“求索动量因子”系列研究(四)：【勘误版】反应不足or反应过度？从信息分布到动量／反转

“求索动量因子”系列研究（四） 证券研究报告金融工程金工专题报告 【勘误版】反应不足or反应过度？从信息分布到动量反转 研究结论 前言：本篇报告为东吴金工“求索动量因子”系列研究的第四篇，从“信息分布”的角度出发，提出了一种有效识别涨跌幅因子方向及强弱的方法，对传统因子进行了改进。 动量与反转的本质股价对信息的反应程度：动量与反转，只是涨跌 幅因子呈现于表面的一种现象，其背后的本质，其实是不同的投资者交易行为，导致股票价格对市场信息的反应程度不同，反应不足为动量，反应过度则反转。而成交量的大小、大小单的交易占比，都是我们推测股价反应程度的有力线索。 从信息分布到动量反转：信息分布的均匀程度，或者说信息流入市场的 速度，会在很大程度上影响投资者的交易行为，进而影响股价对信息的反应程度。若信息分布非常均匀，则股价更有可能反应不足，涨跌幅因子表现为动量；若信息分布参差不齐，则投资者的交易行为更有可能造成股价反应过度，涨跌幅因子表现为反转。另外，成交量的标准差，可以有效衡量信息分布的均匀程度。 信息分布涨跌幅因子选股模型简介：按照信息分布均匀程度的高低，对 传统涨跌幅因子进行拆分。回测结果表明，信息分布的均匀程度，确实能够有效识别涨跌幅因子的方向及强弱：信息分布越均匀，涨跌幅因子越偏动量；信息分布越不均匀，涨跌幅因子越倾向于反转。基于上述规律，提取传统因子中表现最强的部分，构造新因子。在回测期2014010120230430内，以全体A股为研究样本，新因子IC均值为 0054，年化ICIR为221。10分组多空对冲的年化收益为2118，信息比率为174，月度胜率为7321，最大回撤为1184。 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11月17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 《反应不足or反应过度？从信息分布到动量反转》 20210819 119 东吴证券研究所 1前言4 2动量与反转的本质股价对信息的反应程度5 3信息分布对涨跌幅因子的影响5 31信息分布与动量反转的关系5 32不同信息分布均匀程度下的涨跌幅因子6 4信息分布涨跌幅因子7 5其他重要讨论10 51纯净信息分布涨跌幅因子的表现10 52新因子的参数敏感性11 53信息分布涨跌幅因子的多空收益分解13 54其他样本空间的情况13 55沪深300、中证500、中证1000投资组合的构建14 56新因子的其他构建方式15 57信息分布理论在其他因子上的应用17 6总结18 7风险提示18 219 东吴证券研究所 图1：传统涨跌幅因子Ret20的10分组及多空对冲净值4 图2：本文逻辑：从信息分布到涨跌幅因子的动量反转6 图3：局部因子的年化ICIR：不同信息分布均匀程度7 图4：信息分布涨跌幅因子URet因子的10分组及多空对冲净值8 图5：新旧因子的10分组多空对冲净值9 图6：信息分布涨跌幅因子URet因子正交传统因子的10分组及多空对冲净值走势10 图7：纯净URet因子的10分组及多空对冲净值走势11 图8：局部因子的年化ICIR（回看40日）12 图9：局部因子的年化ICIR（回看60日）12 图10：新旧因子的10分组多空对冲净值（回看40日）12 图11：新旧因子的10分组多空对冲净值（回看60日）12 图12：基于沪深300成分股，不同投资组合的净值走势14 图13：基于中证500成分股，不同投资组合的净值走势14 图14：基于中证1000成分股，不同投资组合的净值走势14 图15：信息分布涨跌幅URet’因子的10分组及多空对冲净值走势16 图16：局部换手率因子的ICIR17 图17：局部振幅因子的ICIR17 