金融工程专题研究：风险溢价视角下的动量反转统一框架

证券研究报告|2022年12月07日 金融工程专题研究 风险溢价视角下的动量反转统一框架 核心观点金融工程专题报告 动量和反转的统一框架 A股市场短期呈现出非常强的反转效应而长期动量效应并不显著。反转和动量都是由个股的日度收益组合而成，但是宏观性质却完全不同，我们认为其原因在于看似相同的日度收益实际可能其性质完全不同，类似于同一分子式可能“左旋”或“右旋”从而表现出不一样的化学性质。投资者的反应过度和反应不足体现在每个交易日中，因而股票的每日收益可能因为每日风险高低而分别体现出类似于分子“左旋”和“右旋”的反转、动量的特性。 我们设想风险较高日获得的收益往往通过承担高风险带来，其更多来源于投资者的过度自信导致的反应过度，因而未来倾向于反转，而低风险日获得的收益并不源于承担高风险，因而未来偏向于动量，我们以时序均值调整后的风险指标来加权个股每日的溢价，并以此构建统一的动量反转因子。 风险溢价下的统一动量反转因子——国信UMR因子 我们从股票日度的真实波动、换手率，日内的大单买入均价偏离、小单主动买入金额占比、平均单笔成交量，分钟高频的早盘尾盘成交占比、分钟收益波动率、分钟收益偏度等维度刻画股票的日度风险并用以调整其每日超额收益是偏向于反转还是动量，并加权得到风险调整后的UMR因子，每个调整后的因子都具有非常显著的选股能力，复合UMR因子月度IC均值达到0.114，年化ICIR达5.04，IC月度胜率93%，月均多头超额1.26%。并且不管是1个月还是1年的窗口下，因子都表现出持续同向的动量效应，并且选股效果衰减非常缓慢。 UMR因子的增益 UMR因子剥离掉所有常见alpha因子后仍然具有非常显著的选股能力，残差因子IC均值0.045，年化ICIR仍然高达3.41，IC月度胜率83%。 由于各家机构采用的因子库可能有差异，我们通过对因子库重复随机采样来观察UMR因子是否均有信息增量，从结果来看引入UMR因子的中证500增强组合年化超额收益平均提高1.12%。 将UMR因子加入现有的指数增强模型后，沪深300增强模型年化超额从16.82%提升到17.55%，信息比从3.33提升到3.60，今年以来超额从7.08%提升到10.12%；中证500增强模型年化超额从18.70%提升到20.77%，信息比从3.48提升到3.89，今年以来超额从5.33%提升到9.07%。 衍生UMR因子 以UMR因子的框架为基础，我们将该框架复用到其他指标例如日内超额、日度换手上，构建了改进后的日内超额和换手UMR因子，三个月日内收益因子的ICIR从-2.99提升到4.95，三个月换手因子的ICIR从-2.59提升到3.93，因子的选股能力都得到了显著提升。 风险提示：市场环境变动风险，因子失效风险。 金融工程·数量化投资 证券分析师：杨怡玲证券分析师：张欣慰 021-60875176021-60933159 yangyiling@guosen.com.cnzhangxinwei1@guosen.com.cn S0980521020001S0980520060001 相关研究报告 《超预期投资全攻略》——2020-09-30 《基于优秀基金持仓的业绩增强策略》——2020-11-15 《基于分析师认可度的成长股投资策略》——2021-05-12 《基于分析师推荐视角的港股投资策略》——2021-05-13 《北向因子能否长期有效？——来自亚太地区的实证》 ——2021-05-17 《基于风险预算的中证500指数增强策略》——2021-10-20 《动量类因子全解析》——2021-12-13 《寻找业绩与估值的错配：非理性估值溢价因子》 ——2021-12-15 《券商金股全解析—数据、建模与实践》—2022-02-18 《聚焦小盘股——如何构建小市值股票投资策略？》 —2022-04-05 《反转因子全解析》—2022-06-14 《价量类风险因子挖掘初探》—2022-06-22 《隐式框架下的特质类因子改进》—2022-08-17 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 动量和反转的统一框架5 动量和反转的差异5 主动交易之谜5 动量和反转的统一框架6 风险溢价下的统一动量反转因子9 TR调整下的UMR9 换手调整下的UMR12 大单均价偏离调整下的UMR13 小单主动买入占比调整下的UMR15 平均单笔成交量调整下的UMR16 早盘尾盘成交占比调整下的UMR18 分钟收益波动率调整下的UMR19 分钟收益偏度调整下的UMR21 风险溢价下复合UMR因子22 复合UMR因子选股效果22 宽基股票池内的选股效果25 指数增强模型中的增益25 衍生UMR因子30 TR调整下的日内超额UMR30 TR调整下的换手UMR31 总结33 参考文献34 免责声明35 图表目录 图1：动量与反转因子十组分档月度超额收益5 图2：动量与反转因子多空相对强弱5 图3：高风险股票当月超额收益6 图4：高风险股票下月超额收益6 图5：动量与反转的统一框架8 图6：TR调整下UMR因子十组分档月度超额10 图7：TR调整下UMR因子月度IC及累计IC10 图8：TR调整下UMR因子的构成10 图9：换手调整下UMR因子十组分档月度超额13 图10：换手调整下UMR因子月度IC及累计IC13 图11：大单均价偏离调整下UMR因子十组分档月度超额14 图12：大单均价偏离调整下UMR因子月度IC及累计IC14 图13：小单买入占比调整下UMR因子十组分档月度超额16 图14：小单买入占比调整下UMR因子月度IC及累计IC16 图15：单笔成交量调整下UMR因子十组分档月度超额17 图16：单笔成交量调整下UMR因子月度IC及累计IC17 图17：早尾盘成交占比调整下UMR因子十组分档超额19 图18：早尾盘成交占比调整下UMR因子月度IC及累计IC19 图19：分钟波动率调整下UMR因子十组分档月度超额20 图20：分钟收益波动率调整下UMR因子月度IC及累计IC20 图21：分钟收益偏度调整下UMR因子十组分档月度超额22 图22：分钟收益偏度调整下UMR因子月度IC及累计IC22 图23：复合UMR因子十组分档超额24 图24：复合UMR因子月度IC及累计IC24 图25：复合UMR因子多空相对走势24 图26：复合UMR因子和其他因子的相关系数27 图27：残差UMR因子十组分档超额27 图28：残差UMR因子月度IC及累计IC27 图29：随机抽取50%因子复合前后中证500增强组合超额28 图30：随机抽取50%因子复合前后中证500增强组合信息比28 图31：TR调整前后日内超额因子十组分档超额31 图32：TR调整前后日内超额因子多头及多空走势31 图33：TR调整前后换手因子十组分档超额32 图34：TR调整前后换手因子多头及多空走势32 表1：风险指标代理变量9 表2：TR调整下UMR因子的成分因子的选股能力11 表3：TR调整下UMR因子相对于两个成分因子的信息增量11 表4：TR调整下UMR因子不同时间周期下的选股能力12 表5：换手调整下UMR因子不同时间周期下的选股能力13 表6：大单均价偏离调整下UMR因子不同时间周期下的选股能力15 表7：小单买入占比调整下UMR因子不同时间周期下的选股能力16 表8：平均单笔成交量调整下UMR因子不同时间周期下的选股能力18 表9：早盘尾盘成交占比调整下UMR因子不同时间周期下的选股能力19 表10：分钟收益波动率调整下UMR因子不同时间周期下的选股能力21 表11：分钟收益偏度调整下UMR因子不同时间周期下的选股能力22 表12：UMR因子相关系数23 表13：复合UMR因子的选股能力23 表14：复合UMR因子不同窗口下的选股能力25 表15：复合UMR因子在不同指数成分股内的选股能力25 表16：因子库26 表17：国信UMR因子在指数增强模型中的增益30 表18：TR调整前后三个月日内超额收益因子的选股能力31 表19：TR调整前后三个月换手因子的选股能力32 动量和反转的统一框架 动量和反转的差异 经典的有效市场假说认为历史价格不能预测股票的未来收益，作为挑战该假说的最有力代表，动量和反转效应一经提出对其的研究便经久不衰。