新价量相关性RPV因子绩效月报

金工定期报告20230801 证券研究报告金融工程金工定期报告 新价量相关性RPV因子绩效月报202307312023年08月01日 报告要点 新价量相关性RPV因子多空对冲绩效（全市场）：2009年1月至今，新价量相关性RPV因子在全体A股中，10分组多空对冲的年化收益为1682，年化波动为690，信息比率为244，月度胜率为7632，最大回撤为527。 7月份RPV因子收益统计：在全体A股中，7月份新价量相关性RPV10分组多头组合的收益率为267，10分组空头组合的收益率为033，10分组多空对冲的收益率为300。 新价量相关性RPV因子选股模型简介：对日内与隔夜信息叠加，通过划分价量四象限，利用月度IC均值有效甄别出价量相关性因子的反转效应和动量效应，在“动量因子切割”研究的基础上，以相关性的形式加入“成交量”的信息，分别为日内、隔夜的价量相关性找到最佳代表， 并完成信息叠加，得到既新颖又“能打”的RPV因子。在回测期2014010120220731内，以全体A股为研究样本，新因子IC均值约为0034，年化ICIR约为255，10分组多空对冲的年化收益约为1733，信息比率约为271，月度胜率高达8137，最大回撤仅为 523，相比日频CPV，稳定性显著提升。 风险提示：1未来市场变化风险；2单因子模型风险；3数据测算误差风险。 证券分析师高子剑 执业证书：S0600518010001 02160199793 gaozjdwzqcomcn 研究助理凌志杰 执业证书：S0600123040053 lingzhjdwzqcomcn 相关研究 《“技术分析拥抱选股因子”系列研究（十一）：新价量相关性RPV选股因子相关性是价量配合最好的尺 20221011 《新价量相关性RPV因子绩效月报20230630》 20230704 115 东吴证券研究所 内容目录 1RPV因子绩效回顾4 2附录：新价量相关性RPV因子选股模型简介6 21新价量相关性RPV选股因子6 22新价量相关性RPV因子的参数敏感性11 23新因子的多空收益分解11 24其他样本空间的情况11 25沪深300、中证500、中证1000投资组合的构建12 3风险提示14 215 东吴证券研究所 图表目录 图1：新价量相关性RPV因子10分组及多空对冲净值走势（201401202307）4 图2：新价量相关性RPV因子多头净值7月走势5 图3：RPV因子10分组及多空对冲净值走势（回看20日）6 图4：RPVdeTurn20因子10分组及多空对冲净值走势（回看20日）8 图5：RPVdeRet20因子10分组及多空对冲净值走势（回看20日）8 图6：RPVdeTurn20deRet20因子10分组及多空对冲净值走势（回看20日）9 图7：纯净RPV因子10分组及多空对冲净值走势（回看20日）10 图8：基于沪深300成分股，不同投资组合的净值走势12 图9：基于中证500成分股，不同投资组合的净值走势12 图10：基于中证1000成分股，不同投资组合的净值走势13 表1：新价量相关性RPV因子（201401202307）5 表2：RPV因子10分组多空对冲绩效指标及与其他因子对比（回看20日）7 表3：RPV因子分年度表现7 表4：新旧动量因子10分组多空对冲的绩效指标对比（回看20日）7 表5：RPV因子正交Turn20、Ret20后的10分组多空对冲绩效指标（回看20日）9 表6：RPV因子与Barra风格因子相关系数9 表7：纯净RPV因子分年度表现10 表8：传统动量因子、CCV、RPV的10分组多空对冲绩效指标（回看40日、60日）11 表9：新动量因子的多空收益分解11 表10：RPV因子在A股三大指数成分股中的多空对冲绩效指标（回看20日）12 表11：基于沪深300成分股，不同投资组合的绩效指标13 表12：基于中证500成分股，不同投资组合的绩效指标13 表13：基于中证1000成分股，不同投资组合的绩效指标14 315 1RPV因子绩效回顾 东吴金工一直认为在A股市场中，技术分析是行之有效的，不仅可用于传统的择时，而且也能在选股策略上发挥作用。因此，我们推出“技术分析拥抱选股因子”系列研究，旨在将技术分析的思想应用于选股因子的构建。 2022年10月11日，我们发布了《技术分析拥抱选股因子”系列研究（十一）新价量相关性RPV选股因子相关性是价量配合最好的尺》。我们从基准因子CCV（日频CPV）中发现了换手率序列可以增强收盘价序列的反转效应，又分别为日内价量相关性和隔夜价量相关性找到了最佳代表CCOIV和COV。日内价量相互配合，同样加强了反转；隔夜价量关系蕴藏在时间维度上的“错配”之中，“昨日量”加强了隔夜收益的动量。接下来我们将令它们协调一致，使各自的信息叠加起来为同一个目标服务，得到新价量相关性RPV（RenewedCorrelationofPriceandVolume）选股因子。 2014年1月至2023年7月，新价量相关性RPV因子在全体A股中，10分组多空对冲的年化收益为1682，年化波动为690，信息比率为244，月度胜率为7632，最大回撤为527。 图1：新价量相关性RPV因子10分组及多空对冲净值走势（201401202307） 5 分组1 分组5 分组9 分组2 分组6 分组10 分组3 分组7 分组1分组10 分组4 分组8 45 4 35 3 25 2 15 1 05 0 2014201520162017201820192020202120222023 数据来源：Wind资讯，东吴证券研究所 415 东吴证券研究所 表1：新价量相关性RPV因子（201401202307） 全体A股 年化收益率1682 年化波动率690 信息比率244 月度胜率7632 最大回撤率527 数据来源：Wind资讯，东吴证券研究所 在全体A股中，7月份新价量相关性RPV10分组多头组合的收益率为267，10 分组空头组合的收益率为033，10分组多空对冲的收益率为300。 