本报告基于成交量加权均价(vwap)与等权均价关系,提出APB指标度量股票买卖压力,并构建了APB_1m、APB_5d、APB_1d三个因子,分别反映不同时间尺度的买卖压力。实证结果显示,所有买卖压力因子在沪深市场均有显著截面选股能力,买压大的股票未来表现优异,尤其短期(日内及5日)买卖压力因子表现更佳。因子与传统基本面及技术面因子相关性较低,具有独立alpha价值,剔除其他因子后依然显著,适合多周期量化选股策略应用
| 样本空间 | RankIC(行业市值中性化) | IC_IR | 多空月均收益 | 夏普率 | 最大回撤 |
|---|---|---|---|---|---|
| APB_5d 中证全指 | 7.34% | 3.92 | 1.76% | 2.49 | -8.99% |
| APB_5d 沪深300 | 5.21% | 2.44 | 1.35% | 1.66 | -11.99% |
| APB_5d 中证1000 | 7.14% | 3.64 | 1.58% | 2.01 | -14.22% |
| APB_1m 中证全指 | 9.07% | 4.59 | 2.26% | 3.01 | -6.62% |
| APB_1d 中证全指 | 7.87% | 4.87 | 2.31% | 3.48 | -10.28% |
报告标题: 基于量价关系度量股票的买卖压力
系列名称: 因子选股系列研究之六十
发布机构: 东方证券研究所
分析师: 朱剑涛(执业证书编号:S0860515060001)、王星星(执业证书编号:S0860517100001)
发布日期: 2019年10月29日
研究主题: 股票市场中的买卖压力因子度量及其选股效应
核心结论简介:
该报告围绕“股票成交价格关联买卖双方买卖压力”的核心逻辑,研发并验证了基于价格与成交量关系的买卖压力因子——APB。APB通过对等权和成交量加权价格均价的对数比值,刻画了股票买卖双方的压力强弱。报告构造了三个不同时间尺度的APB因子(月度、5日和日内),并在市场样本中验证了其显著的截面选股效应,买压较大的股票未来表现显著优于卖压较大的股票。报告强调这些买卖压力因子和传统因子(估值、成长、盈利、技术指标等)具备较低的相关性,因而具有较好的独立选股信息价值,特别是基于5日和日内周期的因子表现优于月度周期因子,1]。
关键论点:
股票的成交价格是买卖双方成交量撮合的结果,价格变化与买卖压力密切相关。买盘力量大,价格趋于上涨;卖盘力量大,价格往往下跌。
市场投资者分为两类:
对A类投资者,理性买入应当“逢低买入”,即在价格相对低位时成交量较大;理性卖出则反之。即使无法事先判断高低位,A类投资者也能通过适应性交易行为实现买入低位、卖出高位。
推理依据:
如果买压大,成交量在价格低位较大,反之如果卖压大,成交量在价格高位较大。这种量随价变动的关系可用以度量买卖压力。
图1说明:
图1详细比较了两类投资者的特征,强调市场微观结构分析及投资者行为差异对买卖压力的形成影响。
定义与方法:
利用成交量与价格的关系,构造了“平均价格偏差指标”(APB),即等权重均价与成交量加权均价之比的对数形式:
[ APB_{i,m} = \ln \left(\frac{\frac{1}{T}\sum_{t=1}^T vwap_{i,m}^t}{ \frac{1}{\sum_{t=1}^T vol_{i,m}^t} \sum_{t=1}^T vol_{i,m}^t \cdot vwap_{i,m}^t} \right) ]
其中分子是简单算术平均的VWAP(日均价),分母是成交量加权的VWAP。
核心逻辑:
实证分布特征:
2010年至2019年间,APB平均值和中位数均小于零,显示股票成交量在高位集中,可能与投资者的“处置效应”有关(投资者易在盈利时卖出)。
图2说明:
图2显示APB月度因子的分布密度,绝大多数值偏负,进一步验证了卖压占优的普遍现象。
多周期APB因子构建:
考虑交易者短中期视角差异,分别基于日内(5分钟K线)、5个交易日和月度周期计算APB因子,分别命名为APB_1d、APB_5d、APB_1m。三者均基于过去1个月数据计算均值。
设计动机与测算细节:
日内APB_1d由于成交量分布的“volume smile”特征,理论上采用加权均价更合理,但简单等权估值计算便捷,实际对结果影响有限,因此采用等权均价方案。
实证样本取自2010年6月至2019年9月,涵盖中证全指成份股,数据包括分钟级别,确保因子计算准确。
