“求索动量因子”系列研究（二）：交易者结构对动量因子的改进

“求索动量因子”系列研究（二） 证券研究报告·金融工程·金工专题报告 交易者结构对动量因子的改进2024年01月09日 研究结论 前言：本篇报告为东吴金工动量因子系列研究的第二篇，延续并拓展了上一篇报告《成交量对动量因子的修正》的研究理念，按照交易者类型对成交量做了进一步细分，考察在不同交易者结构下，动量因子表现的强弱。 A股市场的交易者结构：按照挂单金额的大小，可以将交易者分为机构、大户、中户和散户。在A股市场中，中户、散户交易占比长期较高，两者相加超过70%。 交易者结构对动量因子的影响：不同交易群体的交易目的、特征不同可能导致不同群体贡献的交量中蕴含的信息也存在差异。基于上述猜想，我们分别按照散户、中户、大户、机构的交易占比高低对传统的涨跌幅因子进行拆分，回测得到以下主要结论： （1）交易者结构对涨跌幅因子的方向及强弱存在显著影响，大单（机构、大户）交易占比越高、小单（散户、中户）交易占比越低，涨跌幅因子的反转效应越强； （2）散户、机构的交易占比对涨跌幅因子的区分能力最强，随着散户交易占比的提升或者机构交易占比的下降，涨跌幅因子逐渐由反转效应向动量效应转变。 基于交易者结构的新动量因子：以“散户”交易占比为例，提取信息最强的部分，构造新的动量因子。在回测期2010/01/01-2023/12/31内，以全体A股为研究样本，新动量因子的月度IC均值为-0.051，RankIC均值为-0.067，年化ICIR为-2.383，年化RankICIR为-3.278。10分组多空对冲年化收益为23.23%，年化波动为10.58%，信息比率为2.20，月度胜率为72.46%，最大回撤为10.96%，选股能力显著优于传统动量因子。另外，与大多数价量类因子不同的是，新动量因子的多头表现优异，相对于市场基准的信息比率可达1.61，月度胜率为65.87%，最大回撤仅 为5.00%。 风险提示：本报告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。 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 《“求索动量因子”系列研究 （二）交易者结构对动量因子的改进》 2020-08-18 1/19 东吴证券研究所 内容目录 1.前言4 2.交易者结构对动量因子的影响5 2.1.A股市场的各类投资者交易占比5 2.2.各类投资者不同交易占比下的动量因子6 3.基于交易者结构的新动量因子7 4.其他重要讨论11 4.1.新因子的多空收益分解11 4.2.新因子的参数敏感性11 4.3.交易者结构在其他因子上的应用13 4.4.沪深300、中证500、中证1000投资组合构建15 5.总结17 6.风险提示18 2/19 东吴证券研究所 图表目录 图1：传统动量因子10分组及多空对冲净值走势4 图2：传统动量因子10分组及多空对冲净值走势5 图3：各类投资者的交易占比5 图4：局部因子的年化ICIR：散户交易占比划分7 图5：局部因子的年化ICIR：中户交易占比划分7 图6：局部因子的年化ICIR：大户交易占比划分7 图7：局部因子的年化ICIR：机构交易占比划分7 图8：新动量因子10分组及多空对冲净值走势8 图9：新旧动量因子多空对冲图8 图10：纯净新因子10分组回测及多空对冲净值走势10 图11：局部动量因子的年化ICIR：各类交易者占比划分（回看40日）12 图12：局部动量因子的年化ICIR：各类交易者占比划分（回看60日）12 图13：新旧动量因子10分组对冲净值（回看40日）13 图14：新旧动量因子10分组对冲净值（回看60日）13 图15：局部换手率因子的年化ICIR：各类交易者占比划分14 图16：局部振幅因子的年化ICIR：各类交易者占比划分15 图17：沪深300指数增强净值走势（2010.01.01-2023.12.31）16 图18：中证500指数增强净值走势（2010.01.01-2023.12.31）16 图19：中证1000指数增强净值走势（2015.01.01-2023.12.31）17 表1：新旧动量因子10分组多空对冲的绩效指标对比9 表2：新动量因子分年度表现9 表3：新动量因子与Barra风格因子相关系数10 表4：纯净新因子分年度表现11 表5：新动量因子多空超额绩效指标11 表6：新动量因子10分组多空对冲的绩效指标对比（回看40、60日）13 表7：新旧换手率因子效果对比14 表8：新旧振幅因子效果对比15 表9：沪深300指数增强（2010.01.01-2023.12.31）16 表10：中证500指数增强（2010.01.01-2023.12.31）17 表11：中证1000指数增强（2015.01.01-2023.12.31）17 3/19 东吴证券研究所 1.前言 动量因子自1993年被发现以来，就成为量化投资领域最常用的选股因子之一。动量之于A股，表现为显著的中长期反转现象，但令人惋惜的是，A股市场中动量因子的反转效应并非一直稳定。以20日收益率为例，在2010/01/01-2023/12/31期间，传统动量因子（Ret20）在全体A股中的表现如图1所示，10分组多空对冲的信息比率为1.11，月度胜率为65.27%，在多个时间段发生较大回撤，稳定性较差。 图1：传统动量因子10分组及多空对冲净值走势 数据来源：Wind资讯，东吴证券研究所 东吴金工团队在动量因子方面做了诸多研究，在专题报告《成交量对动量因子的修正：日与夜的殊途同归》中，基于金融市场最经典的价量理论，逐步展示了如下现象：成交量能够有效识别动量因子信号的强弱，即不同规模成交量对应的价格涨跌幅，呈现的动量或反转效应存在显著差异。