您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[东吴证券]:金工定期报告:“日与夜的殊途同归”新动量因子绩效月报 - 发现报告
当前位置:首页/其他报告/报告详情/

金工定期报告:“日与夜的殊途同归”新动量因子绩效月报

2022-09-01高子剑东吴证券晚***
金工定期报告:“日与夜的殊途同归”新动量因子绩效月报

金工定期报告20220901 证券研究报告·金融工程·金工定期报告 “日与夜的殊途同归”新动量因子绩效月报 20220831 报告要点 “日与夜的殊途同归”新动量因子多空对冲绩效(全市场):2014年2月至今,“日与夜的殊途同归”新动量因子在全体A股中,10分组多空对冲的年化收益为23.16%,年化波动为8.0%,信息比率为2.90,月度胜率为82.52%,月度最大回撤为5.49%。 8月份“日与夜的殊途同归”新动量因子收益统计:在全体A股中,十分组多头组合的收益率为-2.4%,十分组空头组合的收益率为-7.0%,十分组多空对冲的收益率为4.7%。 “日与夜的殊途同归”新动量因子选股模型简介:基于日内与隔夜各自的价量关系,分别对日内因子、隔夜因子进行改进,再重新合成新的动量因子。在回测期2014/01/01-2022/07/31内,以全体A股为研究样本, 新因子IC均值为-0.045,年化ICIR为-2.59,10分组多空对冲的年化收益为22.64%,信息比率为2.85,月度胜率高达83.33%,最大回撤仅为5.79%,选股能力显著优于传统动量因子。 图1:“日与夜的殊途同归”新动量因子10分组及多空对冲净值走势 数据来源:Wind资讯,东吴证券研究所 风险提示:模型所有统计结果均基于历史数据,未来市场可能发生重大变化;单因子的收益可能存在较大波动,实际应用需结合资金管理、风险控制等方法。 2022年09月01日 证券分析师高子剑 执业证书:S0600518010001 021-60199793 gaozj@dwzq.com.cn 相关研究 《成交量对动量因子的修正:日与夜之殊途同归》 2022-08-17 《“日与夜的殊途同归”新动量因子绩效月报20220729》 2022-08-02 《成交量对动量因子的修正:日与夜之殊途同归》 2019-08-29 1/16 东吴证券研究所 内容目录 1.“日与夜的殊途同归”新动量因子绩效回顾4 2.附录:殊途同归新动量因子选股模型简介5 2.1.日内量价,锦上添花5 2.2.隔夜量价,雪中送炭9 2.3.日以继夜,殊途终可同归11 3.风险提示15 2/16 东吴证券研究所 图表目录 图1:“日与夜的殊途同归”新动量因子10分组及多空对冲净值走势1 图2:“日与夜的殊途同归”新动量因子多头净值8月走势5 图3:日与夜的切割5 图4:传统日内因子10分组及多空对冲净值走势(回看20日)6 图5:局部日内因子年化ICIR(回看20日)7 图6:局部日内因子10分组多空对冲净值走势(回看20日)8 图7:新日内因子10分组及多空对冲净值走势(回看20日)9 图8:传统隔夜因子10分组及多空对冲净值走势(回看20日)10 图9:新隔夜因子10分组及多空对冲净值走势(回看20日)11 图10:新旧日内因子10分组对冲净值(回看20日)12 图11:新旧隔夜因子10分组对冲净值(回看20日)12 图12:新动量因子10分组及多空对冲净值走势(回看20日)12 图13:新旧动量因子10分组多空对冲净值走势(回看20日)13 图14:纯净新因子10分组及多空对冲净值走势(回看20日)14 表1:殊途同归新动量因子(2014/02-2022/08)4 表2:新旧日内因子10分组多空对冲的绩效指标对比(回看20日)9 表3:新旧隔夜因子10分组多空对冲的绩效指标对比(回看20日)11 表4:新旧动量因子10分组多空对冲的绩效指标对比(回看20日)13 表5:新动量因子分年度表现13 表6:新动量因子与Barra风格因子相关系数14 表7:纯净新因子分年度表现15 3/16 东吴证券研究所 1.