“求索动量因子”系列研究（五）：成交量对动量因子的修正-殊途同归的聪明版

“求索动量因子”系列研究（🖂） 证券研究报告·金融工程·金工专题报告 成交量对动量因子的修正——殊途同归的聪明版 研究结论 前言：东吴金工在以往“动量因子切割”研究的基础上，加入“量”的信息，发现日内与隔夜的价量关系，蕴藏着不同的特征与逻辑：日内高换手率对应的日内收益提供反转信号，而前一交易日高换手率对应的隔夜收益提供动量信号。本篇报告尝试在此基础上，寻找更加有效的特征来加强 动量因子的信号。 隔夜价量的改进：知情交易者的比例在下午最后半小时的交易时段会有所提升，使用昨日部分交易时段换手率对隔夜收益进行切割，效果最好的是14点30分至15点0分，即最后半小时。 日内价量的改进：将日内收益拆分为上午收益和下午收益，分别使用上午换手率和下午换手率进行切割；再根据股价涨跌幅方差与成交量大致成正比的特性，计算日内每分钟的标准化股价涨跌幅作为“聪明”指标，衡量该分钟知情交易的参与度。将当日上、下午“聪明”指标最大的各 20%（24分钟）作为知情交易最集中的“聪明”时段，使用该时段换手率对上、下午收益进行切割，最终得到的“聪明”日内因子10分组多空对冲信息比率从1.72提升至2.45。 “聪明”动量因子：分别对日内、隔夜因子进行改进后，重新合成的“聪明”动量因子在回测期2014/01/01-2023/04/30内，以全体A股为研究样本，IC均值为-0.055，年化ICIR为-2.58，10分组多空对冲的年化收益约为27.01%，信息比率约为2.79，月度胜率为76.58%，最大回撤为 8.49%；正交中信一级行业与Barra风格因子后，纯净因子10分组多空信息比率仍有2.62。 风险提示：（1）本报告所有统计结果均基于历史数据，未来市场可能发生重大变化；（2）单因子模型风险；（3）数据测算误差风险。 2023年06月12日 证券分析师高子剑 执业证书：S0600518010001 021-60199793 gaozj@dwzq.com.cn 研究助理庞格致 执业证书：S0600122090090 panggz@dwzq.com.cn 相关研究 《成交量对动量因子的修正：日与夜之殊途同归》 2019-08-29 1/35 东吴证券研究所 1.前言5 1.1.动量因子——日与夜的切割5 1.2.日内价量，锦上添花6 1.2.1.传统日内因子6 1.2.2.日内价量关系7 1.2.3.新日内因子8 1.3.隔夜价量，雪中送炭9 1.3.1.传统隔夜因子9 1.3.2.隔夜因子增强初探10 1.3.3.隔夜与日内的本质区别11 1.3.4.隔夜真正的价量关系12 1.3.5.新隔夜因子12 1.4.日以继夜，殊途终可同归13 2.改进隔夜动量因子15 3.改进日内动量因子19 3.1.日内交易时段的切割19 3.2.用“聪明”指标锁定重要时段21 4.其他重要讨论24 4.1.动量因子的多空收益分解24 4.2.新旧因子的相关性24 4.3.新因子作为老因子的加速器25 4.4.动量因子的分年度表现25 4.5.纯净动量因子的表现26 4.6.动量因子的参数敏感性27 4.7.其他样本空间的情况28 4.8.指数增强投资组合的构建28 4.9.动量因子正交传统动量因子30 5.总结33 6.风险提示33 2/35 东吴证券研究所 图1：传统动量因子10分组及多空对冲净值走势（回看20日）5 图2：日与夜的切割6 图3：传统日内因子10分组及多空对冲净值走势（回看20日）7 图4：局部日内因子年化ICIR（回看20日）8 图5：新日内因子10分组及多空对冲净值走势（回看20日）9 图6：传统隔夜因子10分组及多空对冲净值走势（回看20日）10 图7：局部隔夜因子年化ICIR（回看20日，错误切割）10 图8：股票的实际隔夜波动率与理论隔夜波动率之比11 图9：局部隔夜因子年化ICIR（回看20日，正确切割）12 