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。[国金证券]:量价背离因子在日频和周频预测上有效性显著 - 发现报告
当前位置:首页/其他报告/报告详情/

量价背离因子在日频和周频预测上有效性显著

2022-11-19苏晨国金证券更***
量价背离因子在日频和周频预测上有效性显著

量价背离现象与股票收益预测 利用股票的价格与成交量的信息构建的价量因子已经被证明可以预测股票的未来收益。根据逻辑分析和数据实证,我们发现,当量价出现背离时,无论当前股价处在上升还是下降通道,未来上涨的可能性均较高;同理,当量价趋同时,股价未来下跌的可能性较大。本篇报告是Alpha掘金系列报告的第二篇,我们将重点关注基于快照数据的股票价格与成交量的相关关系,构建高频量价背离因子,而后通过降频后,构建了满足机构投资者要求的中证1000指数增强策略。 量价背离因子在日频和周频预测上有效性显著 我们利用高频快照数据构建因子对日内价格与成交量的相关关系进行衡量,捕捉量价趋同/背离特征,共构建了6个因子。在日频维度上,CorrPV因子、CorrRV因子以及CorrPM因子IC相对较高,IC均值在3%以上。CorrPVPM因子的多空组合年化收益率达到了29.97%,夏普比率达到了3.72。合成之后的因子的IC相比单因子有了一定的提升,达到4%以上,多空组合年化收益率为41.19%,夏普比率为3.80。中性化后的合成因子表现也大幅好于非中性化的因子,分位数组合Top组合的年化超额收益率从11.82%提升至15.52%。 为了满足大多数机构投资者的要求,我们进一步扩大因子预测周期,降低因子预测频率到周频。我们采用整体的方法,统计了过去一周单一股票的日内快照成交量与价格的背离,构建量价背离因子。中性化后的合成因子的IC均值为6.27%,多空组合的年化收益率达到了38.88%,夏普比率达到了4.08。 结合量价背离因子的中证1000指数增强策略 周频量价背离因子具有显著的预测能力,但其对交易成本比较敏感,因此对因子预测的胜率和收益有较高的要求,所以我们选择将该因子与传统因子一起使用构建策略。合成后的量价背离增强因子的IC达到了7.66%,风险调整后IC达到了1.02,而作为对比的传统合成因子的IC仅为5.91%,风险调整后IC为0.79。 基于量价背离增强因子构建的增强策略相比基准优势非常明显,超额净值稳步增加。增强策略的年化收益率为9.51%,相比基准的年化超额收益率为11.90%。策略的换手率为周度双边92.43%,换手率相对较高。策略的信息比率达到了2.27。 我们进一步对比了不同手续费下策略的表现,可以看出,随着手续费的增加,策略收益逐步下降,但即便在严格的千分之三的手续费之下,策略的仍然可以获得6.73%的年化超额收益率。当手续费可以降低至万分之五时,策略的年化超额收益率的提升至20.14%,此时的信息比率达到了3.93。 风险提示 1、以上结果通过历史数据统计、建模和测算完成,在政策、市场环境发生变化时模型存在失效的风险。 2、策略依据一定的假设通过历史数据回测得到,当交易成本提高或其他条件改变时,可能导致策略收益下降甚至出现亏损。 内容目录 一、高频量价背离背后的Alpha4 1.1日内量价背离的衡量4 1.2日内快照数据与量价因子构建5 二、量价背离因子日频有效性验证6 2.1日频因子IC与分位数组合表现6 2.2日频合成因子表现7 三、量价背离因子降频后表现9 3.1因子降频的方法9 3.2周频因子IC与分位数组合表现9 3.3周频合成因子表现10 四、结合量价背离因子的中证1000指数增强策略13 4.1周频量价背离因子对传统因子的增强13 4.2基于量价背离增强因子的中证1000指数增强策略14 五、总结16 风险提示16 图表目录 图表1:价升量跌4 图表2:价升量升4 图表3:价跌量跌4 图表4:价跌量升4 