形态因子研究初探：基于离散形态信号构建的形态合成因子

一、K线形态与形态信号 K线形态学研究股票价格轨迹的图形、形态及特征，不同K线组合可表现出多重市场形态。华创证券研究所根据1-5日K线总结出61种常见形态，包括正面、负面和反转形态，对应不同看涨或看跌信号。形态信号具有离散化、低覆盖、多样化的特点，难以直接因子化。

二、形态合成因子构建 针对形态信号的特点，本报告提出基于离散形态信号构建形态合成因子的方法。首先采用离散信号回归加权法，将各形态的离散信号作为哑变量，与下一期收益率进行线性回归，并基于历史一段时间的回归系数对信号值进行加权，得到形态因子。然后将当期形态因子和滞后d期形态因子等权合成，构建形态合成因子。报告构建了不同调仓频率（周频、月频）、不同回归系数平均周期（60、120、240个交易日）和不同回归方法（一般线性回归、LASSO、弹性网）共18种形态合成因子，其中LASSO或弹性网回归可实现自动筛选有效形态。

三、形态合成因子有效性测试 对形态合成因子进行IC测试、分层测试和分域测试，结果表明不同形态合成因子在回测区间内均具有一定的有效性：

• IC测试：ric较稳定，正值比例最高达81.43%。
• 分层测试：空头收益明显高于多头收益，多空组合年化收益最高达20.26%。
• 分域测试：中证1000上表现更优，大部分行业内因子均有效。 综合回测效果来看，回归系数平均周期选择240优于120，两者均明显优于60；回归方法选择弹性网回归优于LASSO回归，两者均明显优于一般线性回归。

四、中证1000形态指增 基于形态合成因子KPT_Elastic_240_m构建中证1000形态指增策略，回测区间内年化超额6%，年化跟踪误差4.53%，最大回撤5.86%，信息比率1.32，分年度表现超额收益均为正。

五、总结 本报告为形态因子研究初探，说明了形态可作为因子提供有效信息，但仍有很多改进空间。后续报告将进一步探索不同种类不同时间形态信号之间的复杂关系，或综合成交量、基本面等信息，提出新的模型和应用方向。