本报告基于交易者挂单金额大小区分为超大单、大单、中单和小单,研究不同交易者结构对涨跌幅因子的影响及动量-反转属性。核心发现是大单交易占比越高,涨跌幅因子表现为反转效应强烈;小单交易占比越高,则表现为动量效应,且基于小单和超大单占比构建的新涨跌幅因子ICIR超过2,优于传统因子。新因子换手率低于传统因子,表现稳健且多构建方式均验证该规律。报告还创新考虑流入、流出及市场超额影响,均印证上述结论,为动量因子改进提供实用策略框架
| 因子名称 | IC均值 | 年化ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤率 |
|---|---|---|---|---|---|---|---|
| 传统因子Ret20 | -0.054 | -1.37 | 14.02% | 15.50% | 0.90 | 63.04% | 14.33% |
| 新因子NEW_MOM | -0.056 | -2.33 | 18.24% | 8.47% | 2.15 | 73.91% | 7.47% |
| 指标 | 新因子多头 | 新因子空头 | 传统因子多头 | 传统因子空头 |
|---|---|---|---|---|
| 月均换手率 | 76.80% | 71.24% | 80.62% | 76.95% |
| 构建方式 | IC均值 | 年化ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤率 |
|---|---|---|---|---|---|---|---|
| 传统因子 Ret20 | -0.054 | -1.37 | 14.02% | 15.50% | 0.90 | 63.04% | 14.33% |
| 小单1-小单5(原报告) | -0.056 | -2.33 | 18.22% | 8.46% | 2.15 | 73.91% | 7.45% |
| 超大单5-超大单1 | -0.059 | -2.08 | 17.83% | 9.65% | 1.85 | 73.19% | 10.01% |
| 小单1-超大单1 | -0.050 | -2.10 | 15.05% | 8.32% | 1.81 | 74.64% | 9.77% |
| 超大单5-小单5 | -0.051 | -2.13 | 15.87% | 8.30% | 1.91 | 75.36% | 6.87% |
| 小单1-小单5+超大单5-超大单1 | -0.055 | -2.14 | 16.59% | 8.65% | 1.92 | 72.46% | 10.26% |
| 因子方案 | IC均值 | 年化ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤率 |
|---|---|---|---|---|---|---|---|
| 传统因子 Ret20 | -0.052 | -0.86 | 10.02% | 13.34% | 0.75 | 60.61% | 14.26% |
| 占比_涨跌幅(原报告) | -0.058 | -2.31 | 18.68% | 8.61% | 2.17 | 75.76% | 7.47% |
| 占比_超额涨跌幅(全A) | -0.061 | -2.42 | 20.08% | 8.83% | 2.27 | 79.71% | 7.82% |
| 超额占比_涨跌幅(全A) | -0.055 | -2.24 | 15.33% | 7.87% | 1.95 | 74.24% | 6.27% |
| 超额占比_超额涨跌幅(全A) | -0.060 | -2.31 | 17.26% | 8.51% | 2.03 | 78.79% | 8.06% |
本报告题为《“求索动量因子”系列研究(三):交易者结构对动量因子的改进 Q&A》,由东吴证券研究所的沈芷琦和高子剑于2021年8月17日发布。报告继续延续了此前两篇专题报告《成交量对动量因子的修正》和《交易者结构对动量因子的改进》中的研究思路,重点围绕如何通过交易者结构特征改进传统的涨跌幅因子(即动量因子)进行深入解读和回答市场关切问题,属于量化投资领域的因子研究。
核心论点强调不同投资者交易结构(大小单比例)对涨跌幅因子表现的显著影响,尤其指出“大单交易占比越高,小单交易占比越低,对涨跌幅因子的反转效应越强”。基于此,报告构造了结合大小单交易占比信息的新涨跌幅因子,回测表现优异,年化信息比率(ICIR)和收益-风险指标均明显优于传统动量因子Ret20。本文同时探讨了动量与反转的本质、不同构建方式、新因子的换手率水平、交易占比拆解以及剔除市场影响的超额交易占比与超额涨跌幅的应用,最终提出风险提示,为投资者提供方法论意义上的改进建议和实务指导,3].
