本报告利用秩鼎供应链数据,从A股上市公司供应链关联度出发,构建单层及双层供应链动量因子,验证其在不同样本池中选股策略的有效性。研究发现供应链动量溢出效应显著,客户动量影响较供应商更强,双层供应链动量因子进一步提升了预测能力和稳定性。该策略在沪深300、中证800及中证1000股票池中均获得显著超额收益,且与传统大类因子相关性低,具备独特投资价值。
供应链动量因子的理论基础与数据来源
供应链动量因子构建与单层级测试结果
双层供应链动量因子提升预测效果
供应链动量因子与传统动量及大类因子的相关性分析
供应链动量选股策略实证回测
报告在A股市场通过秩鼎公司提供的高覆盖度供应链数据,构建单层级和双层级供应链动量因子,深入验证其对股票未来收益的预测能力,特别强调客户动量因子的预测表现优于供应商动量因子。通过RankIC和分位数测试等多维度指标,对供应链动量溢出效应及其稳定性进行了严谨分析,最终设计了基于双层客户动量因子的选股策略,在沪深300、中证800、中证1000等多个样本池的回测中取得显著超额收益,表现出模型的稳健性及广泛适用性。
报告提示风险包括政策和市场环境变化可能导致模型失效,不构成直接投资建议。,11,12]
核心观点: 公司间通过供应关系等非完全独立存在,供应链网络构成了公司间的经济纽带。供应链中产品、价值和信息的流动决定了公司基本面和股价表现间存在内在联系。引用历史学术成果(Cohen和Frazzini 2008、Shahrur等 2010、Yamamoto等 2021)进一步支持供应链关联股价存在滞后传导的动量效应,投资者由于注意力有限,供应链动态没被立即完全反映到价格,产生alpha机会。
数据痛点说明: 供应链数据因信息敏感性披露不足,存在覆盖度低、偏倚风险。报告重点介绍秩鼎公司通过反向披露、股权穿透等技术提升数据质量和覆盖度,提供大量覆盖A股及其他市场企业的供应链关联数据。,1]
数据源说明: 秩鼎公司利用AI、机器学习和NLP技术从公告、招中标文件、审计报告等多渠道抓取并人工复核,保证数据真实性及溯源。
覆盖规模: 覆盖4000+ A股、2000+港股、100+美股等企业,日度更新,数据包含交易标的、时间、金额、币种、收入/支出比例等丰富字段。
供应链关联度计算方法: 根据主体公司与供应商或客户间披露的年度交易金额,结合权益比例加权并引入时间折算系数计算关联度,具体计算体现供应链上下游关联强度权重,最大支持多年度数据累积,赋以不同比重,反映交易金额时效性和对主体公司的实际影响程度。年度折算系数:当前年100%,逐年递减,体现信息时效性。
图表说明:
RankIC测试(表3)解读:
分位数测试(表4 & 图15)解析:
理论引入Lee等(1997)牛鞭效应现象,订单信息逐层传导并产生波动放大和延迟,强调多层供应链信息对股价的影响有其经济学基础。
参考Yoshino(2020)、Yamamoto(2021)等实证研究,双层级动量因子优于单层级,原因依然是投资者有限关注加剧了层级间信息的滞后。
RankIC测试(表5)解读:
双层客户动量分位数测试(表6 & 图19)解读:
与传统动量因子对比(表8):
与其他风格因子相关性(表9):
多样本池适用性测试:
回测结果亮点:
| 股票池 | 策略多头年化收益 | 基准指数年化收益 | 夏普比率(策略) | 最大回撤(策略) | 超额收益 |
|---|---|---|---|---|---|
| 沪深300 | 10.51% | 0.85% | 0.38 | -23.28% | +9.65% |
| 中证800 | 11.08% | 0.54% | 0.40 | -19.59% | +10.54% |
| 中证1000 | 5.06% | -0.90% | 0.12 | -41.11% | +5.97% |
图1 波特五力分析框架(页1)