在全体A股中，选取新价量相关性因子值最大的10，等权重构成新价量相关性RPV组合。该组合在7月的净值走势如图2所示。 图2：新价量相关性RPV因子多头净值7月走势 “ffi量“RPV”组WindcA指数 105 1 095 07030710071707240731 数据来源：Wind资讯，东吴证券研究所 515 东吴证券研究所 2附录：新价量相关性RPV因子选股模型简介 综上所述，我们从基准因子CCV（日频CPV）中发现了换手率序列可以增强收盘价序列的反转效应，在上一节中，我们又分别为日内价量相关性和隔夜价量相关性找到了最佳代表CCOIV和COV。日内价量相互配合，同样加强了反转；隔夜价量关系蕴藏在时间维度上的“错配”之中，“昨日量”加强了隔夜收益的动量。接下来我们将令它们协调一致，使各自的信息叠加起来为同一个目标服务，得到新价量相关性RPV （RenewedCorrelationofPriceandVolume）选股因子。 21新价量相关性RPV选股因子 我们采用横截面标准化相加的方案，将CCOIV和COV所呈现的信息进行叠加，不过因为其中一个的IC值为负，另一个的IC值为正，二者方向不同，所以要为其中一个添加负号。为了与反转因子Ret20保持同样的方向，我们选择用负号调转COV的方向 （月度IC：00302，年化ICIR：207），使二者结合得到的RPV因子的IC值仍旧为负。 每月月底，我们将所有股票未经市值中性化处理的CCOIV、COV因子分别横截面标准化，二者线性做差再进行市值中性化处理，得到新价量相关性因子RPV： RPV CCOIVmeanCCOIV stdCCOIV COVmeanCOVstdCOV 回测结果显示，RPV因子的月度IC均值约为0034，RankIC均值约为0046，年化ICIR约为255，年化RankICIR约为310，10分组多空对冲信息比率达271，很顺利地超过了CCV的211，而且10分组净值走势呈现了完美单调。下图3展示了RPV因子的10分组回测及多空对冲净值走势，表2展示了其10分组多空对冲的各项绩效指标。 分组1 分组4 分组7分组10 分组2 分组5分组8 分组1分组10（） 分组3 分组6 分组9 图3：RPV因子10分组及多空对冲净值走势（回看20日） 6 5 4 3 2 1 20140131 20140531 20140930 20150131 20150531 20150930 20160131 20160531 20160930 20170131 20170531 20170930 20180131 20180531 20180930 20190131 20190531 20190930 20200131 20200531 20200930 20210131 20210531 20210930 20220131 20220531 0 数据来源：Wind资讯，东吴证券研究所 615 东吴证券研究所 表2：RPV因子10分组多空对冲绩效指标及与其他因子对比（回看20日） CCV CCOIV COV RPV 年化收益率 2194 1069 1446 1733 年化波动率 1038 738 786 638 信息比率 211 145 184 271 月度胜率 7255 7059 6961 8137 最大回撤率 1037 1296 628 523 数据来源：Wind资讯，东吴证券研究所表3：RPV因子分年度表现 年化收益率 分组 1对冲分组 10绩效指标 年份 分组1 分组10 分组 1对冲分组10 年化波动率 信息比率 月度胜率 最大回撤率 2014 5716 4211 1083 341 317 7273 046 2015 11641 5608 3936 731 538 10000 000 2016 433 1499 1157 466 248 8333 167 2017 1384 2316 1179 421 280 7500 089 2018 2248 3888 2592 546 475 9167 061 2019 3092 1795 1045 554 189 6667 170 2020 3471 1525 1714 818 209 7500 248 2021 3260 1628 1385 753 184 8333 523 2022（至 7月底） 381 2172 2012 912 221 8571 071 数据来源：Wind资讯，东吴证券研究所 表3呈现了RPV因子分年度10分组多空对冲的表现。每年多空对冲都取得了正收益。月度胜率方面，2015年高达100，最低的2019年，月度胜率也达到了6667，稳定性佳。 在得到了选股能力更强的RPV因子后，我们还收到了另一个好消息。表4展示了因子RPV与因子CCV、CCOIV和COV两两之间的相关系数，我们发现RPV与CCV的相关系数仅为02456，因此它不仅选股能力强，而且是一个足够新的因子，这是我们开发选股因子时所最期望看到的。为什么RPV能够又好又新呢？原因就在于RPV的来源是CCOIV和COV，而CCOIV和COV的相关性约为01770，呈现出的相关性也很弱，因此这两个弱负相关的因子便有能力叠加出一个又好又新的因子。 表4：新旧动量因子10分组多空对冲的绩效指标对比（回看20日） RPV CCV CCOIV COV RPV 02456 07114 06841 CCV 02456 03709 02960 CCOIV 07114 03709 01770 COV 06841 02960 01770 数据来源：Wind资讯，东吴证券研究所 715 东吴证券研究所 接下来我们从另一个角度考察RPV因子的新颖程度。既然RPV是价量相关性，所以