报告开篇回顾了2020年8月18日发布的《交易者结构对动量因子的改进》首篇成果,明确提出不同交易者大小单交易占比与涨跌幅因子的方向性关联,尤其是“大单交易占比越高,涨跌幅因子反转效应越强;小单交易占比越高,涨跌幅因子动量效应越强”这一核心规律。报告指出“动量”和“反转”被广泛讨论,而“交易者结构”是重点切入视角,吸引量化同仁高度关注,进而积累了众多Q&A作为本文内容.
报告采用挂单金额大小将交易者分为:
定义了“小单交易占比”为某日小单买入额+卖出额与该日总成交额之比。通过对股票按照不同大小单占比排序,将过去20个交易日的涨跌幅划分为5组(每组4日),得到5个局部涨跌幅因子,分别对“小单”、“中单”、“大单”和“超大单”交易占比进行同样的分组与回测分析。
关键结论如下:
这一结果揭示交易者类别的行为特征对价格动量或反转产生深刻影响,进一步强调大单资金多倾向于过度反应,形成市场反转,而小单资金表现出反应不足,产生价格趋势延续现象,5].
受上述结论启发,报告提出以“小单”交易占比的极端两端,即最低组(因子1)和最高组(因子5)的涨跌幅差异,构造新的因子信号:
[ \text{新因子} = \text{因子1} - \text{因子5} ]
回测区间为2010年至2021年7月,以全市场数据为样本,月度换仓策略。
两图(6、7)和表1直观展示了新旧因子净值演变及绩效对比,新因子整体表现更优,表明交易者结构信息有效提升了涨跌幅因子的质量和选股能力,6].
报告深入探讨动量和反转体现的根源,观点十分关键:
该节通过设问启发读者思考,验证了模型机制上的合理性和逻辑一致性,为后续因子构建提供理论支撑.
换手率是实际使用因子时的重要衡量指标,较低换手率可减少交易成本。
除了“小单1-小单5”模式外,报告尝试基于“超大单”及两者组合多种构建策略,具体有:
| 构建方式 | 新涨跌幅因子定义 | 属性说明 |
|---|---|---|
| 小单1-小单5(原报告) | 小单交易占比最低1/5日均涨跌幅 - 最高1/5日均涨跌幅 | 反转至动量转变 |
| 超大单5-超大单1 | 超大单交易占比最高1/5日均涨跌幅 - 最低1/5日均涨跌幅 | 反转趋势明显 |
| 小单1-超大单1 | 小单占比最低日均涨跌幅 - 超大单占比最低日均涨跌幅 | 混合构造 |
| 超大单5-小单5 | 超大单占比最高日均涨跌幅 - 小单占比最高日均涨跌幅 | 反转混合策略 |
| 小单1-小单5 + 超大单5-超大单1 | 小单和超大单两个因子加权组合 | 信息整合 |
图10展示了5种构建方式的5分组多空净值走势,均显著优于传统因子。表4数据说明所有方式年化ICIR均在2以上,年化收益均超过15%,信息比率良好,胜率和最大回撤控制均表现稳健,显示该类因子具有较好的稳定性和抗噪声能力,9].
报告进一步区分了交易占比的测算细节,包括:
以“小单”为例,考察上述不同计算方法对局部因子ICIR的影响。图11-13显示:
综合表明,拆解流入、流出维度,特别是考虑净流入占比,可以更精准地反映交易者对价格的推动力度,有助于优化因子构建,11].
针对市场整体行情对涨跌幅和交易占比的影响,报告考虑了超额交易占比和超额涨跌幅的概念:
通过剔除市场因子,避免不同交易日截面回测因潜在市场环境差异而产生的偏误,进一步验证因子稳健性。图14显示不同方案下的新涨跌幅因子5分组多空对冲净值均优于传统因子。表6数据表明超额调整后,因子ICIR仍维持在2以上,年化收益率及信息比率均保持领先,最大回撤显著下降至7%左右。
图15-17对比全A指数基准下局部因子年化ICIR,也显示“超大单/大单高占比对应涨跌幅反转且强度大;小单/中单低占比对应动量效应”的规律一致存在,表明报告结论稳健且可推广,13,14,15].
风险因素明确包括:
该节体现了研究者对模型实际应用风险的理性审慎态度.
