本报告基于涨跌幅排行榜构建了涨幅榜单因子DWF和跌幅榜单因子DLF,发现涨幅榜股票因高关注度导致短期股价高估,未来收益显著下滑,尤其是涨幅榜因子DWF在中证全指样本中表现出较强选股能力和显著统计特征。DWF与其他技术类alpha因子(如特异度IVR、换手对数、短期反转)结合能够解释大部分投机类alpha收益来源,构建的合成因子在提高选股效率上具备一定效果,但对指数增强模型的提升有限,风险提示量化模型可能因极端市场环境失效。
| 组合类型 | 股票数量占比 | 股票市值占比 | 月均收益 | 月收益t值 | 月胜率 | 夏普率 | 最大回撤 |
|---|---|---|---|---|---|---|---|
| Never | 40.1% | 45.2% | 2.50% | 3.07 | 59.0% | 84.0% | -63.8% |
| Winner | 16.9% | 15.0% | 1.62% | 1.94 | 55.3% | 53.1% | -68.6% |
| Loser | 16.4% | 18.2% | 2.28% | 2.71 | 56.5% | 74.3% | -66.8% |
| Both | 26.7% | 21.6% | 1.18% | 1.39 | 54.7% | 37.9% | -74.0% |
| 因子组合 | RankIC | IC_IR | t_value | 多空月收益 | 夏普率 | 最大回撤 |
|---|---|---|---|---|---|---|
| C0(传统6投机类因子) | -9.03% | -4.21 | -15.37 | 2.23% | 2.87 | -11.90% |
| C1(C0+DWF、DLF) | -9.66% | -4.15 | -15.16 | 2.39% | 2.83 | -11.25% |
| C2(C1中只含DWF、IVR核心因子) | -10.46% | -5.06 | -18.47 | 2.95% | 3.62 | -7.14% |
| C3(C0+换手、反转) | -10.36% | -4.39 | -16.03 | 2.67% | 3.02 | -11.50% |
| C4(C1+换手、反转) | -10.66% | -4.34 | -15.86 | 2.74% | 2.96 | -10.87% |
| C5(C2+换手、反转) | -12.12% | -4.93 | -18.01 | 3.43% | 3.22 | -10.01% |
该研究分析了A股涨跌幅排行榜(涨幅榜、跌幅榜)中股票因投资者关注度集中而带来的价格高估及后续收益表现,进而构建与验证了基于涨跌幅榜单的选股因子(DWF和DLF)及其在技术类alpha因子体系中的作用及价值。
主要结论是:
理论上,投资者由于时间和精力限制,不可能全市场全面分析,因而只能重点关注少数股票,这种有限关注导致被关注股票(尤其涨跌幅排行榜上的股票)容易受到高估。A股的做空机制限制了投资者卖空,增加了买入偏好,促使涨幅榜股票出现短期溢价。
研究采用搜狗指数作为投资者关注度的代理,发现涨跌幅与关注度呈明显的U型关系(极端涨幅或跌幅股票关注度最高),且涨幅榜股票引发关注更显著。涨跌榜股票的关注度持续时间较长,但涨幅榜股票在上榜前关注度较低,跌幅榜股票则上榜前就已被关注较高。,
参考前人研究(Kumar等2018),该报告构建四类组合:
结果发现涨幅榜(Winner)组合明显跑输未上榜股票,跌幅榜(Loser)组合表现也较差但差异不显著,暗示涨幅榜股票的未来收益被押低,验证有限关注且做空限制导致的高估效应。
提出指数加权涨跌幅榜因子DWF及DLF,利用虚拟变量标记股票是否入榜,采用指数权重突出近期入榜情况,默认半衰期h=10交易日(代表指数权重半衰期约半个月),N取80只榜单股票。
2015年初至5月牛市高峰期因子经历了显著回撤,反映出高涨情绪下热门股票涨幅榜因子被高估且未来表现下降的特性。
通过调节榜单观测范围N值(60、80、100)和半衰期h(5、10、20、40),发现因子表现对这些参数的敏感度较低,但较短半衰期对应较高IC_IR及多空收益,代价是提高交易换手率。报告默认参数N=80,h=10平衡稳定性与交易成本。,
考察10个技术类alpha因子,包括DWF、DLF、波动率(VOL)、偏度(SKEW)、特异度(IVR)、特质波动率(IVOL)、特质偏度(ISKEW)、最大收益(MAXRET)、换手对数(LNTO)和收益率(RET)。
表现上DWF、IVR、IVOL因子强于VOL、SKEW、ISKEW等,换手率受市值调整后表现更突出。,
因子分为几个较为独立的组:
基于双重分层回测,结果表明:
