开源量化评论（67）：长端动量2.0：长期、低换手、多头显著的量价因子

金融工程专题 2022年11月26日 长端动量2.0：长期、低换手、多头显著的量价因子 金融工程研究团队 ——开源量化评论（67） 魏建榕（首席分析师） 魏建榕（分析师）王志豪（分析师） 证书编号：S0790519120001 weijianrong@kysec.cn 证书编号：S0790519120001 wangzhihao@kysec.cn 证书编号：S0790522070003 张翔（分析师） 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（研究员） 证书编号：S0790121070009 苏良（研究员） 证书编号：S0790121070008 何申昊（研究员） 证书编号：S0790122080094 相关研究报告 《A股市场中如何构造动量因子》 -2020.7.21 《大票优选：是动量，而不是反转》 -2020.8.27 《长端动量因子与基本面更兼容》 -2020.10.15 《动量30组合2021年度复盘》 -2021.10.15 长端动量1.0：去伪存真，寻找A股动量效应 在A股市场中，动量效应难寻踪迹。无论是长端涨跌幅还是短端涨跌幅，在A 股市场中均呈现显著的反转效应。由于高振幅交易日中，投资者过度反应的概率更高，反转效应更强，并且直接导致长端涨跌幅总体呈现反转效应，开源金融工 程团队在报告《A股市场中如何构造动量因子》中，通过振幅切割的方式，剔除 高振幅交易日的涨跌幅，从而剔除过度反应的涨跌数据，去伪存真，构建长端动量因子，有效捕捉A股市场中的动量效应。 长端动量2.0多头收益提升3.3%，多空提升7% 本报告从4个维度对长端动量1.0因子进行改进，构建长端动量2.0因子。因子 RankIC6.92%，RankICIR2.75，RankIC胜率79.49%，有效性显著提高。5分组多头年化收益20.26%，月均换手率34.28%，相比长端动量1.0多头超额收益显著且表现稳健，年化超额收益3.3%，年化IR1.34。多空对比来看，长端动量2.0 多空年化收益率提升7%至18.09%，年化IR提升至2.61，最大回撤降至8.45%，月度胜率提升至75.9%。从月度RankIC对比来看，长端动量2.0相比于长端动量1.0，有效性提升的月份分散在整个测试区间。在测试区间117个月中，长端动量2.0月度RankIC，相较于长端动量1.0，提升的月份占比达73.5%。 长端动量2.0相比高频量价更适用大盘股、更兼容基本面因子 长端动量2.0因子具备长期、低换手、多头贡献显著等优势，不同于高频量价因 子，长端动量2.0在收益维度对大小盘并无明显偏好，不同选股域中均表现稳健。沪深300指数增强测试下，增强组合年化收益率12.4%。超额年化收益率6.28%，年化IR1.33，最大回撤5.28%（2019.02），月度胜率60.6%。 长端动量2.0与基本面因子兼容性良好。长端动量2.0对于基本面因子多空组合，在收益提升的同时，有效降低组合风险，对于基本面因子多头组合，在控制组合换手的同时，提升组合年化收益2.07%。 长端动量2.0在300价值上表现稳健，且具备行业轮动能力 在300价值股票池（100只）中，长端动量2.0因子RankIC4.9%，RankICIR1.65，2分组多空年化收益7.19%，年化IR1.28，最大回撤9.7%，月度胜率62.9%。多头组年化收益10.3%，组合月均换手率24.5%。 将个股长端动量2.0因子值，按自由流通市值加权聚合得到行业因子值，因子RankIC6.72%，RankICIR0.84，RankIC胜率60.19%。