市场微观结构研究系列（17）：日内极端收益前后的反转特性与因子构建

金融工程专题 2022年12月03日 日内极端收益前后的反转特性与因子构建 金融工程研究团队 ——市场微观结构研究系列（17） 魏建榕（首席分析师） 魏建榕（分析师）盛少成（联系人）苏良（联系人） 证书编号：S0790519120001 weijianrong@kysec.cn 证书编号：S0790519120001 shengshaocheng@kysec.cn 证书编号：S0790121070009 suliang@kysec.cn 证书编号：S0790121070008 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 日内最极端收益的alpha信息 本篇报告试图从分钟数据出发，探寻日内极端收益的alpha信息。对于极端收益的定义，我们使用�=|�−𝑚𝑒𝑑𝑖𝑎𝑛(𝑥)|为衡量标准。首先，我们从简出发，考虑S最大那根最极端bar的alpha信息。 相比于传统反转因子，最极端收益因子10分组多空信息比率从1.55提升至2.73，胜率从65.71%提升至81.90%，最大回撤从13.77%降至5.71%，为较为有效的改进方式；除此之外，最极端收益前后收益率的选股能力和方向有显著的区别：最极端收益前呈现反转，最极端收益后呈现动量。 进一步地，我们把最极端收益前1分钟的收益率信息也利用进来，和最极端收益率排序相加后，因子十分组多空对冲信息比率进一步提升至3.01。 日内第N极端收益的alpha信息 进一步地，我们将最极端这一标准放开，考虑第N极端的alpha信息。我们对参数N进行遍历，发现单根极端收益率选股ICIR随N增加呈现递减规律，基本在N大于10之后ICIR绝对幅度就在1.5以下。除此之外，结合各自前1分钟收益率之后，所有的单根极端收益的选股ICIR效果都得到了提升，而且也是基本呈现单调的关系。最后，我们将前N（极端收益率+前1分钟）进行排序合成，其中最极端收益+前1分钟的因子效果是最好的，所以我们使用其作为本篇报告最后推荐的因子，将其命名为ERR因子。其RankIC均值-7.08%，RankICIR-3.18，10分组多空对冲年化收益率19.58%，信息比率3.01，胜率81.90%，最大回撤 5.71%。 其他重要讨论 （1）在上述的因子构建中，我们使用了最极端收益和前1分钟的收益率合成，这里我们将前1分钟扩展至前t分钟，最后发现参数敏感性不高； （2）ERR因子在沪深300、中证500、中证1000中多空对冲收益波动比分别为： 相关研究报告 1.13、0.94、1.82； （3）对ERR因子进行行业风格中性化，纯净新因子多空对冲的年化收益为 9.49%，信息比率为1.88，胜率为68.57%，最大回撤为4.84%； 《A股反转之力的微观来源—市场微 观结构研究系列（1）》-2019.12.23 《APM因子模型的进阶版—市场微观结构研究系列（5）》-2020.03.07 《因子切割论—市场微观结构研究系列（10）》-2020.09.16 （4）极端收益后动量效应可被ERR因子完全解释，并不是独立的alpha来源。但是在A股反转效应为主的海洋中，能够找出由真实收益率构造出的动量因子还是非常难能可贵的。 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、日内最极端收益的alpha信息3 2、日内第N极端收益的alpha信息6 3、ERR因子其他重要讨论7 3.1、最极端收益率结合前t分钟的参数敏感性不高7 3.2、ERR因子在各类样本空间普遍适用8 3.3、ERR因子与传统Barra因子相关性不高8 3.4、极端收益后的动量效应可被ERR因子完全解释9 4、风险提示10 图表目录 图1：日内最极端bar出现在10点前的概率高达68.50%，中位数在9:553 图2：相比于传统反转因子，最极端收益因子信息比率从1.55提升至2.734 图3：最极端收益前呈现反转，最极端收益后呈现动量（单根bar收益率ICIR）4 图4：最极端收益前后的收益率呈现负相关5 图5：最极端收益后动量因子的alpha传导链5 图6：相比于最极端收益，考虑前1分钟后，信息比率从2.73提升至3.016 图7：单根极端收益率选股ICIR随N增加基本呈现递减规律6 图8：单根极端收益率+前1分钟选股ICIR随N增加基本呈现递减规律7 图9：前N（极端收益率+前1分钟）选股ICIR随N增加基本呈现递减规律7 图10：ERR因子的10分组多空信息比率为3.017 图11：ERR因子提纯后的10分组多空信息比率1.889 图12：极端收益后20分钟区间收益因子回归ERR因子后残差不再有选股效果9 表1：最极端收益率结合前t分钟的参数敏感性不高8 表2：ERR因子在其他样本空间依然具有一定选股能力8 表3：ERR因子与传统Barra因子相关性不高8 1、日内最极端收益的alpha信息 通常认为，反转因子的alpha源于市场对过度反应的修复，也即非理性超涨或超跌在未来时段的均值回归。传统反转因子的构造方法是：在每个月底，取过去20个交易日的区间总收益率Ret，或者取20个每日收益率ret的均值。这种做法实际上是把过去20日的所有涨跌信息都均匀地用上了。如果从日频甚至分钟频的细分视角去看，一个无法回避的挑战是：部分时段可能未受市场极端情绪的强烈干扰，并不存在明显的超涨或超跌，因此后续均值回归的概率也不会很大。基于以上思路，开源金融工程团队最早提出从微观切割视角去考察量价因子，并给出了大量关于反转因子的经典改进方案，其中包括广受认可的理想反转因子、APM因子等。 