金工专题报告:重拾自信选股因子——从过度自信到重拾自信深度分析报告
一、元数据与概览
- 报告标题:《金工专题报告 20220602——重拾自信选股因子——从过度自信到重拾自信》
- 作者与机构:东吴证券研究所,高子剑证券分析师(执业证书S0600518010001021)
- 发布日期:2022年6月2日
- 主题范围:基于行为金融学视角,围绕“过度自信”行为偏差构建与量化选股因子——“过度自信因子”(CP)及其升级版“重拾自信因子”(RCP)
- 核心论点与目标:
- 传统基于客观数据构建的量化模型易受市场环境变化影响,预测稳定性受限,行为金融学视角关注投资者行为偏差,具有更强的规律性和持续性。
- 以DHS模型解析过度自信行为,创新引入基于高频分钟序列数据的“信心持久度因子”CP捕捉投资者对利好信息的持续信心。
- 进一步提出“重拾自信因子”RCP,剔除日内收益影响以捕捉“过度自信”后的“过度修正”现象,提升选股效果。
- 回测期间(2014年1月至2022年1月),CP表现稳定且良好,RCP选股能力显著提升,表现卓越,尤其信息比率(IR)和最大回撤指标表现优异。
- 此外,通过剔除行业风格影响,构建出更纯净的RCP因子,依然能较好地维持其选股优势。
总体来看,作者提出的行为金融学驱动的选股因子具备稳定的alpha信号价值,在量化投资实践及指数增强策略构建中均展示了重要参考意义。,3,8,15]
二、逐节深度解读
1. 引言
- 该研究是东吴金工“行为金融拥抱选股因子”系列的首篇,强调传统基于历史数据建立的量化模型常不能稳定有效,原因在于市场主体非理性行为带来的信息非完全反映;
- 行为金融学提供“以人为本”的视角,关注投资者的行为特征(如过度自信),这些特征表现出跨时间的稳定性;
- 选取“过度自信”作为研究切入点,通过创新的高频数据处理,提出CP因子衡量投资者对利好信息信心的持续性;
- 进一步剔除日内收益影响,得到更优的“重拾自信RCP因子”,回测结果明显优于传统因子和CP因子。
该节明确了行为金融学视角的创新价值和实证研究的出发点,奠定了因子构建逻辑基础。
2. 过度自信因子的构建
2.1 DHS模型简介
- DHS(Daniel, Hirshleifer, Subrahmanyam,1998)模型核心假设:
- 投资者在不同时期接受不同的信息,分为私人信息(ε)和公共信息(η);
- 投资者过度自信意味着他们对私人信号的信噪比被高估,表现为对信息的“过度依赖”;
- 该行为导致股价在信息中继期间出现超调(短期动量)及后续反转(长期反转)现象;
- 其价格形成过程模型中,时期1价格(P1)反映投资者私人信号加基础信息,时期2价格(P2)加入了公共信息的影响,时期3价格反映真实价值θ;
- 过度自信体现在时期1价格远高于真实价值,时期2虽有回调但仍超出真实价值,最终时期3回归真实价值;
- 图2以流程图方式描述四个时期信息传递和价格动态。
此节明确理论支撑与市场行为的心理基础,为后续因子设计奠定学术框架。,4,5]
2.2 CP因子的构造方法
- 逻辑:期1利好消息推动股价快速上涨,期2随着信息公开出现回调,股价在高位持续的时间长度能映射知情交易者的过度自信程度,即“信心持久度CP”;
- 数据处理:
- 使用交易日内242分钟的分钟收盘价序列计算240个连续分钟收益率;
- 标记当日收益率中,超出均值+标准差部分为快速上涨区间,低于均值-标准差部分为快速下跌区间;
- 取两个区间的分钟序号中位数,差值作为CP_Intraday(当天因子值);
- 示例:图3中某日分钟收益率展示了快速上涨区间和快速下跌区间的分钟序号,中位数差为负表示下跌迟于上涨;
- 月频因子构造:
- 每月末利用过去20个交易日的CP_Intraday均值与标准差,分别市值中性化处理得到CP_Mean与CP_Std;
- 取CP_Mean升序与CP_Std降序排名之和得到最终月频CP因子;
- 回测表现:
- 2014-2022年,CP月度IC均值0.029,年化ICIR 1.89,10分组多空对冲年化收益15.45%,信息比率1.64,最大回撤12.40%;
- 与CP_Mean和CP_Std单一因子对比,CP因子整体表现均衡且稳定;
- 图4、5、6详细展示CP_Mean,CP_Std及CP因子10分组净值走势,分组趋势一致性强,因子值越大对应股票表现越优。
