“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172提升至245。 “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2014010120230430内，以全体A股为研究样本，IC均值为0055，年化ICIR为258，10分组多空对冲的年化收益约为2701，信息比率约为279，月度胜率为7658，最大回撤为 849；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262。 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 02160199793 gaozjdwzqcomcn 研究助理庞格致 执业证书：S0600122090090 panggzdwzqcomcn 相关研究 《成交量对动量因子的修正：日与夜之殊途同归》 20190829 135 东吴证券研究所 1前言5 11动量因子日与夜的切割5 12日内价量，锦上添花6 121传统日内因子6 122日内价量关系7 123新日内因子8 13隔夜价量，雪中送炭9 131传统隔夜因子9 132隔夜因子增强初探10 133隔夜与日内的本质区别11 134隔夜真正的价量关系12 135新隔夜因子12 14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 31日内交易时段的切割19 32用“聪明”指标锁定重要时段21 4其他重要讨论24 41动量因子的多空收益分解24 42新旧因子的相关性24 43新因子作为老因子的加速器25 44动量因子的分年度表现25 45纯净动量因子的表现26 46动量因子的参数敏感性27 47其他样本空间的情况28 48指数增强投资组合的构建28 49动量因子正交传统动量因子30 5总结33 6风险提示33 235 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：night1430因子10分组及多空对冲净值走势（回看20日）18 图19：mom1430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mom1430apm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daysmart的10分组及多空对冲净值走势22 图26：“聪明”动量因子mom1430smart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：momcordeRet20因子的10分组及多空对冲净值走势31 图35：mom1430deRet20因子的10分组及多空对冲净值走势31 图36：mom1430apmdeRet20因子的10分组及多空对冲净值走势32 图37：mom1430smartdeRet20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19 335 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momcor和mom1430smart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momcor的分年度表现25 表11：“聪明”动量因子mom1430smart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mom1430smart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33 435 东吴证券研究所 1前言 11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2014010120230430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110，胜率6216，最大回撤约为2088，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） 1234 7 5 9 6 10 6 5 4 3 2 1 0 78 110 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。 535 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 12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。 121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，则该股票的传统日内因子OLDIntraday即为： OLDIntraday1112131201 在2014010120230430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0059，RankIC均值约为0068，年化ICIR约为167，年化RankICIR约为175。 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2429，信息比率约为134，胜率6396，最大回撤约为1928。 635 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 1 5 9 2 6 10 3 7 110 4 8 8 7 6 5 4 3 2 1 0 2014201520162017201820192020202120222023 数据来源：Wind资讯，东吴证券研究所 122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，，， 12 20 ，则5个局部日内因子定义为： Intradaypart1mean 1234 Intradaypart2meanIntradaypart3mean 5678 910 1112 Intradaypart4meanIntradaypart5mean 1314 1516 17181920 接下来，同样以2014010120230430为回测时间段，以全体A股为研究样本，考察上述5个局部日内因子的选股能力，比较因子的年化ICIR，具体结果如下图4所示。 735 东吴证券研究所 图4：局部日内因子年化ICIR（回看20日） 数据来源：Wind资讯，东吴证券研究所 可以发现，随着换手率的逐渐增大，局部日内因子的年化ICIR的绝对值呈现逐渐增大的趋势，这与我们的预期相符，即“日内的量”对“日内的价”确实起到了增强作用，对应换手率越大的局部日内因子，选股能力越强。 基于传统日内因子本身就具有不错的选股能力，我们将上述“日内量”对“日内价”的增强作用称为“锦上添花”。 123新日内因子 根据上一小节的结果，我们取日内因子两端的分之一，即“因子1（低换手）”和“因子5（高换手）”，合成新的日内因子，具体方法为：每月月底计