本文主要是介绍Barra模型因子的构建及应用系列七之Liquidity因子，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、摘要
在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子和Book-to-Price因子，并分别创建了对应的单因子策略，其中Size因子和NonLinear Siz因子具有很强的收益能力。本节文章是该系列的第七篇，将在该系列下进一步构建Liquidity因子。
二、模型理论
Barra模型的Liquidity因子的计算方法如下：
Liquidity因子是一个复合因子，由三个子因子构成，分别是：月度换手率、季度换手率和年度换手率，三者的权重为0.35、0.35、0.3。换手率的计算方式是成交量和流通股本的比值，进行T天的加总后求对数。月度的交易天数为21天，季度的交易天数为63天，年度的交易天数为252天。
三、因子分析
使用alphalens进行对Liquidity因子进行分析（2022年-2023年3月5日）。
由上述收益分析来看，各个调仓周期下的alpha收益均为负数，5天的调仓周期下的beta收益为正且最大；Liquidity因子值的最大分组和最小分组均贡献负收益，且最大分组的负收益远大于最小分组。
进一步从信息系数来看，IC均值和IC标准差在各个调仓频率之下相差不大，但是平均IC仅为-0.03，小于0.05，选股能力堪忧。
从分组收益图来看，Liquidity因子呈现两端负收益，中间正收益的形态，这表明过高和过低的换手率都会导致平均收益的下滑。
从因子分析来看，该因子的收益能力较差，构建单因子策略的话，其回测收益理应也是较差的。但为了我们后期对Barra模型的10个因子做进一步的综合分析，在此还是进一步撰写代码，方便后期使用。
四、回测分析
回测时间：2022-01-01至2023-03-05（月底换股）
回测品种：全A股（剔除ST股、停牌股和一年以内的次新股）
初始资金：100万
手续费：0.0007（双边万二佣金+单边千一印花税，共千1.4，即双边万7）
滑点：0.00123（双边千1.23）
最大持仓数量：30只
策略净值曲线波动较小，对比沪深300指数，在下跌阶段（2022年7月-10月）抗跌能力强，而在随后的反弹阶段，亦具备较强的进攻能力。整体表现相对较好。
从历史回测数据来看，Liquidity因子的收益能够跑赢大盘指数，但未能创造正收益：年化收益率为-1.81%，最大回撤率为-18.71%，夏普比率-0.11，胜率也仅43.64%。
以上，本期的策略源码已分享至掘金量化社区，大家可以通过下方链接自行获取。
传送门：掘金量化社区-Barra模型因子的构建及应用系列七
本期参考文献：
1.The Barra China Equity Model (CNE5) - MSCI - MSCI
链接：https://www.docin.com/p-1377763566.html
2.石川 正确理解 Barra 的纯因子模型
链接：https://zhuanlan.zhihu.com/p/38280638
3.方正证券 Barra模型初探，A股市场风格解析
4.中银证券 有关Barra中国权益CNE5模型的思考
5.量化投资小笔记 Barra系列
链接：https://zhuanlan.zhihu.com/p/68110181
6.理解非线性市值因子NLSIZE/MIDCAP
链接：https://zhuanlan.zhihu.com/p/150310851?from_voters_page=true
这篇关于Barra模型因子的构建及应用系列七之Liquidity因子的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
