子（%）年初至今 | 小因子-大因子本月（%） | 大因子-小因子（%）年初至今 | 大因子-小因子本月（%） |
|-----|-----------------------------|-------------------------|-----------------------------|-------------------------|
| 80 | -3.06 | -0.94 | 2.94 | 1.06 |
| 81 | 0.38 | 0.00 | -1.72 | 0.00 |

• 图1 / 附图1（因子80分组净值和多空净值）

• 图2 / 附图3（因子80行业多空净值）

• 附图2（因子81分组净值和多空净值）

• 附图4（因子81行业多空净值）

以上图表直观展示因子投资净值变化和行业收益差异，是支撑全文数据分析的关键证据[page::2][page::3][page::4][page::5]。

---

综上所述，这是一份结构清晰、数据详实的因子研究报告，为理解日BETA及日ALPHA因子的投资表现提供了重要参考，适合投资者及量化研究人员用以因子投资策略构建与风险管理。

报告