本报告基于百度搜索引擎的搜索指数数据,构建周度和月度的网络关注度因子,并检验其在A股市场的选股有效性和特异性。实证结果显示,关注度因子IC均显著正向,且多空组合年化收益率及夏普比率表现优异,特别是行业市值中性化处理后周度关注度因子多空收益率达44.8%,夏普比率3.95,表明关注度因子具备稳定的Alpha选股能力。但进一步分析发现因子与流动性等因子存在一定相关性,导致其特异性有所减弱。报告详细阐述了关注度因子的构建逻辑、数据覆盖度以及在宽基指数下的表现差异,为基于互联网另类数据的因子研究提供了实证支持。
| 因子 | 周度关注度 | 月度关注度 |
|---|---|---|
| IC均值 | 6.51% | 8.57% |
| T值 | 12.14 | 6.61 |
| 多空组合年化收益 | 42.9% | 27.7% |
| 夏普比率 | 2.51 | 1.32 |
核心论点与信息:
报告围绕互联网文本数据中的关注度因子展开,核心关注点是基于百度搜索指数,构建周度与月度关注度因子,探讨其是否具备选股能力和Alpha收益。通过因子IC检验、分位数组合收益分析、Fama-MacBeth回归等指标,报告验证了关注度因子的有效性和特异性,但也指出其与流动性等市场因子存在一定相关性,特异性在剔除后下降明显。整体评级并无明确投资建议,但强调模型与结论基于历史数据,存在失效风险。
报告开篇强调传统金融数据已趋同质化,挖掘Alpha空间受限,互联网产生的替代数据或“另类数据”成为突破口。网络数据的三大利用方向为情绪挖掘、主题聚焦及关注度指标构建,关注度指标尤受关注。量化投资借助互联网搜索行为数据(尤其是百度指数)透明反映市场参与者对个股的关注度,为挖掘Alpha提供新视角。百度作为中国主流搜索引擎,覆盖10亿用户,拥有庞大搜索行为数据,形成了可靠的关注度数据基础。
百度搜索指数基于网民在百度搜索的搜索量加权,区分PC、移动端及合并指数。百度资讯指数则包含媒体报道、点赞、评论等行为,但后者主观色彩较强,数据跨度较短,故本报告采用的是百度搜索指数。
关注度因子选取股票代码(数字部分)作为关键词,原因是股票代码反映的搜索更准确代表投资者行为,而非简单查询信息的用户。未被收录的股票视为关注度极低并剔除,涵盖中国全A市场共3922只股票,时间跨度从2011年1月至2021年9月。
该选择减少了基于股名的噪音,强化信号纯度。测试中股票代码指标效果明显优于股票简称指标,反映投资者真正的交易兴趣。
百度搜索总指数走势与万得全A指数高度同步,尤其2015年股灾期间表现出强烈联动,说明搜索指数在整体市场热度及情绪上的敏感性。
覆盖度方面,自2011年约52.5%提升至2021年9月的73%,并趋于稳定,说明大部分活跃股票均被涵盖,支持基于此数据构建的选股因子的可行性及完整性。
该稳定性保证了因子构建的广泛覆盖和代表市场的深度。
报告引入经济学和行为金融学观点,解释市场中投资者的非理性行为及其对股价的过度反映。理论支持关注度(即热度)与股价走势存在反向滞后关系:当个股被过度追捧时,股价往往过高(过度反映),搜索关注度会随之飙升;随后股价往往回归至真实价值,关注度下降,股价出现修正。因此,构造期内的关注度总和作为因子,负相关于下期的股价收益。
具体做法为将某只股票在一个统计周期(如一周)内每日搜索指数累加,形成周期关注度,如周度关注度因子。数据覆盖市场内所有被收录股,剔除关注度极低且未收录股票,保证数据质量。
该逻辑基于情绪反转和市场非理性的金融理论,指向关注度因子可作为反向择时指标。
使用信息系数(IC)检验因子解释能力,周度关注度因子平均IC为6.51%,月度为8.57%,均具显著统计意义(t统计量分别为12.14与6.61),表明因子与未来收益率存在正相关关系。
分位数组合测试显示:
行业及市值中性化调整后,因子IC均值略下降,但稳健性提升,夏普比明显增强,周度因子多空组合收益年化高达44.8%,波动率仅为11.3%,夏普比3.95,月度因子置于20.1%收益,13.1%波动率,夏普比1.53。
多空组合净值曲线表现出持续显著上升趋势,验证了关注度因子良好的投资绩效。