原作在《成交量对动量因子的修正：日与夜的殊途同归》的基础上进一步探究切割方法，于2020年8月份发布，本报告时隔三年，在原作 基础上将数据更新至2023年底。 在《成交量对动量因子的修正》中，我们关注的成交量是“整体的量”，但市场中存在各种各样的交易群体，比如按照挂单金额的大小，可以将交易者划分为机构、大户、中户和散户，不同群体的交易目的、特征都存在显著差异，这可能导致不同群体流入市场的成交量，蕴含的信息也各不相同。因此，本篇报告尝试基于交易者结构，对成交量进行细分，考察不同交易者贡献的成交量，是否能够对涨跌幅因子的强弱起到不同的识别作用。在报告的最后，我们依然希望在各位读者面前呈现一个优秀的选股因子。 4/19 东吴证券研究所 图2：传统动量因子10分组及多空对冲净值走势 数据来源：Wind资讯，东吴证券研究所 2.交易者结构对动量因子的影响 2.1.A股市场的各类投资者交易占比 根据图2对交易者结构的划分，每个交易日，我们计算所有股票的机构、大户、中户、散户的平均交易占比，可得下图3。在2010/01/01-2023/12/31期间，所有A股样本中，机构、大户、中户、散户的平均交易占比分别为6%、22%、37%、35%，中户、散户交易占比长期较高。 图3：各类投资者的交易占比 数据来源：Wind资讯，东吴证券研究所 5/19 东吴证券研究所 2.2.各类投资者不同交易占比下的动量因子 在计算得到每个交易日，每只股票的各类投资者交易占比后，我们研究其是否具有识别动量因子强弱的能力。具体实施以下步骤： （1）每月月底，将每只股票过去20个交易日的涨跌幅（今收/昨收-1），按照当日 的“散户”交易占比，从低到高进行排序，等分为5个小组； （2）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个局部因子；具体地，若股票A过去20个交易日的每日涨跌幅，按照当日“散户”交易占比排序后，依次为𝑟1′，𝑟2′，，𝑟20′，则5个局部因子定义为： small_MOMpart1=mean(𝑟1′，𝑟2′，𝑟3′，𝑟4′) small_MOMpart2=mean(𝑟5′，𝑟6′，𝑟7′，𝑟8′)small_MOMpart2=mean(𝑟9′，𝑟10′，𝑟11′，𝑟12′)small_MOMpart2=mean(𝑟13′，𝑟14′，𝑟15′，𝑟16′)small_MOMpart2=mean(𝑟17′，𝑟18′，𝑟19′，𝑟20′) 其中，“small”表示按照“散户”交易占比划分，small_MOMpart1即为20个交易日中，散户占比最低的4个交易日涨跌幅的平均值； （3）以2010/01/01-2023/12/31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； （4）将上述步骤中的按照“散户”交易占比划分，依次修改为“中户”、“大户”、“机构”，重复上述操作。 下图4-7分别展示了在各类投资者的不同交易占比下，5个局部因子的年化ICIR。根据图示结果，我们主要得到以下两条结论： (1)交易者结构对涨跌幅因子的方向及强弱有显著影响，对于大单交易者（机构、大户）而言，交易占比越高，反转效应越强；而对于小单交易者（散户、中户）来说，交易占比越低，反转效应越强； (2)散户、机构的交易占比对涨跌幅因子的区分能力最强，5个局部因子的年化ICIR不仅严格单调，而且方向也发生了变化，具体地，随着散户交易占比的提升或机构交易占比的下降，5个局部因子逐渐由反转效应向动量效应转变。 6/19 东吴证券研究所 图4：局部因子的年化ICIR：散户交易占比划分图5：局部因子的年化ICIR：中户交易占比划分 数据来源：Wind资讯，东吴证券研究所数据来源：Wind资讯，东吴证券研究所 图6：局部因子的年化ICIR：大户交易占比划分图7：局部因子的年化ICIR：机构交易占比划分 数据来源：Wind资讯，东吴证券研究所数据来源：Wind资讯，东吴证券研究所 3.基于交易者结构的新动量因子 根据上一节的回测结果，我们提出一种改进动量因子的方案。此处，以“散户”交易占比为例，提取信息最强的部分，即交易占比最低的“因子1”和交易占比最高的“因子5”，合成新的动量因子，具体步骤为： （1）每月月底，回溯所有股票过去20个交易日的数据，按照“散户”交易占比的高低，计算每只股票的因子1（small_MOMpart1）和因子5（small_MOMpart5）； （2）每只股票的新因子定义为因子1与因子5之差，即： NEW_MOM=small_MOMpart1−small_MOMpart5 （3）同样以2015/05/01-2023/12/31为回测时间段，月度换仓，以全体A股为研究 7/19 东吴证券研究所 样本，做10分组回测。 回测结果显示，新动量因子的月度IC均值为-0.051，RankIC均值为-0.067，年化ICIR为-2.383，年化RankICIR为-3.278。下图8、9分别展示了新因子的10分组回测、多空对冲净值走势，表1比较了新因子、传统因子10分组多空对冲的各项绩效指标， 表2则报告了新因子各年度的表现情况。整体来看，新动量因子的效果大幅优于传统因子，其年化收益为23.23%，年化波动为10.58%，信息比率为2.20，月度胜率为72.46%，最大回撤为10.96%。 图8：新动量因子10分组及多空对冲净值走势 数据来源：Wind资讯，东吴证券研究所 图9：新旧动量因子多空对冲图 数据来源：Wind资讯，东吴证券研究所 8/19 表1：新旧动量因子10分组多空对冲的绩效指标对比 传统动量因子Ret20 新因子NEW_MOM 年化收益率 19.38% 23.23% 年化波动率 17.41% 10.58% 信息比率 1.11 2.20 月度胜率 65.27% 72.46% 最大回