表1：东吴金工“求索动量因子”系列研究4 表2：信息分布涨跌幅URet因子的分年度表现8 表3：新旧涨跌幅因子的10分组多空对冲绩效指标9 表4：新涨跌幅因子与常用Barra风格因子相关系数10 表5：纯净新因子的分年度表现11 表6：新旧涨跌幅因子10分组多空对冲绩效指标（回看40、60日）12 表7：信息分布涨跌幅因子URet的多空收益分解13 表8：沪深300、中证500、中证1000成分股新旧因子10分组多空对冲绩效指标13 表9：基于沪深300成分股，不同投资组合的绩效指标15 表10：基于中证500成分股，不同投资组合的绩效指标15 表11：基于中证1000成分股，不同投资组合的绩效指标15 表12：新旧涨跌幅因子的IC信息及10分组多空对冲绩效指标16 表13：信息分布理论对传统换手率、振幅因子的改进效果17 319 1前言 上一篇报告发布在2021年8月19日，这篇报告更新数据至2023年4月30日，研究框架不变。 动量与反转，一直是量化投资领域广泛关注的话题。A股市场中股票价格的相对涨跌，表现为显著的中长期反转现象，但令人惋惜的是，传统涨跌幅因子的反转效应并非一直稳定。以20日收益率为例，回测期2014010120230430内，传统涨跌幅因子Ret20在全体A股中10分组多空对冲的信息比率仅为088，月度胜率为6161，在多个时间段发生较大回撤，稳定性较差。 1 5 9 2 6 10 3 7 110 4 8 图1：传统涨跌幅因子Ret20的10分组及多空对冲净值 6 5 4 3 2 1 0 2014201520162017201820192020202120222023 数据来源：Wind资讯，东吴证券研究所 东吴金工推出“求索动量因子”系列研究，在涨跌幅因子方面做了诸多探索，尝试提高其稳定性，主要结合成交量的信息，对传统因子进行了有效改进。 表1：东吴金工“求索动量因子”系列研究 报告标题主要内容发布日期 系列1：成交量对动量因子的修正成交量能够有效识别涨跌幅因子的方向及强弱， 成交量越大，对应的涨跌幅因子反转效应越强 不同交易者贡献的成交量，对涨跌幅因子的影响 201996 系列2：交易者结构对动量因子的改进 存在显著差异，大单交易占比越高、小单交易占比越低，涨跌幅因子的反转效应越强 2020818 系列3：交易者结构对动量因子的改进QA对关于系列2的几个常见问题进行了汇总讨论2021817 数据来源：东吴证券研究所整理 在前述研究的基础上，我们于2021年8月19日发布报告《反应不足or反应过度？从信息分布到动量反转》，结合东吴金工对“动量与反转本质”的思考，再提出一种识别涨跌幅因子方向及强弱的新方法，对传统因子进行改进。 419 东吴证券研究所 东吴证券研究所 2014年1月1日至2023年4月30日，信息分布涨跌幅URet因子在全体A股中， 10分组多空对冲的年化收益为2118，年化波动为1218，信息比率为174，月度胜率为7321，月度最大回撤为1177。 2动量与反转的本质股价对信息的反应程度 《成交量对动量因子的修正》（发布于2019年9月6日）、《交易者结构对动量因子 的改进》（发布于2020年8月18日）这两篇报告中陈述的现象为何存在，为什么成交量大、大单占比高的涨跌幅表现为反转，而成交量小、小单占比高的就是动量？这是报告首先要阐述的问题，我们觉得这也是“动量反转类”研究中最本质、或者说最玄妙之处。 对于上述问题，我们在《交易者结构对动量因子的改进QA》（发布于2021年8月 17日）中，曾展开详细讨论。此处，我们再进行简要论述。笔者的观点是：动量与反转，只是涨跌幅因子呈现于表面的一种现象，其背后的本质，其实是不同的投资者交易行为，导致股票价格对市场信息的反应程度不同，即究竟是反应不足，还是反应过度。若反应不足，则股票当前的价格走势在未来仍有一定的延续性，涨跌幅因子表现为动量；若反应过度，则涨跌幅因子应当表现为反转。