来源：量化先行者
报告要点
成长因子通过高增速股票相对低增速股票的风险溢价贡献超额收益
高增速股票高成长的可持续性具有一定的风险性，未来增速波动率较大，因此高增速股票相对于低增速股票会向市场要求更高的风险溢价，从而带来高增速因子的超额收益。然而实际运用中，常见的同比增速类因子并不能一直保持溢价效应。
负值效应与微利效应导致同比增速类因子刻画成长失真
负值效应与微利效应两大因子构造层面的问题，导致增速因子刻画的增速失真，影响到了同比增速因子的单调性与有效性。通过常用的行业中位数替代法也无法根本上解决这两个问题。
实证证明负值效应与微利效应占比越高，失真现象越严重，同比增速类因子表现越弱
从历史结果可以看到，当占比过高时，往往导致同比增速类因子表现不佳。据此可以判断，由于今年一季度受到疫情的影响，导致负值与微利效应会严重影响到2021年5月之后同比增速类因子的有效性，因此2021年5月之后同比增速类因子可能会发生失真从而不能带来预期超额收益。
构建分位点增速因子，回避同比增速类因子负值效应与微利效应
通过回测发现，分位点增速因子的单调性表现非常出色，相对于同比增速类因子，其单调性与多头超额表现均更为占优。从多空收益净值来看，分位点增速因子明显表现强于同比增速类因子，也强于经过行业中位数填充后的同比增速类因子表现。全样本中，单季度净利润分位点增速因子能够将多空收益从同比增速因子的12.35%提升至16.67%，将信息比从1.6699提升至2.3633，单季度营业收入分位点增速因子能够将多空收益从12.78%提升至14.38%，将信息比从1.9438提升至2.2941，单季度营业利润分位点增速因子能够将多空收益从12.03%提升至17.20%，将信息比从1.7221提升至2.5031。
负值效应与微利效应占比高企，同比增速类因子可能出现失真情形下，分位点增速因子表现出色，可为替代
实证发现，在负值微利效应占比较高的情况下，分位点增速因子的表现显著强于同比增速因子，负值效应与微利效应占比高企，同比增速类因子可能出现失真情形下，分位点增速因子可以作为良好的替代，在全市场与中证500中有良好表现。
基于分位点因子修正同比增速因子后，显著提高同比增速因子表现，各指数成分股多头增强效果尤为明显
修正后的同比增速因子呈现了比原始同比增速因子更加优异的表现，尤其在各类指数成分股内的多头表现中，收益和信息比得到了极为显著的提高，对于提高同比增速因子在多因子模型中的贡献提供了比传统方法更有效的解决方案。
同比增速因子
“成长因子”，与海外学术论文中常提及的价值成长不同，国内市场提及的成长因子往往指的是高增速因子，例如净利润增速、营业收入增速、营业利润增速等等。该因子获得超额收益的底层逻辑在于，高增速股票高成长的可持续性具有一定的风险性，未来增速波动率较大，因此高增速股票相对于低增速股票会向市场要求更高的风险溢价，从而带来高增速因子的超额收益。
以单季度净利润增速为例，可以看到长期来看，多空累计收益上行，呈现一定的成长溢价效应，自2019年以来多空收益净值持续上涨，成长因子表现突出。然而，2014年、2016年、2018年成长因子表现较弱，高“成长性”企业并没有呈现明显的优势。
这不得不让我们对当前增速因子强势的延续性感到担忧，不过本文不从风格的角度对成长因子的强势弱势进行分析，而先从成长因子的构造上探索其原因。
1
因子构建方法中的问题
成长因子常见的有单季度净利润同比、单季度营业收入同比、单季度营业利润同比，我们对这些因子分组收益进行了分析。可以看到，单季度净利润同比、单季度营业收入同比、单季度营业利润同比三个因子的分组收益单调性并不稳定，尤其多头一组收益往往不是最高组（营业收入、营业利润）。
诚然风格与市场环境可能会对因子的收益产生影响，但是因子本身的构建方法中存在的问题则应当是首先被考虑的对象。增速类因子往往采用的是较为直观的同比法。以单季度净利润同比为例，下式是常用的计算同比增速的方法，但是这样的计算方法会带来两个问题：
