量化专题报告：“量价淘金”选股因子系列研究（二）不同交易者结构下的动量与反转

量化专题报告 “量价淘金”选股因子系列研究（二）不同交易者结构下的动量与反转 前言：动量与反转，一直是量化投资领域广泛关注的话题。A股市场股票作者 证券研究报告|金融工程研究 2022年10月24日 价格的相对涨跌，表现为显著的中长期反转现象，但该现象也并非一直稳定。本篇报告从“动量与反转的本质”出发，对传统因子进行改进。 动量与反转的本质：动量与反转的本质是不同的投资者交易行为，导致股票价格对市场信息的反应程度不同。如果反应不足，那么股价当前的相对 走势在未来仍有一定的延续性，涨跌幅因子表现为动量；如果反应过度，那么涨跌幅因子自然就表现为反转。 交易者结构对动量/反转的影响：大小单交易占比数据，能够显著影响股价对信息的反应程度，进而有效识别涨跌幅因子的方向及强弱，具体表现为： 大单交易占比越高、小单交易占比越低，股价越容易反应过度，对应的涨跌幅因子反转效应越强；反之亦然。 基于交易者结构的新反转因子：利用交易者结构数据，提取传统因子中信息最强的部分，构造新的反转因子。在回测期2013/01/01-2022/09/30内，新反转因子在全市场的月度IC均值为-0.057，年化ICIR为-2.60；5分组多空对冲的年化收益为19.64%，信息比率为2.46，月度胜率为76.92%，最大回撤为6.76%，选股效果显著优于传统因子。 图表1：新反转因子的5分组及多空对冲净值走势 资料来源：Wind，国盛证券研究所 交易者结构对动量效应的增强：类似地，我们也基于传统动量因子，利用交易者结构、换手率，提炼出其中更强的动量信息，构建了效果更为稳健的新动量因子。特别地，新动量因子在沪深300成分股中的表现较好，多头超额年化收益为6.70%，信息比率接近1，月度胜率约为65%。 风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。 分析师沈芷琦 执业证书编号：S0680521120005邮箱：shenzhiqi@gszq.com 分析师刘富兵 执业证书编号：S0680518030007邮箱：liufubing@gszq.com 相关研究 1、《量化专题报告：如何将隔夜涨跌变为有效的选股因子？——基于对知情交易者信息优势的刻画》2022-04-26 2、《量化分析报告：如何将隔夜涨跌变为有效的选股因子Q&A》2022-06-28 3、《量化周报：市场中期底部特征愈加明显》2022-10- 23 4、《量化分析报告：择时雷达六面图：资金面偏弱》 2022-10-22 5、《量化分析报告：股基解密：红利策略配置价值显著——华宝标普中国A股红利机会指数基金投资价值分析》2022-10-18 请仔细阅读本报告末页声明 内容目录 一、前言4 二、动量与反转的本质：反应不足or反应过度4 三、交易者结构与动量/反转5 四、基于交易者结构的新反转因子8 4.1新反转因子的构建8 4.2新反转因子的多空收益拆解10 4.3纯净新反转因子11 4.4其他样本空间的表现12 �、交易者结构对动量效应的增强13 5.1新动量因子的构建13 5.2其他样本空间的表现17 5.3参数敏感性检验18 六、总结19 风险提示19 图表目录 图表1：新反转因子的5分组及多空对冲净值走势1 图表2：传统涨跌幅（反转）因子Ret20的5分组及多空对冲净值走势4 图表3：动量与反转的本质——反应不足与反应过度5 图表4：大小单交易者结构的划分标准5 图表5：局部涨跌幅因子的年化ICIR：小单交易占比划分6 图表6：局部涨跌幅因子的年化ICIR：中单交易占比划分6 图表7：局部涨跌幅因子的年化ICIR：大单交易占比划分7 图表8：局部涨跌幅因子的年化ICIR：超大单交易占比划分7 图表9：wind底层数据库交易者结构的字段名称7 图表10：新反转因子New_Ret20的5分组回测净值走势9 