量化专题报告：“量价淘金”选股因子系列研究(六)，创新高股票中的Alpha

创新高股票中的Alpha 锚定效应下，股票创新高后长期存在超额收益。投资者在买卖股票时，往往 会考虑股票过去的价格走势。当股价接近过去高点时，“锚定投资者”认为 股价很难继续上涨至突破高点，因此很容易造成股票价格对其他利好消息反 应不足，从而在新高之后继续上涨。例如在中证800成份股中，创新高股票 在新高后240个交易日，相对中证800指数仍有6.37%的平均超额收益。 创新高股票呈现明显的“低胜率、高赔率”特征，需要对样本进一步筛选。 尽管创新高股票平均收益表现不错，但在突破新高后的短期时间内，超额收 益有限且波动较大，在20-30个交易日左右平均累计超额收益为负；且创新 高股票的后续收益分布有偏，长期胜率不足50%，个别极端收益股票显著拉 高了创新高事件的平均收益。因此想要构建稳健的创新高组合，必须对样本 做进一步筛选。 通过量价+基本面信息在创新高股票中寻找Alpha。创新高样本的筛选方案， 主要分为时序筛选和截面筛选。时序筛选从个股时序价量形态出发，剔除有 “假突破”、“诱多”可能的新高样本，而截面筛选的目的则是在同一天创 新高股票中选出未来最有可能持续上涨的样本。回测发现，放量创新高、创 新高时反应不足及创新高时基本面更优秀的样本超额收益相对更高。通过涨 跌幅、换手率、一致预期上调幅度等因子进行筛选，能够剔除部分表现不佳 的新高股票，筛选后样本超额收益提升显著。 构建创新高事件的综合选股方案。综合考虑每日新高股票数量、创新高后的 超额收益及合适的投资周期，利用量价+基本面信息对创新高样本筛选后， 可以使用资金通道法构建可落地的创新高组合。2014年以来，创新高组合 年化收益12.76%，相比中证800全收益指数的超额年化收益为5.82%。分 年度来看，牛市中创新高组合表现优异，超额收益非常明显，但在牛市尾声 及熊市中追涨容易录得负向超额。今年来，创新高组合在市场反弹时超额收 益显著，截止5月末创新高组合收益为18.20%，同期中证800全收益指数 收益为2.88%。 风险提示：以上结论均基于历史数据和模型的测算，如果市场环境和结构发 生剧烈改变，不排除模型失效的可能性。模型测算可能存在相对误差，不构 成实际投资建议。 一、前言 锚定效应是行为金融学的代表理论之一。投资者在进行股票投资时，往往会考虑股票过去的价格走势，比如将过去一年中的低点视为支撑位、过去一年中的高点视为压力位。 当股价逼近过去高点时，“锚定投资者”会认为股价很难继续上涨至突破高点，因此很容易造成股票价格对其他利好消息的反应不足。学术研究也表明，以过去52周的高点作为锚，突破高点的股票在未来很容易产生超额收益，因此可以用股价是否创新高来进行趋势投资。 本报告将从股价创新高这一事件出发，尝试从中寻找到稳定、持续的超额收益。我们将股价创新高定义为某只股票某日的收盘价创过去240个交易日收盘价的新高，暂且在中证800成份股中测试事件的有效性，并探索对创新高股票组合表现进行增强的方案。 二、创新高股票的超额收益 创新高股票被看作市场情绪的风向标，股价突破后常受到投资者的关注而持续上涨。图 表1统计了2013/1/4-2023/05/31内，中证800指数成份股中每日创新高股票数量，并与中证800指数走势进行对比。创新高股票的样本数量与指数走势息息相关，指数单日上涨幅度较大时，成份股创新高的数量通常也较多；当指数成份股中的“领头羊”不断突破新高、创新高股票越来越多时，往往也会带动市场情绪，推动指数不断走强，两者形成共振。整体来看，中证800成份股中，每个交易日创新高股票的平均数量约为21只，中位数为11只。 图表1：创新高股票数量与中证800指数走势 图表2：创新高股票未来240个交易日平均累计收益 为探讨创新高股票在新高后的收益情况，我们统计了每个创新高样本在未来240个交易日的累计绝对收益及其相对中证800指数的累计超额收益并求平均，在图表2中进行展示。