因子选股系列之九十四：UMR2.0—风险溢价视角下的动量反转统一框架再升级

UMR2.0——风险溢价视角下的动量反转统一框架再升级 ——因子选股系列之九十四 研究结论 动量和反转统一框架2.0 高风险日获得的收益往往是承担风险带来的，其更多源于投资者过度自信导致的价格反应过度，因此未来更倾向于反转效应，而低风险日获得的收益并不源于承担高风险，因此未来更偏向于动量效应，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。 金融工程|专题报告 报告发布日期2023年07月13日 证券分析师杨怡玲 yangyiling@orientsec.com.cn 执业证书编号：S0860523040002 “高风险日可能更偏反转，低风险日可能更偏动量”，但是动量不一定都出现在低风险日，而反转也不一定都出现在高风险日，在一些特殊时点，例如盈余公告日、 一字跌停日、反弹动量日当日的收益可能更偏动量，另外因子也会受到窗口中高风险日占比、高超额日占比的风格影响，因此我们引入特殊日期处理、风险因素剥离、分钟高频化等维度，以此构建动量和反转统一框架2.0。 风险溢价下的统一动量反转因子——UMR因子 我们从股票日度的真实波动、换手率，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，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，经过上述2.0的框架调整，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0.116，年化ICIR达5.56，IC月度胜率96%，月均多头超额1.35%。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因子在指数增强中的应用 将UMR因子加入现有的指数增强模型后，各指数增强组合年化超额收益和信息比均获得明显提升，且大部分年份的超额收益都能获得提高。沪深300增强模型年化超 额从16.27%提升到17.36%；中证500增强模型年化超额从19.64%提升到20.86%；中证1000增强模型年化超额从25.70%提升到26.97%；国证2000增强模型年化超额从26.44%提升到28.41%。 因子改进框架的泛化能力 我们将特殊时点调整以及影响因素剥离的调整方式应用到三个月反转因子上，因子的选股效果同样得到了大幅提升，月度IC均值从-0.059提升到-0.07，年化ICIR从- 1.99提升到-3.66，IC胜率从74%提升到87%，月均多头超额从0.43%提升到0.76%。 风险提示 1.量化模型失效风险。 2.极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。 可转债多因子模型初探：——宏观固收量化研究系列之（十） 集成模型在量价特征中的应用：——因子选股系列之九十三 基于时点动量的因子轮动：——因子选股系列之九十二 基于循环神经网络的多频率因子挖掘：— —因子选股系列之九十一 DFQ遗传规划价量因子挖掘系统：——因子选股系列之九十 分析师情感调整分数ASAS：——因子选股系列之八十九 基于偏股型基金指数的增强方案：——因子选股系列之八十八 2023-07-01 2023-07-01 2023-06-28 2023-06-06 2023-05-28 2023-03-28 2023-03-06 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 目录 一、风险溢价视角下的动量反转统一框架2.06 1.1风险溢价与动量反转6 1.2风险溢价视角下的动量和反转统一框架6 二、风险溢价下统一动量反转因子12 2.1真实波动调整下的UMR12 2.2换手调整下的UMR17 2.3大单均价偏离调整下的UMR18 2.4小单买入占比调整下的UMR19 2.5平均单笔成交量调整下的UMR20 2.6早尾盘成交占比调整下的UMR21 2.7分钟收益波动率调整下的UMR22 2.8分钟收益偏度调整下的UMR23 2.9复合UMR因子24 三、统一动量反转复合因子在指数增强中的应用27 3.1各宽基指数内的选股效果27 3.2指数增强中的表现30 四、因子改进框架的泛化能力34 五、总结36 风险提示37 图表目录 图1：波动率分组当月超额收益（2010-2023.2）6 图2：波动率分组下月超额收益（2010-2023.2）6 图3：风险溢价视角下的动量反转统一框架UMR2.07 图4：UMR因子逻辑的例外情况8 图5：盈余公告开盘跳空十分组月度超额（2010-2023.2）9 图6：重大事件后的股票累计超额收益表现（2010-2023.2）9 图7：股票一字跌停后未来的累计超额收益变化（2010-2023.2）9 图8：下跌反弹的时点动量示例10 图9：反弹动量信号捕捉示意图10 图10：UMR因子两种典型的多头股票11 图11：分钟高频同比和环比下的UMR因子构建11 图12：TR调整下UMR因子十组分档月度超额12 图13：TR调整下UMR因子多空收益12 图14：特殊时点调整后TR_UMR因子十组分档月度超额13 图15：特殊时点调整后TR_UMR因子多空收益13 图16：剥离影响因素后TR_UMR因子十组分档月度超额13 图17：剥离影响因素后TR_UMR因子多空收益13 图18：小时同比TR_UMR因子十组分档月度超额14 图19：小时同比TR_UMR因子累计IC14 图20：不同时间级别同比TR_UMR因子十组分档月度超额15 图21：不同时间级别同比TR_UMR因子累计IC15 图22：不同时间级别环比TR_UMR因子十组分档月度超额15 图23：不同时间级别环比TR_UMR因子累计IC15 图24：复合TR_UMR因子十组分档月度超额16 图25：复合TR_UMR因子多空收益16 