图表5:不同量价形态下股价变动预期4 图表6:高频数据分类5 图表7:量价背离因子IC指标(日频)6 图表8:量价背离因子多空组合净值(日频)6 图表9:量价背离因子多空组合指标(日频)6 图表10:量价背离因子相关系数(日频)7 图表11:量价背离合成因子IC指标(日频)7 图表12:量价背离合成因子多空组合净值(日频)7 图表13:量价背离合成因子分位数组合年化收益率(日频)8 图表14:CorrFactor分位数组合指标(日频)8 图表15:CorrFactorAdjCI分位数组合指标(日频)8 图表16:CorrFactorAdjCI在不同股票池中多空组合净值(日频)9 图表17:CorrFactorAdjCI在不同股票池中指标(日频)9 图表18:量价背离因子IC指标(周频)9 图表19:量价背离因子多空组合净值(周频)10 图表20:价背离因子多空组合指标(周频)10 图表21:量价背离因子相关系数(周频)10 图表22:量价背离合成因子IC指标(周频)11 图表23:量价背离合成因子多空组合净值(周频)11 图表24:量价背离合成因子分位数组合年化收益率(周频)11 图表25:CorrFactorW分位数组合指标(周频)11 图表26:CorrFactorWAdjCI分位数组合指标(周频)12 图表27:CorrFactorWAdjCI在不同股票池中多空组合净值(周频)12 图表28:CorrFactorWAdjCI在不同股票池中指标(周频)12 图表29:周频量价背离合成因子IC序列13 图表30:周频量价背离合成因子与传统因子相关系数13 图表31:中证1000成分股中因子IC指标(周频)14 图表32:中证1000成分股中因子多空组合净值(周频)14 图表33:中证1000成分股中因子多空组合指标(周频)14 图表34:量价背离增强策略表现15 图表35:量价背离增强策略指标15 图表36:量价背离增强策略分年度收益率15 图表37:不同手续费下策略超额净值对比16 图表38:不同手续费下策略指标对比16 一、高频量价背离背后的Alpha 传统多因子模型调仓频率相对较低,所用因子以基本面因子、低频量价因子为主,近些年来这类因子的收益波动也越来越大。而国内的私募等机构越来越重视基于高频量价数据的短线策略,相比传统因子,其收益的稳定性也具有一定的优势。国内的主要机构投资者(例如公募基金等),目前还无法采用这类短线交易策略,而这类高频量价因子在低频化后,仍然可以提供增量信息,并改善传统多因子模型。因此,高频量价因子越来越受到投资者的关注。 利用股票的价格与成交量的信息构建的价量因子已经被证明可以预测股票的未来收益,投资者通常可以通过观察股票价格与成交量的关系捕捉交易机会,传统的技术分析方法应用在高频方面也可以更好的提取有效特征。本篇报告是Alpha掘金系列报告的第二篇,我们将重点关注基于快照数据的股票价格与成交量的相关关系,构建高频量价背离因 子,而后通过降频后,构建了满足机构投资者要求的中证1000指数增强策略。 1.1日内量价背离的衡量 股票价格和成交量在日内的变化各不相同,但以下四类情形相对比较典型,同时也反映了日内投资者的博弈的不同情况。当股票价格上涨,而成交量却逐步减少时,说明市场参与各方对股价后续的走势预期较为一致,此时股票还未达到预期价格,未来上涨的可能性较大;而当股票价格上涨,同时成交量放大,此时市场参与方分歧加大,乐观和悲观的投资者的数量都很多,市场情绪趋于“冷静”,股价到达拐点的可能性较大。同理,对于股价下跌的情况,当出现“缩量下跌”时,市场对股票后期的预期一致,进一步下跌的可能性较大;而如果出现“放量下跌”,则说明买卖双方均有较大量的挂单,投资者情绪逐步乐观,股价企稳反弹的可能性较高。 图表1:价升量跌图表2:价升量升 来源:国金证券研究所来源:国金证券研究所 图表3:价跌量跌图表4:价跌量升 来源:国金证券研究所来源:国金证券研究所 结合上述对于量价的四种形态的分析,我们总结了不同形态下股价变动预期,见下表。