5分组多空年化收益14.28%，年化IR1.04。多头组相较于行业等权组合，超额年化收益率5.31%。 风险提示：模型测试基于历史数据，市场未来可能发生变化。 金融工程研究 金融工程专题 开源证券 证券研究报 告 目录 1、长端动量1.0：去伪存真，寻找A股动量效应3 2、长端动量2.0多头收益提升3.3%，多空提升7%5 3、长端动量2.0有效解决量价因子在大盘股的应用困难7 3.1、沪深300股票池：长端动量2.0指增组合年化超额6.28%8 3.2、中证500股票池：长端动量2.0指增组合年化超额4.4%10 4、重要讨论11 4.1、长端动量2.0与基本面更兼容11 4.2、长端动量2.0在300价值上表现稳健12 4.3、行业长端动量因子具备行业轮动能力13 5、风险提示14 图表目录 图1：A股市场短端与长端均呈现显著的反转效应3 图2：按振幅切割，区分动量与反转涨跌幅3 图3：高振幅交易日涨跌幅度更高4 图4：长端涨跌幅主要由高振幅交易日涨跌幅决定4 图5：长端动量1.0因子多头收益优势显著5 图6：𝑨𝒍𝒑𝒉𝒂𝑹𝒆𝒕𝒍𝒐�与反转因子有效性此消彼长6 图7：5分组收益分化且单调6 图8：多头组年化收益20%，月换手34%6 图9：多头端对比：长端动量2.0多头年化收益提升3.3%6 图10：多空组合对比：长端动量2.0多空年化收益提升7%，波动降低7 图11：长端动量2.0月度RankIC提升月份占比73.5%7 图12：不同选股域，多空组合表现稳健8 图13：5分组多头收益优势显著9 图14：多头组相比沪深300年化超额7.31%9 图15：沪深300指数增强超额表现稳健，年化超额6.28%10 图16：5分组多头年化收益11.7%10 图17：多头年化超额5.77%10 图18：中证500指数增强年化超额4.42%11 图19：多空组合：长端动量2.0收益提升且降低组合风险12 图20：多头端：长端动量2.0控换手的同时年化收益提升2%12 图21：300价值股票池：长端动量2.0多空年化收益7.19%13 图22：300成长股票池：长端动量2.0多空年化收益10.28%13 图23：相比于行业等权，行业长端动量因子多头组年化超额收益5.31%14 表1：长端动量1.0因子构建步骤4 表2：长端动量2.0因子构建步骤5 表3：不同选股域，因子有效性对比8 表4：测试因子列表11 表5：因子相关性12 1、长端动量1.0：去伪存真，寻找A股动量效应 动量效应是指过去收益较高的股票，在未来一段时间仍具有相对较好的收益。动量效应普遍存在于国外市场，但在A股市场中，由于过度反应的普遍存在，动量效应难寻踪迹。无论是长端涨跌幅还是短端涨跌幅，在A股市场中均呈现显著的反转效应。 图1：A股市场短端与长端均呈现显著的反转效应 数据来源：Wind、开源证券研究所 我们不妨选取过去160日涨跌幅（Ret160）作为长端涨跌幅，选取过去20日涨跌幅（Ret20）作为短端涨跌幅。在常见动量因子的构建方式中，有一种做法是将长端涨跌幅剔除短端涨跌幅（Ret160_20），其构建逻辑是认定Ret20的强反转是导致Ret160反转效应的主要原因。但实际上，从相关性来看，二者相关性仅29.4%（作为对比，下文𝑅𝑒𝑡ℎ𝑖𝑔ℎ与Ret160相关性为84.8%）。 若将过去N日的涨跌幅按振幅由低到高等比例切割，低振幅交易日的涨跌幅加总记作𝑅𝑒𝑡𝑙𝑜𝑤，高振幅交易日的涨跌幅加总记作𝑅𝑒𝑡ℎ𝑖𝑔ℎ。如图2所示，不同回看天数下，𝑅𝑒𝑡𝑙𝑜�呈现动量效应，𝑅𝑒𝑡ℎ𝑖𝑔ℎ呈现反转效应。随着回看天数增加，𝑅𝑒𝑡𝑙𝑜�动量效应渐强，𝑅𝑒𝑡ℎ𝑖𝑔ℎ反转效应渐弱。 图2：按振幅切割，区分动量与反转涨跌幅 数据来源：Wind、开源证券研究所 如图2所示，回看天数达160天时，基本达到动量最强、反转最弱阶段。