金工定期报告：优加换手率UTR2.0选股因子2.0绩效月报

金工定期报告20230703 证券研究报告·金融工程·金工定期报告 优加换手率UTR2.0选股因子2.0绩效月报 20230630 优加换手率UTR2.0因子多空对冲绩效（全市场）：2006年1月至今，优加换手率UTR2.0因子在全体A股中，10分组多空对冲的年化收益为41.03%，年化波动为13.73%，信息比率为2.98，月度胜率为77.03%月度最大回撤为10.04%。 6月份优加换手率UTR2.0因子收益统计：在全体A股中，十分组多头组合的收益率为2.35%，十分组空头组合的收益率为4.55%，十分组多空对冲的收益率为-2.20%。 优加换手率UTR2.0因子选股模型简介：针对量稳因子和量小因子进行结合时，对因子值的使用从次序尺度改为等比尺度之后，我们构造了优价换手率UTR2.0（U-TurnoverRate2.0）。在回测期2006/01/01-2023/03/31内，以全体A股为研究样本，UTR2.0因子的月度IC均值 为-0.064，RankIC均值为-0.083，年化ICIR为-2.39，年化RankICIR为 -3.95，在全市场10分组多空对冲的年化收益为35.24%，年化波动为10.99%，信息比率为3.21，月度胜率为82.04%，最大回撤为9.27%。和原UTR因子相比，新因子的收益有所降低，但波动率、信息比率和月度胜率都更优。 风险提示：模型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；单因子的收益可能存在较大波动，实际应用需结合资金管理、风险控制等方法。 2023年07月03日 证券分析师高子剑 执业证书：S0600518010001 021-60199793 gaozj@dwzq.com.cn 研究助理凌志杰 执业证书：S0600123040053 lingzhj@dwzq.com.cn 相关研究 《“技术分析拥抱选股因子”系列研究（八）：优加换手率——解决1+1<2的难题》 2021-08-19 《“技术分析拥抱选股因子”系列研究（七）：量稳换手率选股因子——量小、量缩，都不如量稳？》 2021-05-15 《“技术分析拥抱选股因子”系列研究（十二）：优加换手率UTR选股因子2.0》 2021-08-19 1/18 东吴证券研究所 内容目录 1.优加换手率UTR2.0因子绩效回顾4 2.附录：优加换手率UTR2.0因子选股模型简介6 2.1.等比尺度、激活函数与优加换手率2.06 2.2.UTR2.0因子分年度表现9 2.3.纯净UTR2.0因子的表现10 2.4.UTR2.0因子的参数敏感性12 2.5.UTR2.0因子的多空收益分解13 2.6.其他样本空间的情况14 2.7.指数增强投资组合的构建15 3.风险提示17 2/18 东吴证券研究所 图表目录 图1：优加换手率UTR2.0因子十分组及多空对冲净值走势（2006/02-2023/06）5 图2：优加换手率UTR2.0因子多头净值6月走势5 图3：激活函数：softsign7 图4：激活函数tanh7 图5：STR、Turn20二元函数等高线7 图6：量小、量稳双重分组下各组的年化收益7 图7：新优加换手率因子UTR2.0的10分组及多空对冲净值走势9 图8：纯净UTR2.0的10分组及多空对冲净值走势11 图9：量小、量稳、优加因子多空净值（回看40日）13 图10：量小、量稳、优加因子多空净值（回看60日）13 图11：沪深300中不同投资组合的净值走势15 图12：中证500中不同投资组合的净值走势15 图13：中证1000中不同投资组合的净值走势16 表1：优加换手率UTR2.0因子的10分组多空对冲绩效指标（2006/02-2023/06）5 表2：在量稳因子的十分组下，量小因子的收益率趋势6 