图26：不同窗口长度下复合TR_UMR因子十组分档月度超额17 图27：复合换手_UMR因子十组分档月度超额17 图28：复合换手_UMR因子多空收益17 图29：复合大单均价偏离_UMR因子十组分档月度超额19 图30：复合大单均价偏离_UMR因子多空收益19 图31：复合小单买入占比_UMR因子十组分档月度超额20 图32：复合小单买入占比_UMR因子多空收益20 图33：复合平均单笔成交量_UMR因子十组分档月度超额21 图34：复合平均单笔成交量_UMR因子多空收益21 图35：复合早尾盘成交占比_UMR因子十组分档月度超额22 图36：复合早尾盘成交占比_UMR因子多空收益22 图37：复合分钟收益波动率_UMR因子十组分档月度超额23 图38：复合分钟收益波动率_UMR因子多空收益23 图39：复合分钟收益偏度_UMR因子十组分档月度超额24 图40：复合分钟收益偏度_UMR因子多空收益24 图41：复合UMR因子十组分档月度超额25 图42：复合UMR因子月度IC及累计IC25 图43：复合UMR因子多空收益26 图44：复合UMR因子十分组超额累计单利26 图45：各宽基指数下UMR因子的MFE组合表现29 图46：三个月反转因子月度IC和累计IC34 图47：三个月反转因子多空收益34 图48：特殊时点调整后三个月反转因子月度IC和累计IC34 图49：特殊时点调整后三个月反转因子多空收益34 图50：剥离影响因素后三个月反转因子月度IC和累计IC35 图51：剥离影响因素后三个月反转因子多空收益35 图52：三个月反转因子调整前后十组分档月度超额35 表1：日度风险代理变量8 表2：TR_UMR因子处理前后的选股能力对比14 表3：小时同比TR_UMR因子选股能力对比14 表4：不同时间级别同比TR_UMR因子选股能力对比15 表5：不同时间级别环比TR_UMR因子选股能力对比16 表6：不同时间窗口下复合TR_UMR因子选股能力17 表7：不同时间窗口下复合换手_UMR因子选股能力18 表8：不同时间窗口下复合大单均价偏离_UMR因子选股能力19 表9：不同时间窗口下复合小单买入占比_UMR因子选股能力20 表10：不同时间窗口下复合平均单笔成交量_UMR因子选股能力21 表11：不同时间窗口下复合早尾盘成交占比_UMR因子选股能力22 表12：不同时间窗口下复合分钟收益波动率_UMR因子选股能力23 表13：不同时间窗口下复合分钟收益偏度_UMR因子选股能力24 表14：三个月UMR因子相关系数24 表15：三个月UMR因子选股能力对比25 表16：复合UMR因子各年分组表现26 表17：不同时间窗口下复合UMR因子选股能力26 表18：复合UMR因子在各宽基指数成分股内的选股能力27 表19：各宽基下UMR因子的MFE组合超额收益和信息比30 表20：因子库31 表21：加入UMR因子前后复合因子的选股能力32 表22：加入UMR前后各宽基指数增强组合收益表现33 一、风险溢价视角下的动量反转统一框架2.0 A股市场呈现出短期强反转与长期弱动量的价格效应，动量和反转的矛盾与统一是A股市场价格异象中经久不衰的研究方向。本文从风险溢价的视角对每个交易日股票的动量和反转的性质做出区分，并进而构建动量反转的统一框架。 1.1风险溢价与动量反转 “高风险高收益”是萦绕在每个市场交易者耳边的话语，我们对这一现象做了一个简单的测试。我们以波动率作为股票价格波动风险的代理指标，在每个月末将股票按当月的日度收益波动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。从下面左图可以看到，波动率较高（第10组）的股票当月平均跑赢市场11%，收益非常可观，这确实验证了高风险下能够获得高收益的现象，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。同时也可以看到，高风险的股票在下个月的收益情况，如上面右图所示。波动率较高的股票在下月平均跑输市场1.2%。这一现象告诉我们高风险下能够获得高收益，但是这种高收益往往是通过承担高风险带来的，因而其难以持续且未来呈现出强反转的特征。 图1：波动率分组当月超额收益（2010-2023.2）图2：波动率分组下月超额收益（2010-2023.2） 12% 10% 8% 6% 4% 2% 0% -2% -4% 12345678910 0.5% 0.0% -0.5% -1.0% -1.5% 12345678910 数据来源：Wind，东方证券研究所数据来源：Wind，东方证券研究所 1.2风险溢价视角下的动量和反转统一框架 1.2.1动量反转统一框架 反转因子和动量因子由每日的收益拼接组合而成，其中每个交易日都可能由于其风险水平的高低而体现出不同的动量或反转的效应，我们可以深入到每个交易日对其展开更细粒度的探索。我们设想高风险日获得的收益往往是承担风险带来的，其更多源于投资者过度自信导致的价格反应过度，因此未来更倾向于反转效应，而低风险日获得的收益并不源于承担高风险，因此未来更偏向于动量效应，所以我们可以用每日的风险水平相对高低来调整其日度收益，再重新合成得到一个统一的动量反转因子。 由于截面上不同股票的风险水平有时并不能直接比较，并且投资者往往会以股票当前风险相对其过去一段时间风险水平的相对高低来衡量实际的风险水平，这里我们对每只股票每天的风险指标 𝑅�以过去一段时间的平均水平来对其进行调整，得到时序相对风险作为调整后的风险系数： �𝑅� � 𝑅𝑖𝑠𝑘�=𝑖=𝑡−𝑑+1−𝑅�(1) � 即用过去�日风险指标的平均值来调整其取值。当股票的风险低于其过去一段时间的均值时，我们认为当日为低风险日，调整后取值为正，而当股票的风险高于过去一段时间的均值时，我们认为当日为高风险日，调整后取值为负。例如，我们以股票当日的换手率作为风险指标𝑅�时， 𝑅𝑖𝑠𝑘�取值即为股票过去一段时间的换手率均值减去其当日的换手率。我们可以用调整后的风险系数来对股票的历史收益溢价进行加权，我