从因子IC来看，动量与反转并无绝对优势一方，但长端涨跌幅却呈现反转效应。原因在于： 1、长端涨跌幅中，高振幅交易日的涨跌幅度（涨跌幅绝对值）显著高于低振幅交易日的涨跌幅度（如图3所示）； 2、在长端涨跌幅的计算过程中，高振幅交易日的涨跌幅加总（𝑅𝑒𝑡ℎ𝑖𝑔ℎ）与低振幅交易日的涨跌幅加总（𝑅𝑒𝑡𝑙𝑜𝑤）存在显著量级差异，导致𝑅𝑒𝑡𝑙𝑜�对于长端涨跌幅的计算无足轻重（相关性仅4.9%），长端涨跌幅主要由𝑅𝑒𝑡ℎ𝑖𝑔ℎ决定 （如图4所示）； 3、𝑅𝑒𝑡ℎ𝑖𝑔ℎ体现过度反应的交易日的涨跌幅，其强反转特性导致长端涨跌幅总体呈现反转效应（如图2所示）。 图3：高振幅交易日涨跌幅度更高图4：长端涨跌幅主要由高振幅交易日涨跌幅决定 数据来源：Wind、开源证券研究所数据来源：Wind、开源证券研究所（时间节点：20221031） 由于高振幅交易日中，投资者过度反应的概率更高，反转效应更强，并且直接导致长端涨跌幅总体呈现反转效应，开源金融工程团队在报告《A股市场中如何构造动量因子》中，通过振幅切割的方式，剔除高振幅交易日的涨跌幅，从而剔除过度反应的涨跌数据，去伪存真，构建长端动量因子，有效捕捉A股市场中的动量效应。为了方便区分，我们将该长端动量因子记为长端动量1.0因子。 表1：长端动量1.0因子构建步骤 步骤1对选定股票，回溯取其最近160个交易日的数据； 步骤2计算股票每日的振幅（最高价/最低价-1）； 步骤3选择振幅较低的70%交易日，涨跌幅加总，得到长端动量因子。资料来源：开源证券研究所 本文回测区间选定20130101-20221031，因子做市值、行业中性化，双边千三扣费，月末调仓。长端动量1.0因子RankIC4.01%，RankICIR1.76，RankIC胜率74.36%。从分组表现来看，五分组收益分化且单调性良好，多头组收益显著高于其他各组，年化收益16.41%，月均换手35.7%。多空组合年化收益10.94%，年化IR1.75，最大回撤10.57%，月度胜率68%。 图5：长端动量1.0因子多头收益优势显著 数据来源：Wind、开源证券研究所（测试区间：20130101-20221031） 2、长端动量2.0多头收益提升3.3%，多空提升7% 本报告从以下4个维度对长端动量1.0因子进行改进（详细步骤见表2）： ·切割指标：振幅选用（最高价-最低价）/前收盘价的定义方式； ·预处理：剔除停牌及涨跌停交易日数据。停牌日振幅为0，应划为低振幅组，但当日涨跌幅无意义；涨跌停交易日，振幅受涨跌停交易机制限制，无法充分反映交易活跃程度； 表2：长端动量2.0因子构建步骤 ·切割对象：个股alpha收益（股票日收益-市场日收益均值）。股票日收益受市场beta影响，在横截面对比时，若股票日收益对应时点一致，则市场beta不影响股票间相对排序，若股票日收益对应时点不一致，则两股票日收益时点重合度越低，市场beta对股票间相对排序影响越大； ·中性化：𝐴𝑙𝑝ℎ𝑎𝑅𝑒𝑡𝑙𝑜�做20日反转中性。𝐴𝑙𝑝ℎ𝑎𝑅𝑒𝑡𝑙𝑜�在反转因子上有一定程度正暴露（相关性18.6%），如图6所示，𝐴𝑙𝑝ℎ𝑎𝑅𝑒𝑡𝑙𝑜�与反转因子有效性此消彼长，反转因子越强的月份，𝐴𝑙𝑝ℎ𝑎𝑅𝑒𝑡𝑙𝑜�越弱。 步骤1对选定股票，回溯取其最近160个交易日的数据； 步骤2剔除涨跌停及停牌交易日数据； 步骤3计算股票每日的振幅：（最高价-最低价）/前收盘价； 步骤4选择振幅较低的70%交易日，日超额收益（涨跌幅-市场涨跌幅均值）加总，记作𝐴𝑙𝑝ℎ𝑎𝑅𝑒𝑡𝑙𝑜𝑤；步骤5𝐴𝑙𝑝ℎ𝑎𝑅𝑒𝑡𝑙𝑜�作20日反转中性，得到长端动量2.0因子。 资料来源：开源证券研究所 图6：𝑨𝒍𝒑𝒉𝒂𝑹𝒆𝒕𝒍𝒐�与反转因子有效性