CP因子的设计体现了投资者心理的动态演绎,结合高频市场行为信号,创新构建选股因子。,6,7]
3. 重拾自信因子的构建
3.1 过度反应的后续—过度修正
- 发行价过度上涨后一旦公共消息披露后,股价通常出现回调,存在两类行为模式:
- 第一类(红线):过度修正,回调明显,收盘未涨价,表明投资者在公共信息面前失去信心,反向过度悲观,相信股价未来会补涨,是关注重点。
- 第二类(黑线):回调幅度小,价格仍有涨幅,利好信息已充分反映,未来补涨动力有限;
- 该分类为构建筛选表现更优因子的理论依据。
3.2 RCP 因子的构造方法
- 为捕捉上述第一类过度修正股票,进一步对CP_Intraday进行改进:
- 对CP_Intraday与当日日内收益Ret_Intraday做横截面线性回归正交,取残差作为新的日频因子RCP_Intraday;
- 月度以过去20日RCP_Intraday均值及标准差,做市值中性化处理,分别得到RCP_Mean和RCP_Std,再合并排序得到最终月度RCP因子;
- 回测效果:
- RCP月度IC均值0.039,年ICIR达2.843,10分组多空对冲年化收益率高达20.35%,信息比率3.10,最大回撤6.16%,月度胜率接近88%;
- 明显优于第一代CP因子,因子信号更纯净,选股效果更稳定;
- 图8、9、10及表2详细展示10分组净值走势及关键绩效指标,表3细化了分年度表现,表现稳定;
- 该设计体现了行为金融的二阶效应——过度自信后还存在过度修正,捕捉投资者信心“重拾”带来的交易机会。,9,10]
3.3 关于剔除收益率的讨论
- 质疑剔除日内收益是否等价于简单叠加反转因子(传统20日反转Ret20);
- 对月度RCP因子再与Ret20做正交,得到RCP_deRet20因子;
- 结果显示RCP_deRet20在10分组多空对冲中年化收益20.34%,波动率更低至5.85%,信息比率3.48,胜率89.7%,最大回撤仅4.32%,各指标再次优于原始RCP,验证RCP因子并非简单叠加反转,而是提供独特信息;
- 图11展示了该剔除传统反转因子的因子净值走势。
综上,RCP因子具有不依赖传统反转因子的独立alpha信号价值。
4. 其他重要讨论
4.1 纯净重拾自信因子的表现
- 计算RCP与常用Barra风格如市值、账面市值比、盈利、成长性、流动性、动量等的相关系数,均呈现较弱相关(多维度均低于0.25),说明其提供独立选股信号;
- 为进一步排除行业及风格影响,每月末对RCP做多因子与行业虚拟变量回归取残余,得到纯净RCP因子;
- 纯净RCP因子依旧表现稳健:年化收益9.06%,波动率4.83%,信息比率1.88,最大回撤仅3.29%,胜率70.8%;
- 图12和表5展示纯净因子10分组净值走势及分年度细节数据,表现波动幅度小且持续性好。
此一节明确纯净因子的有效性和独立性,强化其因子价值。,13]
4.2 重拾自信因子的参数敏感性
- 调整回看交易日由20改为40和60,检验RCP和CP因子的稳健性;
- 结果显示,40日回看期下相关绩效与20日相当,60日下轻微下滑,整体回看长度对因子表现影响较小;
- 表6详细罗列各指标,支持因子构造参数的合理性和稳定性。
4.3 多空收益分解
- 表7展示重拾自信因子空头和多头收益构成,空头超额收益11.35%,多头8.40%;
- 空头部分信息比率和回撤表现均优于多头,显示因子整体偏空头属性,但收益风险特征良好;
- 月度胜率空头88.66%,多头73.2%,最大回撤空头4.75%,多头11.51%;
- 该解析有助于深入理解因子风险收益动态。
4.4 不同投资样本的表现
- 在沪深300和中证500成分股样本中进行绩效检验;
- RCP因子均优于传统波动率(Vol20)、反转(Ret20)及第一代CP因子,年化收益、信息比率及最大回撤均体现稳健优势;
- 表8详细展示各因子在两个指数成分股市场的表现指标,给予投资经理多市场环境下因子适用性确认。
4.5 指数增强组合构建
- 以沪深300和中证500成分股为基础,构建基于Vol20、Ret20、CP、RCP四种典型因子的投资组合;
- 每月调仓,选取因子排序10%极端股票进行投资;
