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、Book-to-Price因子、Liquidity因子、Earning_Yeild因子和Growth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最后一个因子，Leverage因子，又称杠杆因子。
二、模型理论
Barra模型的Leverage因子的计算方法如下：
Leverage因子由三个子因子符合而成，包括市场杠杆因子MLEV、资产负债比因子DYOA和账面杠杆因子BLEV，三个因子的权重分别是0.38，0.35和0.27。杠杆因子主要衡量了公司的负债与权益的配比情况。
三、因子分析
使用alphalens进行对Leverage因子进行分析（2022年-2023年4月14日）。
基于收益分析来看，三个分组的年化alpha收益在3%~4%，beta收益为负，且调仓频率越大，beta收益越小；Leverage因子值最大分组和最小分组均贡献正收益。
从信息系数来看，各分组的IC均值的绝对值小于0.01，远小于0.05，说明因子选股能力较弱。
从分组收益来看，各分组间未形成稳定的单调性，且组间变化无规律。
四、回测分析
回测时间：2022-01-01至2023-04-30（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
策略在回测期间实现了8.25%的年化收益率，勉强实现正收益。期间沪深300指数收益为-18.07%，最大回撤20.46%，发生于2022年3月份后。
虽然该策略能够大幅跑赢指数且获取较好正收益，但在因子分析中，该因子并未能表现出稳定的单调性，IC均值亦较低，该策略的收益或有较大随机性。
- End -
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-MYQUANT