图表11：新反转因子及传统因子5分组多空对冲净值走势9 图表12：新反转因子及传统因子的IC信息及5分组多空对冲绩效指标9 图表13：新反转因子New_Ret20分年度表现10 图表14：新反转因子多空超额净值走势10 图表15：新反转因子多空超额绩效指标11 图表16：新反转因子与Barra风格因子相关系数11 图表17：纯净新反转因子5分组及多空对冲净值走势12 图表18：纯净新反转因子分年度表现12 图表19：新反转因子在其他样本空间的表现13 图表20：涨跌幅因子Ret240的5分组及多空对冲净值走势14 图表21：涨跌幅因子Ret240_40的5分组及多空对冲净值走势14 图表22：局部因子年化ICIR：小单交易占比划分(240_40)15 图表23：局部因子年化ICIR：换手率划分(240_40)15 图表24：新动量因子New_Ret240_40的5分组回测净值走势16 图表25：新动量因子及传统因子5分组多空对冲净值走势16 图表26：新动量因子及传统因子的IC信息及5分组多空对冲绩效指标16 图表27：新动量因子New_Ret240_40分年度表现17 图表28：新动量因子在其他样本空间的表现17 图表29：沪深300成分股内的新动量因子多头组合18 图表30：新动量因子的参数敏感性18 图表31：不同指标对动量/反转的增强（Ret20）19 图表32：不同指标对动量/反转的增强（Ret240_40）19 一、前言 动量与反转，一直是量化投资领域广泛关注的话题。A股市场中股票价格的相对涨跌，表现为显著的中长期反转现象，但遗憾的是，该现象也并非一直稳定。以计算过去20日累计涨跌幅、月度换仓为例，回测期2013/01/01-2022/09/30内，传统涨跌幅因子Ret20在全体A股中的表现如图表2所示，5分组多空对冲的净值曲线虽整体呈现向上趋势，但很不稳定，如在2017年上半年、2021年年中几乎完全失效。整段回测期内，传统涨跌幅因子Ret20的5分组多空对冲年化收益为11.00%，信息比率为0.68，月度胜率为59.83%，最大回撤为18.30%。 图表2：传统涨跌幅（反转）因子Ret20的5分组及多空对冲净值走势 资料来源：wind，国盛证券研究所 国盛金工推出“量价淘金”选股因子系列研究，旨在深耕量价选股领域，为多因子模型增砖添瓦。本文为系列研究第二篇，聚焦“动量与反转”这一热点话题，对其进行深入探索。具体地，我们将基于对“动量与反转本质”的最新思考，提出识别涨跌幅因子方向及强弱的方法，对传统因子进行改进。 二、动量与反转的本质：反应不足or反应过度 在对传统因子进行改进之前，我们首先来思考一个问题：涨跌幅因子为何会具有动量或者反转的属性，其背后的本质究竟是什么？ 我们认为，动量与反转，只不过是涨跌幅因子呈现在表面的一种现象，它背后的本质，其实是不同的投资者交易行为，导致股票价格对市场信息的反应程度不同。如果反应不足，那么股价当前的相对走势在未来仍有一定的延续性，涨跌幅因子表现为动量；如果 反应过度，那么涨跌幅因子自然就表现为反转。所以，想要改进传统的涨跌幅因子，问题的关键就在于，必须找到哪一部分涨跌幅更容易反应过度，哪一部分更容易反应不足。 带着上述逻辑，我们来看一道这样的选择题：假设有两段一模一样的涨跌幅A和B，分别有以下两个情形，第一个情形是，第一段涨跌幅A对应的成交量很大，第二段涨跌幅B对应的成交量很小；第二个情形是，第一段涨跌幅A是由大单快速推动的，第二段涨跌幅B对应的都是小单的缓慢交易。如果其他条件都相同，请各位读者来盲猜，哪一段涨跌幅更有可能对应了股价的反应过度？ 我们相信，大多数读者的答案都会是A，也就是成交量较大、或者大单交易占比较高，更有可能造成股价在短时间内被朝着同一方向快速推动，也就更有可能发生反应过度，那么对应的涨跌幅因子自然也就更容易呈现反转效应。反之，成交量较小、或者由小单交易主导的涨跌幅B，就更有可能反应不足，从而表现为动量。 