本篇报告的研究目的是构建个股周度下跌高风险组合，预测在全市场、中证500、沪深300和上证50中下跌风险最高的前5%个股。通过回测，我们汇总了引起A股下跌的63个危险信号，共分为六大模块：盈利模式存疑、成长过于激进、财报注水、管理薄弱、技术面看空和特殊风险事件，所有指标均为0-1哑变量。危险信号设计上，我们遵循反映个股中期（3个月以上）风险优先的原则。从2017年以来全市场组合收益来看，技术面看空模块排雷效果表现最佳，其他依次为财报注水、成长过于激进、特殊风险事件、治理薄弱以及盈利模式存疑。分域测试中，各个模块各有千秋，沪深300成分股受到财报注水、成长过于激进影响较大，中证500成分股更易受风险事件、管理薄弱因素影响。等权合成指标主要呈现出小市值、高估值、低分红、高换手、高BETA的风格特征。2014年以来，指标原始IC为-4.34%，T统计量-11.37，剔除行业与十大风格后，IC为-2.63%，T统计量-11.76。指标值在2017年以来表现有进一步改善，IC进一步提升至-5.51%。简单等权并非预测个股未来风险的最优方式，基于回归法的加权方式更加合理。市场在不同时期对风险源的侧重不尽相同。2018年公司治理相关指标首次开始得到重视，2019年技术面指标“卷土归来”，2020年市场对各类风险事件更加关注，因此我们采用了回归法计算指标的权重。采用LASSO回归加权法大幅提升了风险指标的预测能力，排雷组合持股能够更加集中，负向收益显著高于等权法。全市场高风险组合年化超额收益-41.05%，中证500高风险组合年化超额收益-23.72%，沪深300内高风险组合年化超额收益-25.17%，上证50高风险组合年化超额收益-17.73%。本篇报告初步展示了基于离散特征的多因子选股模型在构建负面排除组合中的强大魅力，在接下来的系列报告中，我们将把离散多因子模型应用在多头选股中，逐步构建因子收益贡献更为多元、市场变化适应度更高、持股更加集中的离散因子非线性模型。
CHS