从绝对收益来看，股票创新高后短期内一般仍会继续上涨，在创新高后的120个交易日收益最高，随后有所衰减。若考虑累计超额收益，则突破新高后短期内，创新高样本的超额收益有限且波动较大，甚至在20-30个交易日左右平均累计超额收益为负；但随时间推移，约35个交易日后，创新高样本开始较为稳定地积累正向超额收益，拉长至一年维度，平均累计超额收益约为6.37%。 需要关注的是，虽然创新高股票的平均收益表现不错，但全样本收益有偏，个别高收益股票显著提高了创新高事件的平均收益。图表3展示了所有创新高样本在创新高后几个重要时点的累计超额收益相关统计量，创新高样本的胜率低于50%，但75%分位数收益较显著，呈现明显的“低胜率、高赔率”特征。 图表3：创新高样本重要时点累计超额收益统计 考虑到投资者并不希望追逐涨停，以及从可投资性角度，次日开盘涨停的创新高股票无法正常买入，我们首先对所有样本中当日涨停或次日开盘涨停的股票进行剔除，重新计算创新高样本的超额收益，并在图表4、图表5中进行展示。创新高当日或次日开盘涨停的样本占总样本数量的12.08%，这类样本更容易反应过度，未来长期存在负向超额收益。剔除了存在涨停情况的样本后，剩余样本的累计超额收益更加稳定，触发事件后第240个交易日累计超额收益约为7.24%，且各时点下收益分位数更高，因此后续主要针对无涨停的创新高样本进行研究。 图表4：不同价格走势下创新高股票未来240日累计超额收益对比 图表5：剔除涨停后创新高样本重要时点累计超额收益统计 三、创新高事件的增强因子 上一节提到，创新高的股票虽然长期来看存在超额收益，但创新高后20-30个交易日左右超额收益为负，且胜率并不可观。因此想要基于创新高进行事件驱动选股，还需要对创新高样本进行进一步甄别。 对于创新高样本的筛选方案，我们认为主要分为两种：时序筛选和截面筛选。时序筛选是从个股时序价量形态出发，剔除有“假突破”、“诱多”可能的新高样本，而截面筛选的目的则是在每天创新高股票中选出未来最有可能持续上涨的样本。两种筛选方式并不冲突，可以结合使用选出更强的股票。 3.1时序筛选：放量突破前高的样本超额收益更显著 创新高可以看作对阻力位的突破。从技术分析的角度出发，放量突破前期高点代表市场对股票关注度增加，有大量新资金流入从而推动股价突破前期阻力位，通常被看作未来股价的积极信号。图表6、图表7分别展示了两个例子：京东方A(000725.SZ)在新高时成交额相比前期高点显著减少，未来股价下跌概率更大；而中集集团(000039.SZ)则显著放量突破，上涨空间较大。 图表6：京东方A(000725.SZ)新高前后价量形态 图表7：中集集团(000039.SZ)新高前后价量形态 根据上述思路，将所有创新高样本在创新高时的成交额MA10同过去一年中前高的成交额MA10对比，计算放量新高和缩量新高样本的平均累计超额收益情况，并在图表8中进行展示。回测结果显示，全部创新高样本中，大约有七成样本属于放量突破，它们的未来表现相对更强，创新高后20个交易日平均累计超额收益约为0.50%，而缩量突破的样本创新高后20个交易日的平均累计超额收益为负。 图表8：放量新高和缩量新高样本平均累计超额收益 3.2截面筛选：寻找反应不足或基本面优秀的个股 经过上一小节的时序筛选后，仍有大量创新高的样本等待进一步精选。股价创新高类似于买入强动量的股票，或许我们可以从以下两个方面入手，在每个截面上对创新高的股票进行筛选： “寻找反应不足的样本”：创新高事件的超额收益主要来自于高点的锚定效应，即股价对于利好信息的反应不足。因此，我们可以从寻找“更容易反应不足”的样本出发，通过量价因子在创新高的股票中找到更有可能反应不足的样本； “寻找优质公司”：业绩更优秀的公司，其基本面更能够支撑股价持续上涨。因此可以通过相对高频的基本面因子寻找创新高样本中业绩表现更优秀的公司。 