A股市场的短期反转因子和长期动量因子的历史表现如下图1-2所示。可以看到，A股市场短期呈现出非常强的反转效应而长期动量效应并不显著，因此A股市场过去的研究往往将它们当成两个不同维度的因子来看待。在我们的前期报告《动量类因子全解析》(20211213)和《反转因子全解析》(20220614)中，我们也分别对动量和反转因子做了深入的探讨和改进。 图1：动量与反转因子十组分档月度超额收益图2：动量与反转因子多空相对强弱 资料来源：Wind，国信证券经济研究所整理资料来源：Wind，国信证券经济研究所整理 过往的研究中，我们观察到反转和动量效应的显著差异，但是目前并没有一个公认的逻辑能够解释其差异的核心来源。在本篇报告中，我们尝试从第一性原理出发，借鉴物理和化学原理来重新审视反转和动量因子的差异。类似于物质由更细粒度的原子组合而成，石墨和钻石都是由性质完全相同的碳原子构成，但是由于它们的结合方式不同导致它们的宏观性质完全不同，微观下相同原子不同的结合方式带来了宏观上物质的多样性。反转和动量都是由个股的日度收益拼接组合而成，它们的微观构成都是同样的日度收益数据，看上去只有观察窗口长度的差异，但是在宏观上却展现出完全不一样的性质。这引发我们思考，是否因为看似相同的日度收益其实并不是同性质的“原子”，可能更类似于化学结构中的左旋分子和右旋分子，虽然分子式一样，但是其性质却完全不同。如果这种类比假设成立，我们就可以从分子左右旋“手性”的视角来对股票看似相同的日度收益进行重新定性，并对日度收益的左右旋的“手性”进行调整，使得动量和反转在宏观层面的性质能够统一。 主动交易之谜 “高风险高收益”是萦绕在每个市场交易者耳边的话语，尤其是热衷于市场投机的交易者的金科玉律。我们也对这一现象做了一个简单的测试，我们以高波动、高换手作为股票高风险的代理指标，在每个月末将股票当月的波动率或换手率从低到高排序分为十组，检验各组内股票当月相对于市场的超额收益。从下面左图3 可以看到，波动率和换手率较高（第10组）的股票当月平均分别能够跑赢市场11%和6%，收益非常可观，这确实验证了高风险高收益的现象，这可观的收益也解释了为什么很多短线交易者对于高波动股票的投机交易十分热衷。 图3：高风险股票当月超额收益图4：高风险股票下月超额收益 资料来源：Wind，国信证券经济研究所整理资料来源：Wind，国信证券经济研究所整理 但是同时我们也可以看到，高风险的股票在下个月的收益情况，如上面右图4所示。波动率和换手率较高（第10组）的股票在下月平均分别跑输市场1.2%、1.5%。这也告诉我们，高风险带来的高收益并不能够持续，并且呈现出非常显著的反转效应。 对于以上现象的一种较为普遍的解释是投资者的过度自信效应[Daniel2015]。每个投资者都基于自己对于股票信息的掌握来对股票进行主动交易，其往往对于其自身对于股票价值的判断过于自信，这种过于自信驱动投资者更多地参与交易，导致这些股票反应过度而跑输市场。这也就是所谓的“主动交易之谜”（theactiveinvestingpuzzle）。这种过度自信的来源一般认为是投资者的自我归因偏误[Daniel1998],[Gervais2001]。获得高收益的投资者将这种高收益归因为自身的经验和技术从而更加自信，而获得低收益的投资者将这种低收益归因为运气不佳。尤其是在流动性差、很难做空的股票市场中，这种过度自信导致的反应过度会更加显著[Miller1977]。投资者的这种过度自信带来的反应过度导致股票未来的收益呈现出反转而非动量效应。另外，对于动量在不同环境下表现的差异也有很多研究进行探讨。[Daniel201