1、去年同期值为负，计算的增速失真，以下称为负值效应（值得一提的是，就算是单季度收入同比，也同样会发生这样的现象，比如收入冲回的影响）；
2、去年同期净利润数值异常低，从而高估同比增速，也就是常说的微利效应。
以下，我们来分析上述两个问题究竟是如何影响到增速类因子表现的。
2
负值效应与微利效应
首先，在每个月底我们对全市场所有股票上期单季度净利润进行统计，计算其占比情况。可以看到，全市场（剔除ST、次新）负值效应占比是不低的，自2011年以来平均达到了12.85%，2016年甚至达到了17.02%，同时微利（考虑净利润、营业利润低于50万，营业收入低于500万的公司）效应平均占比也达到0.88%。两者占据着样本股近14%数量，也就是说平均而言，同比增速类因子有接近14%的股票计算结构中存在问题。
再来看多头部分，由于上期单季度净利润为负的公司一旦当期扭亏，按照同比增速的算法，其增速必然大于100%，而历史上全市场中位数增速仅10%左右，这些股票则极大概率被选入多头。微利部分则更加明显，极低的分母使得计算得到的增速指标严重高估，选入多头概率也较高。从多头中负值效应与微利效应的统计可以看到，两者几乎占据了多头中超过30%的股票，因此，多头中受到负值效应与微利效应影响程度显著大于全市场。因此，前文计算的分组收益单调性不理想，尤其是头部几组单调性较差，因子构造层面存在的问题必然是其中重要的原因。
3
市场中的处理方法
另外一个影响宽基指数的中观层面因素就是行业，不过由于一级行业数量较多，为了更加直观的观察各个指数在行业上的分布差异，因此，我们依据行业的上下游产业链关系，将行业大致区分成了6个板块。
针对负值效应和微利效应，实务中其实已经有不少处理的方法，简单粗暴的剔除或者以行业中位数进行替代。但是这两种方法建立的前提是负值效应和微利效应对策略收益和单调性只是负面影响，然而事实是否真的是这样呢？
首先，以行业中位数进行替代法为例，我们计算将负值效应和微利效应的股票因子值以行业中位数替代之后的分组收益，但是我们可以看到，采用中位数替代后，分组的单调性仍然不理想。甚至在净利润因子中，经过中位数替代之后多头收益变成了次优组。
于是，我们对多头组中的负值效应与微利效应进行了分析。我们分别计算了多头组中，增速指标分母存在负值微利效应的股票组合的累计收益，和正常组合的累计收益，从下图中可以看到，全样本来看负值微利组的净值居然还会高于正常组合，因此类似简单剔除与中位数替代这样的方法的基础逻辑是存在问题的。然而可以明显看到负值微利组的净值波动显著大于正常组，在特殊的年份13、14年，17、18年表现均有所下滑，这也与上文中同比增速因子表现不佳的时间区间吻合。
我们推测其原因可能是，负值微利组中尤其是负值效应的股票是很有可能增速因子融合了扭亏类型的事件冲击的产物，而事件驱动类股票收益与市场环境相关度较高，因此长期呈现较高收益，但是波动也较大。
因此，我们认为负值微利效应造成的影响源自于增速类因子本身构造上的问题，不能简单地通过同比因子自身来改善这一现象，通过单纯的剔除与替代显然不能解决这一问题。
4
同比增速类因子的风险
从上文中，我们已经发现，同比增速类因子，由于其本身构造带来的负值效应与微利效应造成因子收益的不稳定性，在这里我们就对负值效应与微利效应可能对增速类因子的影响进行了分析。
从负值微利效应占比与净利润同比增速因子表现的对比图中可以看到，在2013-2017年期间，单季度净利润的负值与微利效应处于历史的高位，同期单季度净利润同比的表现不佳，而在2011-2013年与2017至今这两个时期，负值与微利效应处于历史的地位，同期单季度净利润同比表现较为强势。