图10：新隔夜因子10分组及多空对冲净值走势（回看20日）13 图11：新旧日内因子10分组对冲净值（回看20日）14 图12：新旧隔夜因子10分组对冲净值（回看20日）14 图13：新动量因子10分组及多空对冲净值走势（回看20日）14 图14：新旧动量因子10分组多空对冲净值走势（回看20日）15 图15：日内不同时刻的信息交易概率的均值16 图16：用不同时段换手率得到的局部隔夜因子的年化ICIR16 图17：股票实际隔夜波动率与新版理论隔夜波动率之比17 图18：night_1430因子10分组及多空对冲净值走势（回看20日）18 图19：mom_1430因子的10分组及多空对冲净值走势（回看20日）18 图20：新旧隔夜因子10分组对冲净值走势19 图21：新旧动量因子10分组对冲净值走势19 图22：动量因子mom_1430_apm的10分组及多空对冲净值走势20 图23：新旧日内因子10分组对冲净值走势21 图24：新旧动量因子10分组对冲净值走势21 图25：“聪明”日内因子day_smart的10分组及多空对冲净值走势22 图26：“聪明”动量因子mom_1430_smart的10分组及多空对冲净值走势22 图27：三种日内因子的10分组对冲净值走势23 图28：四种动量因子的10分组对冲净值走势23 图29：纯净聪明动量因子的10分组多空对冲净值走势27 图30：纯净新旧动量因子的10分组多空对冲净值走势27 图31：沪深300中不同投资组合的净值走势29 图32：中证500中不同投资组合的净值走势29 图33：中证1000中不同投资组合的净值走势30 图34：mom_cor_deRet20因子的10分组及多空对冲净值走势31 图35：mom_1430_deRet20因子的10分组及多空对冲净值走势31 图36：mom_1430_apm_deRet20因子的10分组及多空对冲净值走势32 图37：mom_1430_smart_deRet20因子的10分组多空对冲净值走势32 表1：新旧动量因子10分组多空对冲的绩效指标对比（回看20日）15 表2：用不同时段换手率得到的局部隔夜因子的年化ICIR17 表3：使用最后半小时换手率前后的隔夜因子和动量因子的10分组多空对冲绩效指标19 3/35 东吴证券研究所 表4：日内价量的重新拆分与匹配20 表5：使用“聪明”时段换手率的日内因子的10分组多空对冲绩效指标21 表6：改进前后日内因子、动量因子的10分组多空对冲绩效指标23 表7：动量因子mom_cor和mom_1430_smart的多空收益分解24 表8：新旧日内、隔夜、动量因子的相关系数24 表9：三种新因子作为老因子的加速器的多空对冲绩效指标25 表10：动量因子mom_cor的分年度表现25 表11：“聪明”动量因子mom_1430_smart的分年度表现26 表12：新旧动量因子与常用Barra风格因子的相关系数26 表13：纯净“聪明”动量因子mom_1430_smart的分年度表现27 表14：新旧动量因子的参数敏感性28 表15：三种动量因子在沪深300、中证500、中证1000上的10分组多空对冲绩效指标28 表16：不同投资组合的绩效指标30 表17：四种动量因子正交传统动量因子的10分组多空对冲绩效指标33 4/35 东吴证券研究所 1.前言 1.1.动量因子——日与夜的切割 动量因子自1993年被发现以来，就成为量化投资领域最常用的选股因子之一，多年来经久不衰，从未离开过我们的研究札记。动量之于A股市场，呈现较为显著的中长期反转现象，但令人扼腕的是，A股市场中动量因子的反转效应并非一直稳定。以20日收益率因子为例，在2014/01/01-2023/04/30期间，传统动量因子在全体A股上的表现如图1所示，10分组多空对冲信息比率约为1.10，胜率62.16%，最大回撤约为20.88%，稳定性较差，如2023年以来几乎完全失效。 