图2(小单交易占比划分):
5个局部因子中,ICIR呈单调上升趋势,由-2.21逐步转正至0.94,显示随着小单占比升高,涨跌幅因子由反转强烈向动量强烈转变。传统因子Ret20的ICIR为-1.37,明显不及局部因子1和5的表现。该图突出“小单交易占比”对价格反转与动量的强区分能力。
图3(中单交易占比划分):
ICIR均为负值且绝对值较Ret20更大,表现为较弱的反转效应,但整体变化幅度较小,说明中单交易占比对涨跌幅因子影响较弱,缺乏明确的方向转变。
图4(大单交易占比划分):
ICIR负值趋势且绝对值明显高于Ret20,随着大单交易占比提高,反转效应增强,达-1.96(最高组),体现大单交易驱动的涨跌幅反转特征。
图5(超大单交易占比划分):
ICIR从动量轻微转向强烈反转,最高组达-1.89,显示超大单交易对价格反转影响最强,符合大机构过度反应推导。
以上图表数据支持报告观点,并为新因子设计提供基础,5].
图6(新涨跌幅因子5分组净值):
表现出明显梯度分明的涨跌趋势,第1组收益最高,走势强劲,5组最低;显示新因子成功区分不同涨跌幅水平。
图7(新旧因子多空对冲净值):
新因子的净值曲线显著高于传统Ret20,且增长更为平滑,验证改进因子的优势。
图8、9(换手率对比):
新因子换手率稳定且低于传统因子,降低了交易频率及成本,利于实盘应用。
表1、表2统计数据:
新因子的年化收益和信息比率明显优于传统因子,最大回撤显著降低,8].
多种构建方式保持年化ICIR绝对值均在2以上,收益率均超15%,波动率更低,最大回撤控制良好,显示新因子体系的鲁棒性和表现稳定,符合实务多样化需求.
整体图表验证了报告关于“交易者结构影响动量因子”的核心假设,并展示了因子实用性与多样性.
该报告属于量化因子策略研究报告,无涉及市盈率、现金流折现等估值模型,核心聚焦于因子构建、回测绩效和交易者行为解析,不包含资产定价估值方法论,因此本节不涉及传统估值分析[page::全篇].
风险明确包括市场变动可能使历史数据不适用,单因子波动性较大需结合风险管理,以及数据测算误差潜在影响。该风险提示明确提醒用户关注因子策略的局限性和实际应用时的谨慎性,适合资深量化投资者使用.
总体而言,报告已较为全面地探讨核心因子结构,对量化策略改进具有较高参考价值,但存在部分需要未来研究补强的空间。
本报告通过仔细解析交易者结构对传统动量因子涨跌幅表现的影响,明确了“大单交易偏重反转效应,小单交易偏重动量效应”的市场行为规律。基于这一洞察,构建了以大小单交易占比极端分组涨跌幅差异为核心的新动量因子,该因子相较经典的Ret20动量因子,在回测中表现出了显著更高的年化信息比率(ICIR)、更优的收益稳健性、更低的换手率及更好的最大回撤控制,显示了在实际量化投资中的潜在价值。
报告还多角度分解交易占比的计算方法,考虑了流入/流出维度及市场基准剔除的超额交易占比与超额涨跌幅,结果均验证了因子构造的稳健性和一致性,为理论和实务提供了坚实根基。图表数据清晰展现了因子分组的收益梯度和净值增长路径,强化了因子效用的说明力度。
报告还客观提出了包括未来市场环境变化、单因子策略波动性及数据测算误差等风险警示,提醒实务应用需结合风险管理工具。
总体上,报告充分展现了将交易者行为结构整合至因子构建中,改善传统动量因子表现的理论创新和实证成果,为推动量化投资策略的精细化与多元化发展提供了新的重要思路.
图1 交易者结构分类示意:
图2 小单交易占比分组局部因子年化ICIR:
图6 新涨跌幅因子5分组回测净值走势
图14 超额概念下的新涨跌幅因子多空对冲净值走势
以上为本报告的全面深入解析,涵盖理论基础、模型构建、实证分析、图表数据解读及风险说明,力求为读者准确传递报告精髓及操作参考。
“求索动量因子”系列研究(三):交易者结构对动量因子的改进Q与A.pdf