“日与夜的殊途同归”新动量因子绩效回顾 动量因子自1993年被发现以来,就成为量化投资领域最常用的选股因子之一。动量之于A股市场,呈现较为显著的中长期反转现象,但令人惋惜的是,A股市场中动量因子的反转效应并非一直稳定。以20日收益率为例,在2014/01/01-2022/07/31期间,传统动量因子在全体A股上的10分组多空对冲信息比率为1.09,月度胜率为62.75%,最大回撤为20.35%,稳定性较差,如2017年上半年几乎完全失效。 东吴金工团队在动量因子方面做了诸多研究,尝试提高其稳定性。正所谓“山重水复疑无路,柳暗花明又一村”,在坚持不懈的努力下,基于投资者交易行为的逻辑,我们曾提出许多改进传统动量因子的方案,如“凤鸣朝阳”模型、“枯树生花”模型等。 价量关系是金融市场最经典的理论之一,价格的涨跌往往需要量来支撑与确认。本篇报告在以往“动量因子切割”研究的基础上,加入“成交量”的信息,尝试进一步挖掘投资者交易行为的差异。随着本篇报告研究内容的逐步展开,我们将发现,日内与隔夜的价量关系,其实蕴藏着不同的特征与逻辑,而这两种不同的特征,最终都可用于有效甄别动量因子信号的强弱。 在前述研究的基础上,我们于2019年9月发布报告《“求索动量因子”系列研究 (一):成交量对动量因子的修正——日与夜的殊途同归》,在以往“动量因子”研究的基础上,将交易时段切割为日与夜,分别探索各自的价量关系,并在此基础上构建“殊途同归”新动量因子。2022年8月,我们沿用相同的研究框架,将数据更新至2022年 7月。 2014年2月至今,“日与夜的殊途同归”新动量因子在全体A股中,10分组多空对冲的年化收益为23.16%,年化波动为7.99%,信息比率为2.90,月度胜率为82.52%,月度最大回撤为5.49%。 表1:殊途同归新动量因子(2014/02-2022/08) 全体A股 年化收益率 23.16% 年化波动率 7.99% 信息比率 2.90 月度胜率 82.52% 最大回撤率 5.49% 数据来源:Wind资讯,东吴证券研究所 在全体A股中,8月份“殊途同归”十分组多头组合的收益率为-2.36%,十分组空头组合的收益率为-7.02%,十分组多空对冲的收益率为4.65%。 在全体A股中,选取殊途同归因子值最小的10%,等权重构成“殊途同归”组合。该组合在8月的净值走势如图2所示。 4/16 图2:“日与夜的殊途同归”新动量因子多头净值8月走势 WindcA¾ “½”¾ 1.1 1.05 1 0.95 08-01 08-02 08-03 08-04 08-05 08-08 08-09 08-10 08-11 08-12 08-15 08-16 08-17 08-18 08-19 08-22 08-23 08-24 08-25 08-26 08-29 08-30 08-31 0.9 数据来源:Wind资讯,东吴证券研究所 2.附录:殊途同归新动量因子选股模型简介 2.1.日内量价,锦上添花 图3:日与夜的切割 传统的动量因子定义为股票过去一段时间的累计收益,按照图3的方法,可以被切割为日内因子与隔夜因子。本节内容先行探究日内部分的价量关系。 数据来源:东吴证券研究所整理 (1)传统日内因子 5/16 东吴证券研究所 以20日为例,传统日内因子定义为股票过去20个交易日的累计日内收益,若股票A某日的日内收益(今收/今开-1)为𝑟𝑡,则该股票的传统日内因子OLD_Intraday即为: 𝑂𝐿𝐷_𝐼𝑛𝑡𝑟𝑎𝑑𝑎�=(1+𝑟1)×(1+𝑟2)×(1+𝑟3)×⋯×(1+𝑟20)−1 在2014/01/01-2022/07/31期间,以全体A股为研究样本(剔除其中的ST股、停牌股以及上市不足60个交易日的次新股),传统日内因子呈现显著的反转效应,月度IC均值约为-0.054,RankIC均值约为-0.068,年化ICIR约为-1.86,年化RankICIR约为-1.94。 