以剔除波动率、偏度等因子组合(S0)、其他技术因子(S1)和所有大类alpha(S2)为例,DWF因子依然保持显著选股能力,表明其提供额外信息,非其他因子简单线性叠加。
剔除DWF和IVR后,DLF和IVOL因子选股效果显著降低,换手率和反转因子依旧保持部分效能,表明DWF与IVR共同捕获绝大多数投机类alpha来源。
基于上述分析,报告聚焦四个相对独立alpha来源构建合成因子:
通过构建6组合成因子组合(包含原有投机因子及加入DWF、DLF后的不同组合)检验条件下的表现。结果显示,引入DWF及DLF改进了大类因子表现,但增量有限;进一步仅选取独立alpha核心指标DWF和IVR后,表现提升更明显。
2018年6月以来的多空组合净值曲线体现了C5(核心α+DWF+IVR+LNTO+RET)组合的明显超额收益。,
作者明确指出,此量化模型基于历史数据,存在未来失效风险;极端市场环境亦会对因子表现带来冲击,可能导致亏损发生。
提供了研究分析师声明、投资评级定义与量化标准、公司免责条款及研究报告的版权与使用限制,保障研究的合规性与信息透明度。,
本报告主要为量化因子研究和选股模型,不涉及传统估值(如DCF、市盈率等)分析。估值侧重于因子有效性评估,核心指标包括RankIC、IC_IR、t值、多空组合收益率及夏普率、最大回撤等财务统计量。
风险调整收益(夏普率)、胜率以及最大回撤共同评估因子稳定性与收益质量,有助于投资者理解模型风险与收益的平衡。
上述风险提示增强模型适用性的现实意义,提醒投资者理性看待量化因子的适用边界。
本报告通过系统研究A股涨跌幅榜单股票的关注度及其对价格及未来收益的影响,建立了涨幅榜单因子DWF和跌幅榜单因子DLF,证实了基于有限关注的投资者行为导致涨跌幅榜股票未来收益递减的现象。DWF因子表现尤为优越,成为技术类alpha因子体系中的核心之一,能够显著解释多个传统波动率与波动相关指标的选股收益。
通过因子相关性分析和横截面回归,报告进一步区分了因子内部的重叠与独立信息,明确指出DWF和IVR二者构成了投机类alpha的主要独立来源,辅以换手率与短期反转补充选股维度。合成因子表现验证了添加DWF和DLF确实提升了投机类alpha的组合表现,但实际应用到指数增强模型时边际收益提升不大,表明其用途更适合专注技术类alpha策略的投资者。
图表数据整体支持报告核心观点:有限关注和做空限制导致涨幅榜股票溢价且未来收益低迷,构建的指数加权涨跌幅榜单因子具备稳定而显著的负向选股能力。报告对因子参数稳健性、分层剔除及风险警示均进行了充分论证,展现较强的研究深度和层次。
综上,报告为A股市场提供了一种基于投资者关注机制的量化选股新视角,并陈述了该因子的实证表现和实际应用挑战,对因子投资和市场行为研究均具启发意义。
| 图表编号 | 内容简介 | 关键见解 |
|---|---|---|
| 图1 | 不同日涨跌幅股票关注度(搜狗指数) | U型关系,涨跌幅极端股票关注度最高 |
| 图2 | 涨跌榜股票上榜前后关注度趋势 | 涨幅榜关注度激增,跌幅榜关注持续较高 |
| 图3 | 榜单组合表现(月均收益、夏普率等) | 涨幅榜股票明显跑输未入榜股票 |
| 图4-8 | 涨跌幅榜单因子DWF、DLF表现与参数敏感性 | DWF效果优于DLF,参数调整影响有限,表现稳健 |
| 图9-11 | 技术类因子定义、表现及相关性 | 投机类因子分为几大群组,DWF与IVR独立且表现优异 |
| 图12-14 | 因子分层与回归剔除分析 | DWF可解释VOL等多因子信息,DLF和IVOL信息被覆盖 |
| 图15-16 | 合成因子多空组合表现及净值曲线 | 综合因子表现提升明显,但指数增强提升有限 |
如需查看具体图表,请查阅对应页码。,4,5,6,7,8,9,10,11,12,13]
东方证券的这份研究报告以有限关注理论切入,对涨跌幅榜股票的投资者行为与收益表现做了系统分析,创新构建的涨跌幅榜单因子展现出较强的选股能力和独立的信息内容,推动了技术类alpha因子研究的深化。其实证方法严谨,涵盖了从关注度数据、组合分析、因子设计、相关性与分层检验、回归分析和风险揭示的完整链条,具有较高的参考价值。尽管在实际指数增强层面改进有限,但对细分alpha追踪与特定策略的启发意义较大。投资者和策略开发人员宜结合自身风险偏好和投资策略需求,合理利用该因子。
(全文根据东方证券《A股涨跌幅排行榜效应——因子选股系列研究之四十七》报告逐页内容归纳、剖析,所有结论均源自报告本身陈述与数据,页码标注对应报告原文页码),1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]
因子选股系列研究之四十七:A股涨跌幅排行榜效应.pdf