基本面趋势隐含收益
factor.formula
计算第t月末，股票i的第k个基本面因子在时间尺度为L个季度的移动平均值:
在每个月末，利用所有股票在过去L个季度内的基本面因子移动平均值，对下一期（t+1）的股票收益率进行截面回归分析：
在每个月末，基于回归系数的期望值以及当期的基本面移动平均值，计算基本面趋势隐含收益因子：
其中：
- :
为股票i在第t月滞后j个季度时的第k个基本面因子值。 例如，如果j=0，则表示当前t月的因子值，如果j=1，则表示t-1季度的因子值。
- :
为股票i在第t月，基于过去L个季度的第k个基本面因子的移动平均值，L的取值为1，2，4和8，分别代表过去1，2，4和8个季度。
- :
为股票i在第t+1月的收益率, 用来衡量股票的未来表现。
- :
为选取的不同基本面因子的总个数。本因子研究中，K=7，选取的因子包括：净资产收益率(ROE)、总资产收益率(ROA)、每股盈利(EPS)、基于应计项目的经营性利润比净资产(Accrual-based Profit to Equity, APE)、基于现金流的经营性利润比总资产(Cashflow-based Profit to Total Asset, CPA)、毛利润比总资产(Gross Profit to Total Asset, GPA)、以及净派息率(Net Payout Ratio)。这些因子分别从盈利能力、经营效率和股东回报等多个角度刻画了上市公司的基本面状况。
- :
为截面回归模型在第t月的截距项，代表基准收益水平。
- :
为截面回归模型中，第t月，基本面因子k在时间尺度L上的移动平均值所对应的回归系数，表示该因子移动平均值每变化一个单位，对下一期股票收益率的预期影响程度。
- :
为截面回归模型中，在第t月对下一期(t+1)回归系数的期望值。在实际应用中，该值可以用当期(t)的回归系数来近似替代。
- :
为截面回归模型的误差项，表示模型无法解释的收益率部分。
factor.explanation
该基本面趋势隐含收益因子（FIR）综合考虑了多个基本面指标及其在不同时间尺度下的趋势变化。通过截面回归方法，提取基本面因子移动平均值对未来股票收益率的预测能力，并基于回归系数的期望值和当期的因子移动平均值，构建最终的因子值。该因子的构建理念在于捕捉公司基本面趋势性变化所蕴含的投资机会，其因子值越高，表明公司基本面趋势越好，未来收益潜力越大。