因子表现采用Rank IC(等级相关系数)和分组收益验证,分为十组构建多空组合,考察因子截面选股效果。
所有APB买卖压力因子均表现出显著的截面选股能力。
APB_5d和APB_1d的表现优于APB_1m,反映短期或日内视角对捕捉压力更敏感,更切合实际交易窗口期。
各因子在不同样本空间表现稳定,涵盖大中小市值样本均有效。
关键数据点汇总(行业市值中性化因子):
| 因子 | 全市场 RankIC均值 | IC_IR | 多空月收益 | 月胜率 | 最大回撤 |
|---|---|---|---|---|---|
| APB_5d | 7.34% | 3.92 | 1.76% | 77.48% | -8.99% |
| APB_1m | 9.07% | 4.59 | 2.26% | 85.59% | -6.62% |
| APB_1d | 7.87% | 4.87 | 2.31% | 87.39% | -10.28% |
APB_1m和APB_5d相关度高,表明同属基于日线的数据度量;APB_1d(日内指标)和其它两个因子相关度低,说明能互补信息。
与估值、成长、盈利等基本面因子相关度极低,和流动性、反转、投机等技术指标相关性弱至中等,因子信息较为独立。
相关系数指标采用Spearman秩相关系数,确保对非线性关系的稳健捕捉。
表11、12详细列出多因子相关矩阵数据,支持上述结论。
剔除市值、行业、估值、成长等多类传统因子后,所有买卖压力因子依然保持显著选股能力。
APB_1d基于日内数据的残余Alpha最强,表示日内因子所含信息更独立且稳定。
具体数据中,APB_1d残差RankIC达5.01%,IC_IR 4.77,空头收益1.65%,均显著高于其他因子。
本报告并未对个股进行企业价值或市盈率等传统估值分析,核心焦点为技术性因子构建与验证,强调量价关系下的买卖压力因子对选股效应的独立贡献。因此不涉及DCF等估值模型输入及输出。
量化模型失效风险
模型基于历史量价关系和买卖压力推演,未来市场结构变动、交易行为变化可能导致因子失效,建议投资者持续跟踪模型表现动态。
市场极端环境冲击风险
报告实证显示,极端市场环境(如2014年与2015年大回撤)会剧烈影响因子表现,导致短期收益波动较大,且可能造成策略亏损。
报告提醒投资者需对此类系统性风险保持警惕,11]。
因子相关性限制与适用范围:
尽管APB因子展现显著截面选股能力,但其基本依赖历史成交量与价格的表现,可能在高频交易、算法交易及市场结构极端变化时面临有效性下降风险。
时间尺度选择的权衡:
报告显示短期因子(APB_1d, 5d)优于月度因子,但日内因子相关性偏弱,实操中可能增加组合复杂度和交易成本,需要结合投资者具体交易窗口审慎权衡。
投资者类型假设的简化性:
将市场参与者简化为两类可能忽略更多复杂交易行为和多样化投资风格对买卖压力的影响。未来研究可考虑多维行为模型。
处置效应的影响解释:
APB偏负值被解释为处置效应,但该结论并非严格因果证明,后续工作可进一步探讨该行为经济学特征对因子波动的影响。
缺少对冲交易成本与市场冲击成本的考虑:
报告未提及实际交易中因买卖压力因子换手率及滑点成本,实际收益可能因此有所偏离。
该报告系统构建与验证了基于价格与成交量关系的买卖压力因子APB,理论框架明确,结合市场微观结构及行为金融逻辑,区分 rational (A类)与 noise (B类)投资者的交易行为,创新性地提出通过衡量等权均价与量价加权均价的比值对数,捕捉买卖双方面临的压力。
APB因子在不同交易周期(月度、5日、日内)均表现稳健,尤其5日与日内周期的APB因子,能够显著捕捉短期买卖压力,提升选股效果。磐石般的截面RankIC水平(均值多达7%到9%以上)、IC_IR超过4,配合2%以上多空月均收益、较高的月胜率和控制合适的最大回撤,证明其作为量化alpha的实用价值。
相关性分析表明APB因子几乎不受传统基本面因子和大部分技术因子的影响,且不同周期APB因子间具备较低相关性,因而在多因子投资组合中具备良好互补特性。
最后,报告温馨提示量化模型受历史数据局限,面临失效风险,且极端市场环境可能造成较大冲击,提醒投资者动态跟踪并谨慎使用。
整体而言,APB买卖压力因子提供了一种创新且实证有效的技术性alpha工具,适合结合其他基本面和技术面因子,构建多维度风险分散的量化投资框架。
(全文完)
因子选股系列研究之六十:基于量价关系度量股票的买卖压力.pdf