开源量化评论（84）：从涨跌停效应到行业反转

金融工程专题 2023年12月26日 金融工程研究团队 从涨跌停效应到行业反转 ——开源量化评论（84） 魏建榕（分析师）苏俊豪（分析师） 魏建榕（首席分析师） weijianrong@kysec.cn 证书编号：S0790519120001 sujunhao@kysec.cn 证书编号：S0790522020001 证书编号：S0790519120001 张翔（分析师） 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790121070009 苏良（分析师） 证书编号：S0790121070008 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 相关研究报告 《A股行业动量的精细结构》-2020.03.02 《从龙头股领涨到行业动量：绝对与相对的统一框架》-2022.12.11 《龙头股模型的应用：基金重仓股的行业优选》-2023.02.17 背景：行业动量效应持续反转 一级行业的短期涨跌幅具有显著的动量效应，短期内表现越好的行业，下月相对表现也会越好。使用行业短期涨跌幅构造的行业轮动策略，可以获得显著且较为稳定的多空收益，不过，这一现象在近年出现了明显的逆转，在2021年6月后，各频率的行业短期动量模型多空收益持续向下，行业动量效应变成了行业反转效应。 我们提出并改进了A股行业动量的龙头股模型，模型的实质可以概括为：行业 内的龙头股对非龙头股有着较强的牵引作用，并最终体现为对行业的动量效应。改进后的龙头股模型因子ND的RankIC均值为4.28%，RankICIR为0.69，和同周期的10日动量因子相比，ND因子在多空收益与多头超额上都更 加稳健，是优秀的行业动量因子。 从涨跌停效应到行业反转 A股市场存在着涨跌停限价机制，涨跌停制度对股票有着特殊影响，进一步的研究表明，投资者对涨跌停股票的关注可能会扩散至与之相关的其他股票，我们猜想，与涨跌停股票同一行业的股票更容易接受到关注度的扩散，对其后续走势不利。 我们使用涨跌停事件作为标签，在行业内划分出涨跌停股票集团与非涨跌停股票集团，并计算相应的行业轮动因子，其中，R_limit因子是显著的行业反转因 子。经过回归处理后得到的NL因子在显著性与稳定性上都有较大提升：RankIC=-6.54%，RankICIR=-1.15。 改进的龙头股模型因子ND与NL因子具有一定的互补性，我们将两者合成为DL因子，DL因子表现优异：RankIC=8.31%，RankICIR=1.50。三分组下，因子年化多空收益为9.62%，收益波动比为1.31，胜率为66.3%，最大回撤仅 6.14%。多头Top10组合年化收益为9.26%，相对行业等权基准的年化超额收益为5.92%。因子的多空收益与多头超额均十分稳健，DL因子融合了ND因子与NL因子的优点，在不同市场环境下表现都较为出色。 龙头股模型和涨跌停股模型的对立与统一 我们记龙头股和涨跌停股为行业内的领先股，对应的，非龙头股和非涨跌停股为行业内的落后股，测算表明： （1）领先股对次月收益的预测性，随着回看天数T增加（T<35），动量属性逐渐减弱，而反转属性逐渐增强； （2）对自身：领先股对自身次月收益的预测性，基本呈现强反转效应； （3）对落后股：龙头股模型下，领先股对落后股的预测性体现为强动量效应；涨跌停股模型下，领先股对落后股的预测性体现为反转效应。这项显著区别，是导致两个模型对行业预测方向截然相反的主要原因 风险提示：模型基于历史数据测试，市场未来可能发生重大改变。 金融工程 研究 金融工程 专题 开源证券 证券研究报 告 目录 1、背景：行业动量效应持续反转3 2、从涨跌停效应到行业反转5 2.1、NL因子：显著稳定的行业反转因子5 2.2、优势互补：NL因子与ND因子的强强联合7 3、龙头股模型和涨跌停股模型的对立与统一10 4、风险提示11 图表目录 图1：一级行业的短期动量效应显著3 图2：2021年下半年以来，行业动量效应持续回撤3 图3：ND因子的多空收益比10日动量因子更稳健4 图4：ND因子的多头超额表现突出4 图5：涨停股与跌停股的后续累计超额收益显著为负5 图6：limit_ratio因子具有一定的负向行业选择能力5 图7：各回看周期下，R_limit的RankIC均值均为负6 图8：R_limit(T=25)的空头超额收益更显著6 图9：R_limit(T=25)的多空收益稳定性欠佳6 图10：NL因子的空头超额收益更显著7 图11：NL因子多空收益在市场上行期回撤明显减小7 图12：ND因子与NL因子的多空收益负相关7 图13：R_龙头与R_limit因子的多空收益负相关性更加显著7 图14：DL因子的行业分组能力优异8 图15：DL因子多头Top10组合今年来超额收益稳健，其中6月超额收益最高9 图16：R_limit因子的预测性规律11 图17：R_龙头因子的预测性规律11 图18：龙头股模型与涨跌停股模型的主要差别在于对落后股次月收益的预测性11 表1：改进龙头股模型因子ND的构造过程4 表2：ND因子与NL因子在诸多特征上互补8 表3：DL因子多头Top10组合每年均获得正超额9 表4：DL因子多头Top10组合：12月持仓中公用事业、综合等收益排名靠前10 1、背景：行业动量效应持续反转 一级行业的短期涨跌幅具有显著的动量效应（图1），短期内表现越好的行业，下月相对表现也会越好。使用行业短期涨跌幅构造的行业轮动策略，可以获得显著的多空收益。不过，这一现象在近年出现了明显的逆转，如图2所示，在2021年6月后，各回看周期下的行业短期动量模型多空收益持续向下，行业动量效应变成了行业反转效应。 