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。

扫描二维码关注公众号，回复： 15101766 查看本文章

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