表3：新优加换手率因子UTR2.0的10分组多空对冲绩效指标9 表4：新优加换手率因子UTR2.0的分年度表现10 表5：UTR1.0、UTR2.0与常用Barra风格因子的相关系数11 表6：纯净UTR2.0因子的分年度表现12 表7：量小、量稳、优加因子的10分组多空对冲绩效指标（回看40、60日）13 表8：新优加换手率因子UTR2.0的多空收益分解14 表9：量稳换手率STR因子的多空收益分解14 表10：量小、量稳、优加因子在沪深300、中证500、中证1000的多空对冲绩效指标14 表11：沪深300不同投资组合的绩效指标16 表12：中证500不同投资组合的绩效指标16 表13：中证1000不同投资组合的绩效指标17 3/18 东吴证券研究所 1.优加换手率UTR2.0因子绩效回顾 在2021年8月19日发布的报告《优加换手率——解决1+1<2的难题》中，我们对量小因子和量稳因子给出的结合方式“优加法”如下： （1）每月月底，计算所有股票的量小因子Turn20和量稳因子STR； （2）先将所有样本按照量稳因子从小到大排序，打分1,2,……,N-1,N，N为当期样本数量，记为“得分1”； （3）对于量稳因子排名靠前的50%样本，再将它们按照量小因子从大到小排序，打分1,2,……,N/2，记为“得分2”；“得分1”+“得分2”，即为这些股票的最终得分； （4）对于量稳因子排名靠后的50%样本，则将它们按照量小因子从小到大排序，打分1,2,……,N/2，记为“得分3”；这些股票的最终得分为“得分1”+“得分3”； 得到的新因子命名为“优加换手率因子”，简称UTR因子（U-TurnoverRate）。在“优加法”中，最关键的是步骤（3），它实现了“在量较稳的样本中，我们希望量反而越大越好”的目的。 先前在对量稳因子和量小因子进行结合时，我们使用的是因子的排序，即次序尺度；这相比使用因子值本身，即等比尺度，可能丢失一些信息。此外，在使用优加法时，我们默认了在量稳的股票中，量小因子的作用方向、大小均一致。但实际上，对不同的主分组，量小因子的作用大小是不同的。 因此，我们在对量小因子和量稳因子进行结合时，考虑给量小因子配上系数，代表量小因子对收益率的作用——量越稳，正作用越强；量越不稳，负作用越强。因此，量小因子的系数应是量稳因子的函数。神经网络中的激活函数正符合我们的需求。 将对因子值的使用从次序尺度改为等比尺度之后，我们对优加换手率UTR2.0因子的构造方式如下： UTR2.0=STR+𝑠𝑜𝑓𝑡𝑠𝑖𝑔𝑛(STR)∙Turn20 其中：𝑠𝑜𝑓𝑡𝑠𝑖𝑔𝑛(𝑥)=�。 1+|𝑥| 2006年1月至今，优加换手率UTR2.0因子在全体A股中，10分组多空对冲的年化收益为41.03%，年化波动为13.73%，信息比率为2.98，月度胜率为77.03%，月度最大回撤为10.04%。 4/18 ¾1 ¾5 ¾9 ¾2 ¾6 ¾10 ¾3 ¾7 ¾1-¾10() ¾4 ¾8 图1：优加换手率UTR2.0因子十分组及多空对冲净值走势（2006/02-2023/06） 450 400 350 300 250 200 150 100 50 0 200620072008200920102011201220132014201520162017201820192020202120222023 数据来源：Wind资讯，东吴证券研究所 表1：优加换手率UTR2.0因子的10分组多空对冲绩效指标（2006/02-2023/06） 全体A股 年化收益率 41.03% 年化波动率 13.73% 信息比率 2.98 月度胜率 77.03% 最大回撤率 10.04% 数据来源：Wind资讯，东吴证券研究所 在全体A股中，6月份优加换手率UTR2.0十分组多头组合的收益率为2.35%，十分组空头组合的收益率为4.55%，十分组多空对冲的收益率为-2.20%。 