图1：一级行业的短期动量效应显著 5% 4% 3% 2% 1% 0% -1% -2% 行业涨跌幅因子的RankIC 101520253035404550556065707580859095100105110115120 数据来源：Wind、开源证券研究所（数据区间201001~202311） 图2：2021年下半年以来，行业动量效应持续回撤 10日动量15日动量20日动量 3.5 3 2.5 2 1.5 1 0.5 数据来源：Wind、开源证券研究所（数据区间201001~202311） 2020年，我们发布了报告《A股行业动量的精细结构》，采用“切割”的思想 针对行业动量模型进行精细化的改进。在2022年的报告《从龙头股领涨到行业动量：绝对与相对的统一框架》中，我们进一步改进了A股行业动量的龙头股模型，模型的构造过程与示例图如表1所示；模型的实质可以概括为：行业内的龙头股对非龙头股有着较强的牵引作用，并最终体现为对行业的动量效应。 表1：改进龙头股模型因子ND的构造过程 第一步对一级行业，回溯取过去10日的成分股数据: 第二步将成分股按近10日成交金额从大到小排序，逐一累积成交金额: 第三步取累计成交金额占比达到70%的股票，认定为龙头股，余下则为非龙头股: 第四步计算龙头股近10日的平均涨幅:R_龙头， R_龙头描述了行业内龙头股集团的绝对涨幅 在行业内，把各股票过去10日的涨幅做标准化，得到其zscore， 第五步 计算龙头股集团的zscore均值：R_zscore， R_zscore描述了龙头股集团在行业内的相对涨幅 第六步R_龙头与R_zscore存在着较强的相关性，使用R_zscore作为因变量对R_龙头回归， 得到残差因子R_残差 第七步把R_龙头与R_残差等权合成，得到改进后的龙头股模型因子ND 资料来源：开源证券研究所 在回测区间（201001~202311）内，改进后的龙头股模型因子ND的RankIC均值为4.28%，RankICIR为0.69。和同周期的10日动量因子相比，ND因子在多空收益与多头超额上都更加稳健，是优秀的行业动量因子。 如图3所示，2021.06~2022.06，10日动量因子多空收益出现了大幅回撤，同期的ND因子的多空收益回撤相对较小，总体呈震荡走平态势。多头超额收益方面，ND因子的优势则更为明显，今年（2023年）2月，ND因子的多头超额收益创下新高。不过，此后ND因子与10日动量因子的多头超额收益出现了同步回撤（图4）。 图3：ND因子的多空收益比10日动量因子更稳健图4：ND因子的多头超额表现突出 3.4 2.9 2.4 1.9 1.4 0.9 多空收益-改进龙头股模型多空收益-10日动量 1.8 1.7 1.6 1.5 1.4 1.3 1.2 1.1 1 0.9 多头超额-改进龙头股模型多头超额-10日动量 数据来源：Wind、开源证券研究所（数据区间201001~202311）数据来源：Wind、开源证券研究所（数据区间201001~202311） 行业动量的效应出现持续衰退，不妨另辟蹊径，寻找有效的行业反转因子。那么，如何从以动量效应为主的行业涨跌幅中寻找行业反转因子？本文我们依旧从“切割”的思想出发，尝试通过股票的涨跌停效应，从行业中切割出具有较强反转属性的股票集团。 2、从涨跌停效应到行业反转 2.1、NL因子：显著稳定的行业反转因子 A股市场存在着涨跌停限价机制，涨跌停制度对股票有着特殊影响，当天涨停或跌停的股票会受到市场的额外关注，对股票后续产生显著的负向alpha。我们每月底回顾过去20个交易日，统计全市场曾涨停或跌停的股票，测算涨停股与跌停 股在次月的超额收益，如图5所示，涨停股与跌停股的后续累计超额收益均显著为负。 进一步的研究表明，涨跌停股票还存在着所谓的“溢出效应”：投资者对涨跌停股票的关注可能会扩散至与之相关的其他股票（Lin,2022），这些额外的关注同样会对股票后续产生负向alpha。我们猜想，与涨跌停股票同一行业的股票更容易接受到涨跌停股票关注度的扩散，行业内涨跌停股票越多，额外关注度对该行业造成的负面影响越大，对行业后续表现越不利。 为了验证这个猜想，我们在各一级行业内，回看过去20日曾涨停或跌停的股票数量占比，得到涨跌停股票占比因子LimitRatio。LimitRatio因子本身的行业轮动能力并不显著（RankIC=-0.74%）。不过，LimitRatio因子与20日行业动量因子有一定相关性（相关性为0.24），回归同期的20日动量因子后，LimitRatio因子体现出一定的负向行业选择能力（图6）。 图5：涨停股与跌停股的后续累计超额收益显著为负图6：limit_ratio因子具有一定的负向行业选择能力 3 2 1 0 -1 -2 -3 -4 -5 累计RankIC 数据来源：Wind、开源证券研究所（数据区间201001~202311）数据来源：Wind、开源证券研究所（数据区间201001~202311） 进一步，我们使用涨跌停事件作为标签，按照以下步骤，在行业内划分出涨跌停股票集团与非涨跌停股票集团并计算相应的行业轮动因子。 （1）每月底，在各一级行业内，回溯取过去T日的成分股数据，并划分出过去T日内的涨跌停股票； （2）计算涨跌停股票的T日平均涨跌幅，得到因子R_limit(T)，同时计算剩余股票的T日平均涨跌幅，得到因子R_nolimit(T)。 不同回看天数下，R_limit与R_nolimit因子的效果如图7所示：在各回看周期 （10天~60天）下，R_nolimit总体呈弱动量效应，回看周期较短时，动量效应更强； R_limit整体呈强反转效应，回看