每月将所有样本按照传统日内因子值分组排序,10分组回测及多空对冲净值走势如下图4所示,多空对冲年化收益约为30.16%,信息比率约为1.68,胜率67.65%,最大回撤约为18.49%。 价量关系是金融市场最经典的理论之一,价格的涨跌往往需要量来支撑与确认。本篇报告在以往“动量因子切割”研究的基础上,加入“成交量”的信息,尝试进一步挖掘投资者交易行为的差异。我们将发现,日内与隔夜的价量关系,其实蕴藏着不同的特征与逻辑,而这两种不同的特征,最终都可用于有效甄别动量因子信号的强弱。 图4:传统日内因子10分组及多空对冲净值走势(回看20日) ¾1 ¾ ¾9 ¾ ¾6 ¾10 ¾3 ¾7 ¾1–¾10() ¾4 ¾8 712 610 5 8 4 6 3 4 2 12 2014-01-31 2014-07-31 2015-01-31 2015-07-31 2016-01-31 2016-07-31 2017-01-31 2017-07-31 2018-01-31 2018-07-31 2019-01-31 2019-07-31 2020-01-31 2020-07-31 2021-01-31 2021-07-31 2022-01-31 2022-07-31 00 数据来源:Wind资讯,东吴证券研究所 (2)日内量价关系 上一小节的回测结果显示,传统日内因子的表现略优于整体因子,但与传统整体因子一样,其10分组排序不单调,且因子收益在部分时段波动较大,稳定性不强。 众所周知,在时间匹配的情况下,量往往会对价格的变动起到确认或是增强的作用。在传统的日内因子上,我们猜测也会有同样的结果,即日内换手率越大,日内收益对未 6/16 东吴证券研究所 来收益的负向指示作用越强,日内因子的选股能力也越出色。 因此,每月月底,我们将每只股票过去20个交易日的日内收益,按照当日日内换 手率(即当日总换手率减去开盘集合竞价换手率)从低到高排序,等分为5组,每一组计算该组日内收益的平均值,即可得到5个局部的日内因子。具体来看,若股票A过去20个交易日的日内收益按照当日日内换手率从低到高排序后,依次记为𝑟′,𝑟′,, 12 20 𝑟′,则5个局部日内因子定义为: 𝐼𝑛𝑡𝑟𝑎𝑑𝑎𝑦𝑝𝑎𝑟𝑡1=𝑚𝑒𝑎𝑛(𝑟′,𝑟′,𝑟′,𝑟′) 1234 𝐼𝑛𝑡𝑟𝑎𝑑𝑎𝑦𝑝𝑎𝑟𝑡2=𝑚𝑒𝑎𝑛(𝑟′,𝑟′,𝑟′,𝑟′),𝐼𝑛𝑡𝑟𝑎𝑑𝑎𝑦𝑝𝑎𝑟𝑡3=𝑚𝑒𝑎𝑛(𝑟′,𝑟′,𝑟′,𝑟′) 56789101112 𝐼𝑛𝑡𝑟𝑎𝑑𝑎𝑦𝑝𝑎𝑟𝑡4=𝑚𝑒𝑎𝑛(𝑟′,𝑟′,𝑟′,𝑟′),𝐼𝑛𝑡𝑟𝑎𝑑𝑎𝑦𝑝𝑎𝑟𝑡5=𝑚𝑒𝑎𝑛(𝑟′,𝑟′,𝑟′,𝑟′) 1314151617181920 接下来,同样以2014/01/01-2022/07/31为回测时间段,以全体A股为研究样本,考察上述5个局部日内因子的选股能力,比较因子的年化ICIR及10分组多空对冲的净值走势。具体结果如下图4-5所示。 图5:局部日内因子年化ICIR(回看20日) 0.1 –0.7 –1.18 –1.30 –1.86 –.00 0. –0. –1. –. I1(Ç)34(Ç) 数据来源:Wind资讯,东吴证券研究所 7/16 东吴证券研究所 图6:局部日内因子10分组多空对冲净值走势(回看20日) I1(Ç)34(Ç) 12 10 8 6 4 2 2014-01-31 2014-07-31 2015-01-31 2015-07-31 2016-01-31 2016-07-31 2017-01-31 2017-07-31 2018-01-31 2018-07-31 2019-01-31 2019-07-31 2020-01-31 2020-07-31 2021-01-31 2021-07-31 2022-01-31 2022-07-31 0 数据来源:Wind资讯,东吴证券研究所 可以发现,随着换手