报告基于交易者结构细分成交量,提出改进动量因子的方案,显著提升选股能力与风险调整收益。研究发现,大单交易占比越高、小单越低,动量因子呈反转效应;散户交易占比提升则动量效应增强。新动量因子年化收益21.23%、信息比率2.59,表现优于传统动量因子。该方法同样适用于换手率、振幅等价量因子,具稳健性和广泛适用性
| 指标 | 传统动量因子 Ret20 | 新动量因子 NEW_MOM |
|---|---|---|
| 年化收益率 | 18.09% | 21.23% |
| 年化波动率 | 15.14% | 8.20% |
| 信息比率 | 1.19 | 2.59 |
| 月度胜率 | 64.80% | 78.40% |
| 最大回撤率 | 13.05% | 6.29% |
| 因子类型 | 年化ICIR(传统) | 年化ICIR(新) | 年化收益率(传统) | 年化收益率(新) | 信息比率(传统) | 信息比率(新) |
|---|---|---|---|---|---|---|
| 换手率因子 | -1.87 | -2.34 | 21.99% | 21.67% | 1.72 | 2.36 |
| 振幅因子 | -0.79 | -1.76 | 10.18% | 11.84% | 0.73 | 2.05 |
报告标题: “求索动量因子”系列研究(二):交易者结构对动量因子的改进
作者及发布机构: 东吴证券研究所,证券分析师高子剑、研究助理沈芷琦
发布时间: 2020年8月18日
研究主题: 基于A股市场不同交易者结构(机构、大户、中户、散户)细分成交量,探讨其对传统动量因子表现影响及动量因子的优化设计。
核心论点及目标信息:
本报告是东吴“求索动量因子”系列的第二篇,立足于对成交量的更细致划分,突破传统仅用整体成交量修正动量因子的局限,深入分析不同交易者结构对动量效应强弱的影响,最终提出了基于“散户”交易占比的新动量因子。研究显示,动量因子表现受交易者结构显著影响:大单(机构、大户)交易占比高时,动量因子表现为反转效应更强,散户交易占比提升推动动量效应增强。新动量因子在多个指标上显著优于传统因子,尤其表现为出色的稳定性和选股能力。
该研究对量化投资者在使用动量策略时提供了新的框架和思路,有助于提升策略表现的稳定性与收益率。
报告开篇回顾了动量因子自1993年发现后在量化领域的广泛应用,突出A股市场中动量因子表现的独特性——显著的中长期反转效应,但稳定性不足。[页3] 图1展现传统20日动量因子(Ret20)在2010年至2020年间虽取得18.09%的年化收益率,但回撤明显,信息比率仅为1.19,月度胜率64.8%,表现波动较大。
作者指出,传统研究多以整体成交量为视角,但市场交易活跃者结构复杂,成交量的细分可更准确捕捉动量信号的强弱。报告因此提出,以“交易者结构”为切入,在散户、中户、大户及机构四大类交易者成交量占比基础上拆解动量信号,为动量因子建模提供新思路。[页3]
将订单按挂单金额分为四类:机构(大于100万)、大户(20万-100万)、中户(4万-20万)、散户(小于4万),形成交易者结构体系。[页4]
图3显示了这四类在2010-2020年A股交易中的占比分布,机构交易占比低(约6%),大户约22%,散户和中户合计超过70%。散户和中户为市场交易主力,但该结构占比在期间呈出一定振荡。散户的波动性较大,而中户较稳定。[页4]
基于将当天涨跌幅分组对应不同交易者占比(低至高排位,分为五组),构造5个局部涨跌幅因子,逐月回测其信息比率指标(ICIR)。分别针对散户、中户、大户和机构分组做测试。
图4至图7展示了针对四类交易者不同占比划分的局部因子年化ICIR:
这表明大单(机构、大户)交易占比高时,动量因子表现反转效应更显著,而小单(散户、中户)高占比则转向动量效应,说明不同投资者行为的交易信号对动量形态提供关键识别。[页5-6]
以散户交易占比为例,取20个交易日中的低占比因子1与高占比因子5相减,合成新动量因子NEW_MOM。用全A股2010-2020年样本回测,结果表现稳定优异:
图8、图9所示净值曲线清晰反映新因子走势优于传统因子。[页6-7]