对于营业收入同比增速而言，由于营业收入负值与微利效应占比比较低，中位数仅在0.2%左右，但是多头平均占比远高于全市场达到0.6%，而且对于营业收入发生负值效应往往源自收入冲回，当期再次发生概率较低，极大概率会造成营业收入同比的严重高估，从而严重干扰多头收益表现。从负值微利效应占比与其多空收益表现来看，的确在负值与微利效应占比较高时，单季度营业收入同比多空收益表现不佳。
营业利润同比增速与净利润同比增速表现较为类似，其负值与微利效应分布于净利润同比也较为接近，也呈现了与净利润同比增速类似的反馈。
5
主流指数成分股内表现
相比于全市场，主流指数成分股内表现可能更受机构投资者关注，我们统计了在沪深300、中证500、中证1000中负值与微利效应对于多空收益的影响。
可以看到，由于在沪深300内公司相对更为优质，因此负值与微利效应占比普遍低于全市场，尤其是单季度营业收入同比（几乎不存在负值微利效应），沪深300没有呈现出全市场相同的区分度。
而中证500中，也同样受到负值与微利效应占比普遍低于全市场的干扰，导致营业收入（几乎不存在负值微利效应）与营业利润没有呈现出全市场相同的区分度，而净利润负值与微利效应占比相对较高，因此呈现了与全市场类似的区分结果。
而在中证1000中负值微利效应的影响极为显著，单季度净利润、单季度营业收入、单季度营业利润，均在负值微利效应较高环境中收益显著降低，负值与微利效应严重影响了同比增速类因子在中证1000中的选股效果。
6
展望一下未来
综上，上文从因子构造方式上分析了负值与微利效应对同比增速类因子的影响，同时也观察了负值与微利效应占比的变化对这些因子表现的影响。由于构造同比增速类因子的时候分母使用的是去年同期数据，因此事实上在目前，我们可以对未来一年的负值与微利效应进行预估（股票数量存在一定的不可控，因此只以当前股票数量作为分母进行预估），从而来对同比增速类因子未来表现进行一定程度的预测。
我们根据当前已经公布的季报数据，可以对未来一年的负值与微利效应占比进行预估。从全市场看，营业收入同比增速因子未来一年风险较小，虽然2021年5-6月负值效应与微利效应占比会有所上升，但所幸上升幅度相对有限，仍处于历史中位数下方。
而净利润同比增速因子与营业利润同比增速因子则可能发生较大的风险，一季度由于疫情的影响，单季度出现负值与微利的公司数量激增，从而导致未来5、6月份运用2020年一季报数据构建净利润同比增速因子与营业利润同比增速因子时，会有接近30%的股票会出现增速失真现象，从而严重影响到增速类因子的有效性。而对于净利润同比增速因子而言，2020年8月之后负值微利效应占比已经开始略高于市场中位数水平，风险值得警惕和未雨绸缪！
在沪深300、中证500、中证1000我们以净利润同比增速因子为例，进行同样的分析预测。同样可以看到，跟全市场类似，沪深300与中证500内成分股也不能从这场疫情中幸免。未来2021年5、6月时，由于负值与微利效应，造成的净利润同比增速因子失真的占比将有可能来到10%与17%，均会达到各自的历史高点，严重影响到净利润同比增速因子的有效性，风险更值得警惕和未雨绸缪！而中证1000预计21年5月大幅超越中位数，达到历史高位近30%，呈现极大的风险性。
分位点增速因子
在上一部分中，我们对同比增速类因子存在的问题进行了分析，也衡量了市场上目前采用的对负值与微利效应处理的方法，发现同比增速类因子的问题并不能得到完全解决。同时，负值与微利效应占比过高时期，同比增速类因子会出现严重失真，导致同比增速类因子收益的稳定性会受到比较大的冲击。因此，本部分中，我们尝试使用另外一个思路来构建增速类因子。
1
分位点增速因子
因子的构建
在因子的使用过程中，一般我们都会对因子进行行业中性化，同比增速类因子也一样。因此，我们在最终使用中的同比增速因子本质上筛选得到的是同行业中净利润、营业收入、营业利润等增长较快的公司，这就提示我们，是否可以构建一个衡量行业内净利润、营业收入、营业利润变化的指标，用来代替同比增速类因子。