因此关注度因子既有统计显著性,也具备经济实用性,高夏普比表明其适合用于构建量化策略。
缩小股票池至沪深300和中证500两大宽基指数,IC及分位数组合结果均有所下降,但依旧具备统计与实质显著的选股能力。
报告指出,规模较大的宽基成分股通常关注度已较高,信息披露更快,市场效率更强,因而关注度因子的Alpha效应相对减弱。
通过图表19和20可见,沪深300整体关注度水平高于中证500,进一步佐证上述结论。
通过与Barra十大风格因子相关性分析,关注度因子相关性较低,除流动性因子外,未显示显著重叠。
剥离流动性因子后,关注度因子依然保持有效性,表明关注度并非纯粹反映市场流动性。
Fama-MacBeth回归进一步验证了关注度因子对未来收益的解释力,统计显著,尤其是周度因子。
然而,扩大回归范围至兴证金工165个底层因子,发现关注度因子与5个市场流动性及市场结构因子相关性较高(相关系数>0.3),将这些流动性因子放入联合多因子回归,关注度因子的特异性明显减弱,对收益率的解释力降低,显示部分Alpha源自流动性相关因素。
这提示关注度因子虽有Alpha,但需警惕其潜在的系统性风险因子重叠风险。
罗列了基于百度另类数据构建的两只大数据量化基金,显示百度指数对市场已具一定产品应用基础,说明数据具金融市场实用性。
界面截图说明数据来源透明,数据实时性佳(每日12点-16点更新),强调百度指数包含PC和移动端数据,代表广大互联网用户行为。
以贵州茅台为例,代码搜索指数波动较简洁且与价格走势更贴合,简称搜索波动更大,有较多干扰,验证代码搜索对投资者行为的代表性更强。
百度搜索总指数与市场指数线走势高度契合,尤其15年股灾期间同步波动,证实搜索指数的敏感度和市场相关性。
图示股票百度搜索覆盖度从近50%提升至70%+,说明数据全面性和代表性逐步提高。
展示了同一资产价格由于短期非理性膨胀后回归内在价值的过程,理论基础解释因子反向选股逻辑。
数据表清晰展示关注度因子无论周度还是月度,IC均大于0,且经过市值行业中性化后表现更稳健,多空组合收益率极高,夏普比高,最大回撤率较低。
净值曲线显示多空组合逐年上涨,体现高收益与较低波动特性,市场择时潜力强。
宽基指数范围内因子表现依旧稳健但较弱,如沪深300 IC显著下降,组合收益也低于全市场,说明关注度因子对大市值股票的Alpha贡献有限。
沪深300关注度普遍高于中证500,与因子表现下降对应。
显示关注度因子主要与流动性因子相关,剔除流动性后仍有效,但与部分底层流动性指标相关,联合回归下关注度因子显著性减弱。
报告不涉及传统企业估值模型如DCF或PE估值,重点在因子有效性与Alpha识别,属于因子研究与量化模型验证范畴,无直接股票目标价或估值区间。
报告总体未明确给出缓解策略,但通过多因子回归、稳健性检验进行了风险控制层面分析,并提示需持续关注因子表现,15].
本报告通过详细的数据分析和实证检验,确认了基于百度搜索引擎搜索指数构建的关注度因子具备显著的选股Alpha能力。主要结论包括:
总体上,报告提出关注度因子作为另类数据衍生的量化因子,具备较好的Alpha潜能,适合作为多因子投资组合中的补充因子,但需关注其与流动性因子间的相关性和潜在市场环境变动的风险,避免因子失效。投资者使用时建议配合其他因子进行风险分散。
本文所有结论和数据均来源于所引页面,详见。
百度搜索指数趋势界面(图4)
百度资讯指数趋势界面(图3)
股票简称与代码搜索指数对比(贵州茅台,图6)
百度搜索总指数与万得全A指数对比(图5)
股价过度反映原理示意图(图7)
行业市值中性化周度关注度因子多空组合净值表现(图14)
行业市值中性化月度关注度因子多空组合净值表现(图15)
月度关注度因子与兴证金工底层因子相关性分析(图24)
本报告通过严谨的数据获取、合理的因子构造、多个层面的实证检验,展示了基于百度搜索指数的关注度因子的强选股能力及其潜在风险,丰富了另类数据在量化投资中的应用范式,为市场参与者提供了可复制的Alpha因子探索方向,具有较高的参考价值。
猎金系列之三十三:网络关注度因子真的有选股Alpha吗.pdf