年度表现(表2)表现为绝大多数年份正收益显著,波动控制优于传统因子。相关系数分析(表3)显示新因子与Barra 风格因子相关性弱,尤其Size、Book-to-Price较低,说明新因子具备一定的独立alpha来源。
剔除市场常用风格因子和行业因素残差后,作为“纯净新因子”,依然保持良好选股能力(图10,表4),且2020年迄今表现更优,最大回撤显著减小,信息比率保持在2.36水平。[页8-9]
图11及表5揭示新因子多空拆分:
说明新因子多头选股能力突出,表现稳定性明显优于空头。
延长回看窗口至40日和60日,图12和13显示交易者结构对动量因子影响依然显著,核心结论稳定。
图14和15显示无论40日还是60日回看周期,新动量因子均明显优于传统因子,且对应回测指标(表6)大幅超越传统因子,年化收益率提升约2%、波动率骤降近一半,信息比率翻倍,回撤显著降低。[页10-12]
在沪深300和中证500成分股中,新动量因子同样强于传统动量因子,交易者结构效应覆盖不同市值样本(表7),保证了模型推广应用的有效性。[页12]
换手率和振幅因子经交易者结构细分测试,结果同样发现类似动量因子效应,即大单交易占比越高,因子表现越强,反转效应越显著(图16、图17)。基于散户交易占比构造新的换手率和振幅因子,在ICIR和选股绩效上稳步领先传统版本(表8、表9),进一步印证交易者结构细分具有普适性和提升价值。[页13-14]
展示传统动量因子Ret20 2010-2020年期间5分组及多空对冲净值走势。左轴为各分组净值,右轴为第1组与第5组对冲净值。图中可见,顶组与底组回撤明显,说明动量信号稳定性较差,信息比率1.19。[页3]
分别对应散户、中户、大户、机构不同交易占比下,动量因子5个局部分组年化ICIR条形图。核心趋势:
此组图深刻体现交易者结构影响动量因子信号方向与强度。[页5-6]
图8为基于散户交易占比构造的新动量因子5分组净值曲线,显示新因子净值稳步提升,且分组间差异明显,体现良好的选股区分能力。
图9为新旧动量因子5分组多空对冲净值对比,新因子红线趋势明显优于传统蓝线,验证了结构细分的改进效果。[页7]
剔除行业及风格因子影响的“纯净新因子”5分组及多空对冲净值,表现依旧优异,说明所提因子信息高度独立且稳定可信。[页9]
多空超额收益拆解图及表,表明多头选股带来的超额收益稳定且风险较低,是新因子收益主驱动。[页10]
40日和60日样本窗口的局部因子ICIR,与20日窗口保持高度一致,验证研究结果的稳定性和稳健性。[页11]
比较40日和60日窗口下新旧动量因子5分组多空对冲净值走势,新因子明显跑赢传统因子,支持方法的广泛适用性。[页12]
换手率因子和振幅因子根据不同交易者占比细分后ICIR表现,均显示高大单交易占比时反转效应更强,交易者结构划分的普适价值明确,且基于此构造新因子收益稳定优于传统因子。[页13-14]
本报告未涉及具体估值模型或目标价的测算,主要聚焦因子研究及策略回测,故无DCF、PE等估值分析。
报告明确指出所有结果基于历史数据,未来市场存在重大变化风险,单因子收益波动较大,实际应用需结合资金管理和风险控制策略。[页0, 15]
此外,由于因子构建涉及交易者结构,数据质量或市场结构突变可能影响因子表现。此外,因子优势是否持续依赖于交易者行为模式稳定,亦为潜在风险。
此次报告从深度细分交易者结构的视角切入,以A股市场为样本,系统展示了交易者结构在动量因子表现中的决定性作用。主要发现为:
总之,本研究为理解和改进量化动量因子及其他价量因子提供了独创且实用的交易者结构视角,有望推动量化策略构建向更细致、更有效的方向演进。[页0-14]
以报告首页示例:
参考页码标注:
本文内容均严格基于报告具体页码,引用处附带对应页码标注,例如 等,便于追溯与验证。
此报告系统而深入地揭示了交易者结构对经典动量因子表现的显著影响,创新性提出了利用极端交易者行为占比构造新动量因子方案,实验证实该因子具有优越的选股能力和稳健性。在当前量化投资日益依赖微结构和行为数据的趋势中,该研究具有重要的理论价值和应用指导意义,适合量化研究者及基金经理深度阅读与借鉴。
“求索动量因子”系列研究(二):交易者结构对动量因子的改进.pdf