仿照类似思路，本篇报告我们尝试从分钟数据出发，探寻日内极端收益前后的反转特性差异。对于极端收益的定义，我们使用�=|�−𝑚𝑒𝑑𝑖𝑎𝑛(𝑥)|为衡量标准。首先，从简出发，我们考虑S最大那根最极端bar的alpha信息。 在寻找alpha之前，我们统计了最极端bar在盘中的时点分布，如图1所示。日内最极端bar出现在10点前的概率高达68.50%，出现在上午的概率高达99.94%，中位数在9:55。 图1：日内最极端bar出现在10点前的概率高达68.50%，中位数在9:55 数据来源：Wind、开源证券研究所 进一步我们探寻最极端收益的alpha信息。在2014/01/01-2022/09/30期间，以全体A股为研究样本（剔除ST、停牌以及上市不足60个交易日的次新股），每月底回看过去20天，计算每天S最高那根bar的收益率，并将20天进行平均作为月末调仓的因子，市值行业中性化后测算其选股能力，十分组多空效果如图2所示。 从图2我们可以看出，虽然相比于传统反转因子，最极端收益因子多空年化收益略有降低，从21.71%降至19.10%，但信息比率从1.55提升至2.73，胜率从65.71%提升至81.90%，最大回撤从13.77%降至5.71%，为较为有效的改进方案。 图2：相比于传统反转因子，最极端收益因子信息比率从1.55提升至2.73 数据来源：Wind、开源证券研究所 进一步地，最极端收益的出现是否会对相邻时段的收益率预测方向以及能力有所影响？为了找到这一答案，我们采取如下方案进行验证：每月底回看过去20天，计算每天S最高那根bar前30分钟以及后30分钟内单根bar收益率，并针对于每根bar收益率进行20天平均作为月末调仓因子，ICIR如图3所示。 图3：最极端收益前呈现反转，最极端收益后呈现动量（单根bar收益率ICIR） 数据来源：Wind、开源证券研究所 从图3我们可以看出，在S最高那根bar之前和之后呈现明显不同的选股效应，具体为： （1）最极端收益前呈现反转特性。我们认为具有强反转的最极端收益的出现打破了弱反转现象，而且从弱反转至强反转会存在一定渐变过程，所以最极端收益前的分钟收益率整体呈现负IC，且离最极端收益率那根bar越近反转效应越强。 （2）最极端收益后呈现动量特性。我们认为从相关性的传导可以解释这一现象。在这里我们统计了最极端收益前和后的单根bar收益率与最极端收益率的相关性，如图4所示。从图4我们可以看出：最极端收益前的收益率与最极端收益率呈现正相关，且离最极端收益率越近正相关性越高；最极端收益后的收益率与最极端收益率 呈现负相关，且离最极端收益率越近负相关性越高。图4：最极端收益前后的收益率呈现负相关 数据来源：Wind、开源证券研究所 结合图4，最极端收益后的动量现象可以被解释为：最极端收益以及之前的分钟收益率与下月收益率为负相关，而且和最极端收益之后分钟收益率也呈现负相关，所以最极端收益率后分钟收益率普遍呈现正IC，上述过程可以被示意为图5。 图5：最极端收益后动量因子的alpha传导链 资料来源：开源证券研究所 对于最极端收益因子而言，我们可以进一步进行改进：即把最极端收益率前1分钟的收益率信息也利用进来。但是考虑到二者可能存在量级的差别，结合方式并不是数值相加，而是使用排序相加，合成后的因子十分组多空对冲净值如图6所示。 从图6我们可以发现：相比于最极端收益，把前1分钟收益率也考虑进来效果有一定提升，年化收益率从19.10%提升至19.58%，信息比例从2.73提升至3.01。（后续会对极端收益率前纳入的分钟数做敏感性分析，敏感性不高） 图6：相比于最极端收益，考虑前1分钟后，信息比率从2.73提升至3.01 数据来源：Wind、开源证券研究所 2、日内第N极端收益的alpha信息 在文章的第一部分，我们讨论了最极端收益的相关alpha信息，接下来我们将最极端这一标准放开，考虑第N极端的alpha信息，其中第N极端收益因子的计算方式为：每月底回看过去20天，计算每天第N极端收益率，并将20天进行平均。进一步我们对参数N进行遍历，如图7所示，我们发现第N极端收益因子选股ICIR随N增加基本呈现递减规律，而且在N大于10之后ICIR绝对幅度就在1.5以下。 图7：单根极端收益率选股ICIR随N增加基本呈现递减规律 数据来源：Wind、开源证券研究所 在第一部分的分析中，我们发现最极端收益率前1分钟也具备一定alpha信息。进一步，对于第N极端收益率，我们也将其前1分钟采用排序合成给包括进去，效果如图8所示。我们发现结合各自前1分钟收益率之后，所有的单根第N极端收益的选股ICIR效果都得到了提升，而且也是基本呈现单调递减的规律。 最后我们将前N（极端收益率+前1分钟）进行排序合成，如图9所示，我们可 以可以看出：最极端收益+前1分钟收益的因子效果是最好的。因此，在本篇报告中，我们定义“最极端收益+前1分钟收益”为极端收益率反转因子（ExtremeReturn ReversalFactor，简称ERR因子）。 图8：单根极端收益率+前1分钟选股ICIR随N增加基本呈现递减规律 图9：前N（极端收益率+前1分钟）选股ICIR随N增加基本呈现递减规律 数据来源：Wind、开源证券研究所数据来源：Wind、开源证券研究所 对于最终给出的ERR因子而言，RankIC均值-7.08%，RankICIR-3.18，10分组多空对冲年化收益率19.58%，信息比率3.01，胜率81.90%，最大回撤5.71%。其10分组的效果如图10所示。 图10：ERR因子的10分组多空信息比率为3.01