在全体A股中，选优加换手率UTR2.0因子值最小的10%，等权重构成优加换手率UTR2.0组合。该组合在2023年6月的净值走势如图2所示。 图2：优加换手率UTR2.0因子多头净值6月走势 5/18 东吴证券研究所 “AÇUTR”¾WindcA¾ 1.05 1 0.95 05/3106/0706/1406/2106/30 数据来源：Wind资讯，东吴证券研究所 2.附录：优加换手率UTR2.0因子选股模型简介 2.1.等比尺度、激活函数与优加换手率2.0 先前在对量稳因子和量小因子进行结合时，我们使用的是因子的排序，即次序尺度；这相比使用因子值本身，即等比尺度，可能丢失一些信息。此外，在使用优加法时，我们默认了在量稳的股中，量小因子的作用方向、大小均一致。但实际上，对不同的主分组，量小因子的作用大小是不同的。 我们将每一列收益率序列对其分组序号1,2,…,10进行一元线性回归，得到的斜率作为收益率的趋势，用于衡量量小因子的作用，结果如表2所示。分组1的值为0.84%，代表平均而言，在量最稳的分组中，下一组的收益率要比上一组高0.84%。 表2：在量稳因子的十分组下，量小因子的收益率趋势 量小因子的趋势 量小因子的趋势 分组1 0.84% 分组6 -0.05% 分组2 0.40% 分组7 -0.14% 分组3 0.67% 分组8 -0.62% 分组4 0.44% 分组9 -0.71% 分组5 0.44% 分组10 -2.70% 数据来源：Wind资讯，东吴证券研究所 6/18 东吴证券研究所 由此可见，对十分组中量最稳的一组，量小因子越大，对股票收益率的正向提升是最大的；对量不稳的分组6至分组10，虽然都是量小因子值越大，收益越低，但单调递减的趋势说明量越不稳，量小因子的反向作用越强。 因此，我们在对量小因子和量稳因子进行结合时，考虑给量小因子配上系数，代表量小因子对收益率的作用——量越稳，正作用越强；量越不稳，负作用越强。因此，量小因子的系数应是量稳因子的函数。神经网络中的激活函数正符合我们的需求。 图3：激活函数：softsign图4：激活函数tanh 数据来源：东吴证券研究所绘制数据来源：东吴证券研究所绘制 图3和4是两个比较常见的激活函数。相比之下，softsign函数更为平滑，不会给予量小因子过大的权重，对量稳因子作为主因子的选股效果的影响也更小，因此我们使用softsign函数。 将对因子值的使用从次序尺度改为等比尺度之后，我们对优加换手率UTR2.0因子的构造方式如下： UTR2.0=STR+𝑠𝑜𝑓𝑡𝑠𝑖𝑔𝑛(STR)∙Turn20 其中：𝑠𝑜𝑓𝑡𝑠𝑖𝑔𝑛(𝑥)=�。 1+|𝑥| UTR2.0因子是量稳因子和量小因子的二元函数，我们如图5画出的二元函数 𝑓(𝑥,𝑦)=�+� 1+|𝑥| ∙�的等高线，和双重分组收益率较为接近。左下角量稳且量大的股票 东吴证券研究所 对应最小的因子值，右下角量不稳且量大的股票对应最大的因子值。 图5：STR、Turn20二元函数等高线图6：量小、量稳双重分组下各组的年化收益 7/18 东吴证券研究所 数据来源：东吴证券研究所绘制数据来源：Wind资讯，东吴证券研究所 以全体A股为研究对象，2006/01/01-2023/03/31为回测时间段，新优加换手率UTR2.0因子的月度IC均值为-0.064，RankIC均值为-0.083，年化ICIR为-2.39，年化RankICIR为-3.95，在全市场10分组多空对冲的年化收益为35.24%，年化波动为10.99%，信息比率为3.21，月度胜率为82.04%，最大回撤为9.27%。和原UTR因子相比，新因子的收益有所降低，但波动率、信息比率和月度胜率都更优。 8/18 东吴证券研究所 图7：新优加换手率因子UTR2.0的10分组及多空对冲净值走势 ¾1¾2¾3 80¾4¾5¾6 ¾7¾8¾9 ¾10¾1-¾10(3 60 40 20 0 2 数据来源：