图1：传统动量因子10分组及多空对冲净值走势（回看20日） ¾1¾2¾3¾4 7 ¾5 ¾9 ¾6 ¾10 6 5 4 3 2 1 0 ¾7¾8 ¾1-¾10 2 数据来源：Wind资讯，东吴证券研究所 东吴金工团队在动量领域做了诸多研究，试图提高其稳定性。正所谓“山重水复疑无路，柳暗花明又一村”，在坚持不懈的努力下，基于挖掘“投资者交易行为的特征”，我们曾剔除些许改进传统动量因子的方法，如“凤鸣朝阳”模型、“枯树生花”模型等。 价量关系是金融市场最经典的理论之一，价格的涨跌往往需要量来支撑与确认。东吴金工于2019年8月29日发布的报告《成交量对动量因子的修正：日与夜之殊途同归》在以往“动量因子切割”研究的基础上，加入“成交量”的信息，最终发现，日内与隔夜的价量关系，其实蕴藏着不同的特征与逻辑，而这两种不同的特征，最终都可用于有效甄别动量因子信号的强弱。 5/35 东吴证券研究所 图2：日与夜的切割 数据来源：东吴证券研究所绘制 1.2.日内价量，锦上添花 传统的动量因子定义为股票过去一段时间的累计收益，按照图2的方法，可以被切割为日内因子与隔夜因子。本节内容先行探究日内部分的价量关系。 1.2.1.传统日内因子 以20日为例，传统日内因子定义为股票过去20个交易日的累计日内收益，若股票 A某日的日内收益（今收/今开-1）为𝑟𝑡，则该股票的传统日内因子OLD_Intraday即为： OLD_Intraday=(1+𝑟1)×(1+𝑟2)×(1+𝑟3)×⋯×(1+𝑟20)−1 在2014/01/01-2023/04/30期间，以全体A股为研究样本（剔除其中的ST股、停牌股以及上市不足60个交易日的次新股），传统日内因子呈现显著的反转效应，月度IC均值约为-0.059，RankIC均值约为-0.068，年化ICIR约为-1.67，年化RankICIR约为-1.75。 每月将所有样本按照传统日内因子值分组排序，10分组回测及多空对冲净值走势如下图3所示，多空对冲年化收益约为24.29%，信息比率约为1.34，胜率63.96%，最大回撤约为19.28%。 6/35 图3：传统日内因子10分组及多空对冲净值走势（回看20日） 9 ¾1 ¾5 ¾9 ¾2 ¾6 ¾10 ¾3 ¾7 ¾1-¾10 ¾4 ¾8 8 7 6 5 4 3 2 1 0 2014201520162017201820192020202120222023 数据来源：Wind资讯，东吴证券研究所 1.2.2.日内价量关系 传统日内因子的表现略优于整体因子，但与传统整体因子一样，其10分组排序不单调，且在部分时段波动较大，稳定性不强。 众所周知，在时间匹配的情况下，量往往会对价格的变动起到确认或是增强的作用。在传统的日内因子上，我们猜测也会有同样的结果，即日内换手率越大，日内收益对未来收益的负向指示作用越强，日内因子的选股能力也越出色。 因此，每月月底，我们将每只股票过去20个交易日的日内收益，按照当日日内换 手率（即当日总换手率减去开盘集合竞价换手率）从低到高排序，等分为5组，每一组计算该组日内收益的平均值，即可得到5个局部的日内因子。具体来看，若股票A过去20个交易日的日内收益按照当日日内换手率从低到高排序后，依次记为𝑟′，𝑟′，， 12 20 𝑟′，则5个局部日内因子定义为： Intraday_part1=mean(𝑟′,𝑟′,𝑟′,𝑟′) 1234 Intraday_part2=mean(𝑟′,𝑟′,𝑟′,𝑟′)Intraday_part3=mean(𝑟′,𝑟′,𝑟′,𝑟′) 5678 910 1112 Intraday_part4=mean(𝑟′,𝑟′,𝑟′,𝑟′)Intraday_part5=mean(𝑟′,𝑟′,𝑟′,𝑟′) 1314 1516 17181920 接下来，同样以2014/01/01-2023/04/30为回测时间