而成交量的大小也好，大小单的交易占比也罢，都只不过是衡量、或者干脆说是推测股价反应程度的线索。 带着这样的逻辑，我们再来向读者提一个问题。 问题的情景是：有两段相同的涨跌幅，（1）一段对应的成交量较大，另一段对应的成交量较小；或者（2）一段几乎都是由大单交易驱动的，另一段则全是小单交易。问题是：在没有任何其他信息的辅助下，如果盲猜，这两段涨跌幅中，哪一段更有可能对应了股价的过度反应，哪一段更有可能是反应不足？ 我们相信，大多数读者的答案，都会是成交量大、或者大单交易快速进场的，更有可能造成股价被朝着同一方向强烈推动，发生过度反应，就好比江河急流中泥沙俱下，激起千层浪；而成交量很小、或者由小单交易缓慢驱动的，则恰如平波缓进，很难被认为反应过激。如此一来，“成交量越大、或是大单交易占比越高，涨跌幅因子反转效应越强”的原因，也就显而易见了。 3信息分布对涨跌幅因子的影响 基于上一节的逻辑推导，本节内容将从“信息分布”的角度出发，提出一种识别涨跌幅因子方向及强弱的新方法。 31信息分布与动量反转的关系 我们认为信息分布的均匀程度，会在很大程度上影响投资者的交易行为，进而影响股价对信息的反应程度。若信息分布非常均匀，即在整个交易时段，信息都是匀速流入 519 东吴证券研究所 市场，则投资者的交易行为也会比较稳定，股价的波动相对较小，更有可能表现为反应不足，就好比著名的“温水煮青蛙”实验；但若信息流入市场的速度突然发生变化，比如在某些极端情况下，发生了剧烈的信息冲击好比在原本平静的水面，突然投入一块大石头则更有可能造成股价的过度反应。 那么，如何衡量信息分布的均匀程度？我们认为，成交量的标准差，可以作为信息分布均匀程度的代理变量。有效的信息进入市场，就会引发投资者的交易，那么根据交易量的分布情况，我们自然就可以反推信息分布的均匀程度。 通过上述分析，本篇报告最主要的逻辑链，已经呈现在各位读者面前。我们通过计算股票成交量的标准差，衡量信息分布的均匀程度，进而推测股价的反应程度：若成交量的标准差较小，表明交易相对平稳，对应的信息分布应当比较均匀，我们猜测股价更容易反应不足，涨跌幅因子表现为动量；相反，若成交量的标准差较大，则说明信息分布参差不齐，股价更容易反应过度，涨跌幅因子的反转属性更强。 图2：本文逻辑：从信息分布到涨跌幅因子的动量反转 数据来源：东吴证券研究所整理 32不同信息分布均匀程度下的涨跌幅因子 接下来，我们通过实际回测，来验证上一小节的逻辑是否成立。具体地，我们实施以下操作： （1）每月月底，回溯每只股票过去20个交易日，每个交易日都利用分钟数据，计算每只股票当日分钟成交量的标准差、平均值，定义指标Z： Zstd分钟成交量mean分钟成交量 Z即为衡量股票当日信息分布均匀程度的代理变量，若Z值较小，则表明股票当日的信息分布较为均匀，反之亦然； （2）将每只股票过去20个交易日的涨跌幅（今收昨收1），按照每日的Z值，从小到大进行排序，等分为5个小组； 619 （3）每一组计算该组内4个交易日涨跌幅的平均值，共可得到5局部因子；具体地，若股票A过去20个交易日的每日涨跌幅，按照指标Z从小到大排序后，依次为1， 2，，20，则5个局部因子分别为： RetPart1mean1234 RetPart2mean5678RetPart3mean9101112RetPart4mean13141516RetPart5mean17181920 （4）以2014010120230430为回测时间段，以全体A股为研究样本，月度换仓，考察上述5个局部因子的选股能力。下图3展示了在不同的信息分布均匀程度下，各个局部因子的年化ICIR，并与传统因子Ret20进行了对比。可以发现，随着Z值的逐渐增大，即从信息分布均匀到信息分布不均匀，5个局部因子的年化ICIR逐渐由正转负，且在数值上严格单调。这证实了我们的猜想，