按照上述两种思路，后文基于量价因子、基本面因子，对创新高样本进行进一步筛选。 3.2.1长期动量+反应不足：量价类因子 量价类因子的筛选思路是寻找反应不足的样本。A股市场呈现显著的反转效应：短期内涨幅越高的公司越容易反应过度，未来收益越低；此外，若股票换手率持续处于高位，代表该股票拥挤度较高，也是常见的反映交易过热、反应过度的指标。因此涨跌幅、换手率等常见的量价因子都可以用来识别哪些样本更容易反应不足。 我们定义前期涨跌幅因子为：个股创新高日之前K个交易日的累计涨跌幅(K暂取60)。 在整个回测期中，每个交易日，我们将当日创新高的样本，按照前期涨跌幅因子的大小重新排序，等分为2组，每组分别计算创新高后240个交易日的平均累计超额收益。 图表9展示了2组样本的累计超额收益情况。可以看出，前期涨幅高的公司越容易反应过度，创新高后短期内往往有负向超额收益；而前期涨幅低的公司更容易反应不足，创新高后仍能持续提供正向超额。在创新高后的第20个交易日，前期涨幅低的样本相比于前期涨幅高的样本，平均超额收益差值为1.02%；创新高后第240个交易日，超额收益差值扩大到2.09%，区分效果较为明显。 图表9：不同前期涨跌幅下创新高样本未来240个交易日平均累计超额收益 类似的，我们定义前期换手率因子为：个股创新高日之前K个交易日的日均换手率(K暂取60)。在整个回测期中，每个交易日，我们将当日创新高的样本按照前期换手率因子的大小重新排序，同样等分2组后分别计算每组的平均累计超额收益。 图表10展示了不同前期换手率水平下，2组样本的累计超额收益情况。前期换手率越高的公司创新高后越容易反应过度，反之则更容易反应不足。在创新高后的第20个交易日，前期换手低的样本相比于前期换手高的样本，平均超额收益差值为0.72%；创新高 图表10：不同前期换手率下创新高样本未来240个交易日平均累计超额收益 3.2.2股价与基本面的戴维斯双击：一致预期类因子 创新高样本中，基本面类因子的筛选思路是寻找股价上涨同时业绩持续优秀的公司，形成“戴维斯双击”。A股市场绝大部分根据财报数据计算的基本面因子有滞后性，因此我们需要借助更高频的基本面因子识别创新高公司的业绩情况，分析师一致预期类因子就是不错的选择。 我们定义过去60个交易日分析师一致预测FY1eps上调幅度为：(当前一致预测FY1eps-3个月前一致预测FY1eps)/3个月前一致预测FY1eps绝对值，按照上一小节相同方法计算分组收益情况，并在图表11中进行展示。 回测结果显示，一致预测eps上调幅度越高的公司，代表分析师对其基本面越看好，其股价未来上涨概率更大。在创新高后的第20个交易日，一致预期上调幅度高的样本相比于一致预期上调幅度低的样本，平均超额收益差值为1.00%，有较为明显的区分度。 图表11：不同一致预期FY1eps上调幅度下创新高样本未来240个交易日平均累计超额收益 四、如何构建创新高事件的选股组合？ 上一节的测试结果表明，创新高股票中的确长期存在超额收益，而且通过量价形态、基本面因子能够进一步筛选出表现更强的创新高样本。本节内容主要研究如何将多个筛选指标进行结合，同时构建可实际落地的创新高选股组合。 4.1创新高样本的综合筛选方案 由于创新高样本数量和市场环境相关性较高，牛市中新高数量较多，甚至某些交易日可达上百只，在选股组合中全部持有显然不合理。综合考虑前文的测试内容、根据持有样本数量、样本超额收益以及合理的投资周期，我们给出了创新高事件的综合选股方案，以保证每日选出的创新高数量相对平衡，且新高后的20个交易日超额收益更稳定。具体方案如下： (1)以中证800成份股为选股域，个股收盘价创240日新高即为触发创新高事件；首先剔除涨停创新高或者次日开盘涨停的样本，再剔除创新高成交额不足前期高点的样本，之后根据每日触发事件的样本数量，采取不同的选股方案； (2)若当日创新高样本量小于20，则仅使用前期涨跌幅因子，选取前