展示主体公司与供应商及客户的议价能力在行业竞争格局中的作用,直观体现供应链经济协调的重要性,以及动量可能沿供应链传导的理论基础。
图2 秩鼎供应链数据特征(页2)
多维度展示数据覆盖、识别能力和数据处理能力,强化数据质量保障,提高因子构建基石稳固性。
图3 数据处理流程(页2)
自动抓取—人工复核—指标合成,体现科学严谨的交叉验证及人工把控机制,保证研究结果的准确和可复现。
表2 供应链关联度计算方法(页3)
深入解析供应商和客户关联度的权重计算公式与处理规则,体现模型背后的严谨定量方法。
图11 基本面相关性回归结果(页3)
回归系数显示主体公司营收增长与供应商和客户的增长高度相关,R²约0.2,表明经济基本面在供应链中有显著传导。
图12-13 信息面冲击的传导案例(页4)
以境外和A股的实际案例,直观展示客户公司业绩预增后供应商股价相应上涨的动态,验证信息滞后传导存在。
表3 RankIC测试(页5)
定量呈现客户动量因子优于供应商动量,交易窗口以80个交易日表现最佳,关键指标显著。
表4 & 图15 分位数测试(页6)
客户加权动量因子分组表现突出,多空组合夏普高达2.14,展示因子的较强挑选能力和风险调整后收益。
图16 牛鞭效应示意图(页6)
显示订单信息在供应链各层级传递时放大与延迟,为多层级动量因子构建提供理论支持。
表5 双层RankIC测试(页7)
双层动量因子多项指标超过单层,客户动量双层效果显著提升,显示多层级供应链信息容纳更多alpha。
表6 & 图19 双层客户动量分位数测试(页7-8)
组合性能较单层更优,年化收益及夏普均提升,体现多层级因子增强选股实用性。
表8 传统动量与供应链动量对比(页9)
短期内供应链动量因子显著优于传统动量,强调其短期信息挖掘能力。
表9 相关性矩阵(页9)
客户动量与其他大类因子相关性极低,突出其独立贡献价值。
表10-12 沪深300、中证800、中证1000回测指标(页9-11)
系统展示不同样本池中策略收益、波动率、回撤及夏普指数,验证策略的风险调整后优越性。
图20-22 净值曲线与超额收益图(页9-11)
形象表达策略与基准指数的绝对与超额收益走势,特别强调样本外的稳定表现。
本报告主要聚焦于因子构建及选股策略回测,未涉及详细估值模型(如DCF、市盈率法等),重点体现供应链动量因子的统计预测能力与实证表现。报告强调因子在量化选股框架下的策略收益及风险特征,估值层面留待后续深入研究和应用。
报告未详细说明缓释策略,但对模型边界和适用性有较为充分的风险提示。,11,12]
总体来看,报告保持了严谨的研究态度,逻辑充分,数据和实证检验充分,且对潜在风险有清晰识别。,6,7,11]
本报告基于秩鼎公司提供的高覆盖度供应链数据,系统揭示了供应链动量溢出效应,并具象化为单层与双层供应链动量因子,特别强调了客户侧供应链动量因子在预测上市公司股价未来收益中的重要作用。实证分析显示:
报告展示的供应链动量选股框架为量化投资开拓了新的alpha来源,尤其适合于关注产业链关系和节奏传导的投资者,是连接基本面与量价动量的重要桥梁。
本文所引用报告内容或图表,均标注对应页码以便溯源,引用格式为[page::x],多个页码均标注于句末。
本报告以严谨的数据基础与理论传导为驱动,结合丰富的统计分析和多市场回测验证,详细说明了基于供应链动量溢出效应的选股策略设计思路、实施效果及风险提示,体现了供应链数据对投资决策的深远意义。其提出的双层供应链动量因子不仅丰富了动量策略的投资因子库,也彰显了产业链信息在量化投资中的独特价值,为投资者提供了精准且稳健的策略工具。
如需获得本报告更多细节或完整报告正文内容,敬请参照招商证券官方网站或招商定量研究相关渠道获取原文。
【招商定量·深度报告巡礼之二十三】基于供应链动量溢出效应的选股策略.pdf