图表3：动量与反转的本质——反应不足与反应过度 资料来源：wind，国盛证券研究所 三、交易者结构与动量/反转 上一节内容展示了我们对动量与反转本质的思考，也可以当做是在理论上的一些猜测。本节内容就来进行实证检验，比如以“大小单交易者结构”为例。 关于大小单的定义，本文直接采用了wind数据库的定义方式，按照挂单金额的大小，将每一笔成交划分为超大单、大单、中单、小单。具体地，wind底层数据库给出了每只股票、每一个交易日，这4类单子成交金额的日频数据，我们可以直接提取。 图表4：大小单交易者结构的划分标准 资料来源：wind，国盛证券研究所 根据图表4对大小单结构的划分，每个交易日，我们计算每只股票的超大单、大单、中单、小单的交易占比，进而考察它们对涨跌幅因子的影响。具体实施以下操作： （1）先以“小单”为例，每月月底，将每只股票过去20个交易日的涨跌幅（今收/昨收 -1）序列，按照该股票每日的“小单”交易占比，从低到高进行排序，等分为5个小组； （2）每一组计算该组内4个交易日涨跌幅的平均值，共可得到5个局部因子；具体地，若股票A过去20个交易日的涨跌幅序列，按照每日“小单”交易占比排序后，依次为 𝑟′，𝑟′，......，𝑟′，则5个局部因子定义为： 1220 small_part1=mean(𝑟′,𝑟′,𝑟′,𝑟′) 1234 small_part2=mean(𝑟′,𝑟′,𝑟′,𝑟′)small_part3=mean(𝑟′,𝑟′,𝑟′,𝑟′) 5678 910 1112 small_part4=mean(𝑟′,𝑟′,𝑟′,𝑟′)small_part5=mean(𝑟′,𝑟′,𝑟′,𝑟′) 1314151617181920 其中，“small”表示按照“小单”交易占比划分，small_part1即为20个交易日中，小单 交易占比最低的4个交易日涨跌幅的平均值； （3）以2013/01/01-2022/09/30为回测时间段，以全体A股为研究样本，月度换仓，考察上述5个局部因子的选股能力； （4）将上述步骤中的按照“小单”交易占比划分，依次修改为“中单”、“大单”、“超大单”，重复上述操作。 下图5-8分别展示了在不同大小单交易占比下，5个局部涨跌幅因子的年化ICIR。根据图示结果，我们主要得到以下两条结论： （1）交易者结构能有效识别涨跌幅因子的方向及强弱，对于超大单、大单来说，交易占比越高，涨跌幅因子的反转效应越强；而对于中单、小单而言，交易占比越高，涨跌幅因子的动量属性越强； （2）小单、超大单交易占比对涨跌幅因子的区分能力最强，5个局部因子的年化ICIR不仅严格单调，而且方向也发生了变化；具体来看，随着小单交易占比的提升，局部因子逐渐由反转变为动量；而随着超大单交易占比的提升，局部因子的变化正好完全相反，逐渐由动量变为反转。 图表5：局部涨跌幅因子的年化ICIR：小单交易占比划分图表6：局部涨跌幅因子的年化ICIR：中单交易占比划分 资料来源：wind，国盛证券研究所资料来源：wind，国盛证券研究所 图表7：局部涨跌幅因子的年化ICIR：大单交易占比划分图表8：局部涨跌幅因子的年化ICIR：超大单交易占比划分 资料来源：wind，国盛证券研究所资料来源：wind，国盛证券研究所 上述测试结果与前文的理论猜测相符，即大单交易占比越高，股价越容易反应过度，因此涨跌幅因子的反转属性越强；反之亦然。 但上述测试结果也给我们带来了一些疑问：在大多数投资者的印象中，大单在很多情况下对应的是机构、是聪明钱，尤其是如果仔细观察wind底层数据库的字段名称，这4类单子其实并不是被称为“超大单”、“大单”、“中单”、“小单”，而是被取名为“机构”、“大户”、“中户”、“散户”；机构通常是更加理性的，为什么前文的测试结果显示，机构交易占比越高，反而涨跌幅因子的反转属性越强？这似乎跟我们平时的逻辑是矛盾的？ 图表9：wind底层数据库交易者结构的字