因此，我们尝试采用行业内分位点作为衡量净利润等指标行业内的相对水平，采用当季度与去年同期分位点的差值，作为净利润等指标的相对变化，用来衡量公司在净利润、营业收入、营业利润等方面的增长情况。
净利润分位点增速=当季度净利润行业分位点-去年同期净利润行业分位点
相关性分析
分位点增速因子构建的目的是能够改进或者替代同比增速类因子，构造的方法决定了两者间的相关性必然很高。如下图所示，单季度净利润的分位点增速因子与同比增速因子相关性一直维持在75%左右，单季度营业收入的分位点增速因子与同比增速因子相关性一直维持在80%左右，单季度营业利润的分位点增速因子与同比增速因子相关性一直维持在75%左右。这说明我们构建的分位点增速因子是与同比增速因子类似能够刻画公司成长性的因子。
因子表现
我们对因子的单调性表现进行统计，可以看到，在净利润、营业收入、营业利润三个方面构建的分位点增速因子的单调性表现非常出色，相对于同比增速类因子，其单调性与多头超额表现均更为占优。
从多空收益净值来看，分位点增速因子明显表现强于同比增速类因子，也强于经过行业中位数填充后的同比增速类因子表现。从收益的分年统计可以看到，采用分位点增速因子计算方法的因子，几乎每年都能够表现得比同比增速类因子更强，而且信息比与回撤控制更好。
全样本中，单季度净利润分位点增速因子能够将多空收益从同比增速因子的12.35%提升至16.67%，将信息比从1.6699提升至2.3633，单季度营业收入分位点增速因子能够将多空收益从12.78%提升至14.38%，将信息比从1.9438提升至2.2941，单季度营业利润分位点增速因子能够将多空收益从12.03%提升至17.20%，将信息比从1.7221提升至2.5031。
不过同时可以看到，而在负值微利效应偏少的因子中，分位点增速因子的优势就没有这么明显了，例如在本身负值微利效应就偏少的营业收入因子上。我们猜想，这与分位点增速因子的敏感度有关，分位点增速因子需要公司净利润、营业收入、营业利润在行业内的排序出现较大幅度的变化后才能够在因子内呈现区分度，而同比因子不依赖于行业内公司变化，对公司自身边际变化敏感度更高，因此在负值微利效应占比较小的情形下，同比类因子某些阶段表现可能会更加理想。
2
可替代性
提出分位点增速因子的目的，是为了能够解决同比增速因子构造中负值与微利效应的破坏性影响，因此，我们统计了在同样面对负值与微利效应占比过高的情境下，分位点增速因子与同比增速因子多空收益表现。
可以看到很明显的现象，在负值微利效应占比较高的情况下，分位点增速因子的表现显著强于同比增速因子，因此在这样的环境中，分位点增速因子对于同比增速类因子有极佳的替代性。
而在负值微利效应偏低的环境中，分位点增速因子的优势就没有这么明显了，例如在本身负值微利效应就偏少的营业收入因子上，但仍然相比于原始同比增速因子收益更高。
3
指数成分股内表现
为探索分位点增速因子在指数成分中对同比增速的可替代性，我们同样计算了分位点增速与同比增速在沪深300、中证500、中证1000中的表现。可以发现，在负值与微利效应较小的沪深300中，分位点增速因子的可替代性并不强。而在中证500余中证1000中，分位点增速因子则呈现了显著的替代性效果，在负值微利效应占比较高的市场环境中，中证500、中证1000中增速可由分位点增速代替传统的同比增速因子。
分位点修正下的同比增速因子
1
修正方法
正如上文所述，同比增速类因子由于其构建方法的原因会带来负值效应与微利效应，从而在这两者占比较高环境中，因子收益出现波动，而常见的剔除与中位数替代等方法不能从根本上解决这一问题。我们构建了分位点增速因子来作为同比增速类因子的替代因子，取得了很好的效果，尤其在负值微利效应较高的环境中，分位点增速因子表现更为出色。
因此，我们在本部分中，尝试通过分位点增速因子来对同比增速因子的负值微利效应进行修正，从而改善同比增速类因子的有效性。
1、对分位点增速因子与不包含负值微利效应的同比增速因子分别进行标准化与中性化；