可以看出,当量价出现背离时,无论当前股价处在上升还是下降通道,未来上涨的可能性均较高;同理,当量价趋同时,股价未来下跌的可能性较高。因此,通过分析股价与成交量之间的相关性,可以对未来价格走势进行预测。 图表5:不同量价形态下股价变动预期 量价相关性 量价形态 预期股价变动 量价趋同 价升量升 下跌 量价相关性 量价形态 预期股价变动 量价趋同 价跌量跌 下跌 量价背离 价升量跌 上涨 量价背离 价跌量升 上涨 来源:国金证券研究所 1.2日内快照数据与量价因子构建 传统的价格与成交量的研究往往是在相对较低的频率上进行分析,例如对于分钟级别数据而言,其会丧失分钟内重要的交易信息。因此,通过提高数据采样频率,可以从市场更微观的结构上获取额外信息,有获得更高超额收益的可能。下图展示的A股市场的高频数据分类。 快照数据 价格成交量 盘口委托挂单 逐笔数据 逐笔成交 逐笔委托/委托队列 图表6:高频数据分类 来源:上交所,深交所,国金证券研究所 快照数据是交易所3秒一次的最新市场行情,包括了价格、成交量以及成交笔数,以及委托挂单等信息。相比分钟级数据,快照数据的频率大幅提高,捕捉的交易信息更加完整,能够更精准刻画股票日内价格波动,能够展现价格、成交量及成交笔数在时序上的分布和变化。 基于上述优势,我们利用快照数据构建因子对日内价格与成交量的相关关系进行衡量,捕捉上文中提到的量价趋同/背离特征。衡量两个因素相关关系的直接方法就是计算相关系数。对于价格来说,我们选取快照成交价和快照收益率 (即快照成交价相比上个快照成交价的变化)。对于成交量来说,我们不仅选取了快照成交量,而且选取了成交笔数,同时还计算了每笔成交量。我们共构建了如下六个因子: 𝐶𝑜𝑟𝑟𝑃�=𝐶𝑜𝑟𝑟(𝑃𝑟𝑖𝑐𝑒�,𝑀𝑎𝑡𝑐ℎ�) 𝐶𝑜𝑟𝑟𝑃�=𝐶𝑜𝑟�(𝑃𝑟𝑖𝑐𝑒�,𝑉𝑜𝑙𝑢𝑚𝑒�) 𝐶𝑜𝑟𝑟𝑃𝑉𝑃�=𝐶𝑜𝑟�(𝑃𝑟𝑖𝑐�,𝑉𝑜𝑙𝑢𝑚𝑒�) �𝑀𝑎𝑡𝑐ℎ� 𝐶𝑜𝑟𝑟𝑅�=𝐶𝑜𝑟�(𝑃𝑟𝑖𝑐𝑒�−1,𝑀𝑎𝑡𝑐ℎ) 𝑃𝑟𝑖𝑐𝑒𝑖−1� 𝐶𝑜𝑟𝑟𝑅�=𝐶𝑜𝑟�(𝑃𝑟𝑖𝑐𝑒�−1,𝑉𝑜𝑙𝑢𝑚�) 𝑃𝑟𝑖𝑐𝑒𝑖−1� 𝐶𝑜𝑟𝑟𝑅𝑉𝑃�=𝐶𝑜𝑟�(𝑃𝑟𝑖𝑐𝑒�−1,𝑉𝑜𝑙𝑢𝑚𝑒�) 𝑃𝑟𝑖𝑐𝑒𝑖−1𝑀𝑎𝑡𝑐ℎ� 其中,𝐶𝑜𝑟𝑟(…)代表两个变量之间的相关系数,𝑃𝑟𝑖𝑐𝑒�表示i时刻快照成交价,𝑉𝑜𝑙𝑢𝑚𝑒�表示i时刻快照成交量,𝑀𝑎𝑡𝑐ℎ�表示i时刻快照成交笔数。当价格与成交量的相关系数为负时,意味着量价出现背离,按照此前推断,股价上涨的可能性较高,反之亦然。因此,上述因子取值与未来股票收益率应该存在负的相关关系。为了验证上述因子的预测能力,接下来,我们将对上述6个因子的有效性进行测试。 量价背离的特征最快可以在隔日收益率上体现,因此,我们首先测试了因子隔日收益率的预测能力,采用的方法是IC测试和分位数组合测试(十组)。测试的时间段为2016年1月至2022年8月。后续我们还将进一步探讨因子降频的方法,以满足投资者的交易要求。 一般而言,这类量价因子在市值相对较小的股票上表现更好,因此,我们主要以中证1000指数成分股作为股票池进 行因子有效性验证。同时,随着中证1000股指期货的上市,对冲工具的完善使得机构投资者对中证1000指数增强类 产品的需求逐渐加大,因此本篇报告把重点放在中证1000指数增强策略上。在构建日频因子时,我们计算上一个交易日的因子值,然后以当日开盘价作为成交价。 二、量价背离因子日频有效性验证 2.1日频因子IC与分位数组合表现 首先我们基于日频构建量价背离因子,即统计上个交易日内所有快照数据,构建上文中的6个量价背离因子。我们对这些因子的有效性进行检验,首先我们检验了因子日频收益的预测能力。下表展示了6个因子的IC统计指标。可以看出,量价背离因子整体的IC均值为负,即日内价量背离时,隔日个股