2019国盛证券量化专题：使用预测数据改进财报月基本面因子

报告摘要

基本面因子在财报月常因换仓滞后导致业绩不佳，传统增加换仓频率虽有效但会推高成本。本文提出利用预测数据在不提高换手率的前提下改进因子表现。实证表明，结合分析师预测与模型预测，年化收益从13.79%提升至16.25%，信息比率由2.481提高至2.764，临界成本约双边千五。适用于量化研究员、金融工程师、基金经理等，为因子投资提供全新优化思路。

📋 核心要点(部分)

1. 前言
2. ALPHA因子在财报月的滞后问题
3. 换仓日滞后时间较长
4. 固定周期月频换仓的基本面因子在财报发布月表现不佳
5. 换仓滞后问题拖累基本面单因子表现
6. 使用简单提高换仓频率解决该问题需满足条件
7. 使用预测数据改进基本面因子（线性模型与非线性模型）
8. 分析师预测与模型预测结合效果