2、对于存在负值微利效应的个股提取其在分位点增速因子中的分位点；
3、以提取的分位点，还原成为标准正态分布的值，取代同比增速因子中包含负值微利效应股票的因子值；
4、对同比增速因子再次进行标准化与中性化。
本质上我们的修正方法，是将负值微利效应个股在分位点增速因子中的位置映射至同比增速类因子，以修正同比增速类因子中的负值微利效应。
2
修正后同比增速因子
可以看到，经过分位点修正后的同比增速因子分组单调性大大改善，相比于原始因子单调性与多头分组收益都有明显改善，相比于中位数修正法，多头组的收益改善明显。
从多空收益的明细中，可以看到，经过分位点修正后的同比增速因子几乎每年都能够相对同比增速因子有显著的提升。尤其对应负值微利效应较高的14、17年，净利润增速与营业利润增速改善效果愈加明显。
3
主流指数成分内效果
接下来，我们测试在主流指数成分股内分位点修正后同比增速类因子的表现情况，仍然以沪深300、中证500、中证1000为例。我们对比了原始同比增速因子、分位点增速因子以及修正后的同比增速因子多空、多头以及IC、ICIR情况。
可以看到，在多空部分，修正后的同比增速因子表现主要在中证1000中较为明显，而在沪深300与中证500中提升相对有限。
但是在贴近实际投资的多头部分，所有的因子在修正后的同比增速因子中均能够表现得比原始同比增速因子好，因此分位点修正法对于改善同比增速因子，解决负值微利效应带来的负面影响，起到了极其显著的作用。
总结
“成长因子”，与海外学术论文中常提及的价值成长不同，国内市场提及的成长因子往往指的是高增速因子，例如净利润增速、营业收入增速、营业利润增速等等。该因子获得超额收益的底层逻辑在于，高增速股票高成长的可持续性具有一定的风险性，未来增速波动率较大，因此高增速股票相对于低增速股票会向市场要求更高的风险溢价，从而带来高增速因子的超额收益。
然而传统的同比增速算法的成长因子，却存在着负值效应与微利效应两大因子构造层面的问题，从而导致增速因子刻画的增速失真，影响到了同比增速因子的单调性与有效性。通过常用的行业中位数替代法也无法根本上解决这两个问题。
同时负值效应与微利效应占样本股比例也会动态得影响因子的有效性，从历史结果可以看到，当占比过高时，往往导致同比增速类因子表现不佳。据此可以判断，由于今年一季度受到疫情的影响，导致负值与微利效应会严重影响到2021年5月之后同比增速类因子的有效性，因此2021年5月之后同比增速类因子可能会发生失真从而不能带来预期超额收益的问题。
由于同比增速类因子构造中存在问题，我们尝试寻找替代方案。本报告尝试采用行业内分位点作为衡量净利润等指标的相对水平，采用当季度与去年同期分位点的差值，作为净利润等指标的相对变化，用来衡量公司在净利润、营业收入、营业利润等方面的增长情况。
通过回测发现，分位点增速因子的单调性表现非常出色，相对于同比增速类因子，其单调性与多头超额表现均更为占优。从多空收益净值来看，分位点增速因子明显表现强于同比增速类因子，也强于经过行业中位数填充后的同比增速类因子表现。从收益的分年统计可以看到，采用分位点增速因子计算方法的因子，几乎每年都能够表现得比同比增速类因子更强，而且信息比与回撤控制更好。
同时我们发现，在负值微利效应占比较高的情况下，分位点增速因子的表现显著强于同比增速因子，在负值微利效应占比较高的情况中我们可以寻求分位点增速因子作为替代方案来回避同比增速因子可能发生的风险。
此外，基于分位点增速因子的良好表现，我们还尝试将分位点增速因子用于修正原始同比增速因子。修正后的同比增速因子呈现了比原始同比增速因子更加优异的表现，尤其在各类指数成分股内的多头表现中，收益和信息比得到了极为显著的提高，对于提高同比增速因子在多因子模型中的贡献提供了比传统方法更有效的解决方案。
风险提示
经济环境变化导致统计结论变动；历史回测不代表未来预期
多因子选股系列报告