- 结果显示,沪深300样本中,RCP构建的组合年化收益最高达14.29%,波动率及信息比率均优于其他组合,月度胜率和最大回撤表现均属最佳;
- 中证500样本中,RCP组合波动率和回撤表现最佳,年化收益略逊于CP因子,但综合表现良好;
- 图13、14和表9、10分别展示净值走势及绩效细节,充分展现RCP因子应用实际效用。
综上,在指数增强策略中应用重拾自信因子具备良好的收益风险表现。,14,15]
三、图表深度解读
-
图1(page 0):RCP因子10分组及多空对冲净值走势
- 展示2014-2022年间按因子值分组的股票组合累积收益,10组最高组优势明显,分组10与分组1之间差距逐步扩大,多空对冲净值持续攀升,体现因子强劲alpha信号。
-
图2(page 5):DHS模型简介
- 展示四个时期下的投资者信息接收与股价变化过程,形象说明过度自信行为导致股价超调及其后修正过程。
-
图3(page 6):CP因子日频构造示例
- 柱状图展示单日不同分钟序号对应的收益率,红色条表示快速上涨区间,绿色条为快速下跌区间,计量区间中位数及其差作为单日CP值。
-
图4-6(page 7):CP_Mean、CP_Std、CP因子10分组多空净值走势
- 三图分别体现因子的三个版本表现,整体趋势一致,CP因子表现综合最优,尤其分组10表现领先,显示因子选股能力稳健。
-
图7(page 8):股票利好消息当日价格走势示意
- 红线表现典型过度修正——高开但收盘下跌;黑线表现持续上涨无过度修正。
-
图8-10(page 9-10):RCP_Mean、RCP_Std、RCP因子10分组净值走势
- 显示RCP各版本较CP因子表现更优,信息比率和回撤改善明显,显示引入剔除收益调整的优势。
-
图11(page 11):RCP_deRet20因子多空净值走势
- 明显平稳上涨,多空差值扩大,验证因子信息独立性和选股能力。
-
图12(page 12):纯净RCP因子多空净值走势
- 剔除行业和风格影响后,净值曲线更平滑,最大回撤小幅降低,综合表现依旧稳健。
-
图13-14(page 15):沪深300和中证500四种组合净值走势
- 显示基于RCP因子构建组合表现突出,领先传统指标,体现该因子的实战应用价值。
-
表1-10(贯穿各页):
- 系列绩效指标表全面罗列了因子及组合的年化收益、波动率、信息比率、月度胜率和最大回撤数据;
- 分年度绩效表显示因子在不同市场环境下均能维持稳定表现;
- 因子相关性表确认RCP与主流风格因子相对独立。
所有图表共同支持了报告的核心观点,且数据充分验证了因子设计的科学性和有效性。,5-7,8-10,11-12,15]
四、估值分析
本报告侧重于量化因子构建与绩效验证,未涉及具体公司估值模型(如DCF、市盈率等)内容,故无直接估值分析部分。但通过因子IC值、信息比率、风险收益指标和回撤分析,呈现了因子在股票收益预测与风险控制中的应用价值,间接影响投资组合的估值决策和权重配置,汇聚为指数增强策略中的超额收益来源。
五、风险因素评估
报告明确指出三大风险:
- 未来市场变化风险:
- 历史数据统计结果并不保证未来有效,市场环境、投资者行为及宏观政策的变化可能导致因子失效。
- 单因子模型风险:
- 单一因子可能存在周期性波动,投资实践中需结合多因子、多策略、资金管理及风险控制手段降低因子风险。
- 数据测算误差风险:
- 高频数据处理、因子计算方法可能存在误差,尤其对高频收益率计算敏感,需警惕模型数据风险。
报告未具体提出缓解方案,但隐含需结合多因子模型和严格风控体系使用。,16]
六、批判性视角与细微差别
- 报告倾向肯定行为金融因子的有效性,基于经典DHS模型和创新高频数据方法构建,研究深具理论与实证基础。但:
- 数据区间较长,虽体现稳定性,但市场体量和结构变动可能对行为偏差影响有限,后续研究可关注更多样本及市场异质性表现。
- 剔除日内收益正交操作为一种数学手段,可能掩盖某些实际市场行为的复杂交互,需谨慎理解该步骤背后的经济含义。
- 单因子表现虽优,但实战操作需考虑交易成本、流动性限制等现实因素,报告未涉及。
- 目前主要聚焦A股市场,因子在国际市场或不同制度环境下的有效性待验证。
- 内部细微差别:
- CP与RCP虽均表现优异,但RCP因子年化波动略高,某些年份表现波动大,需关注因子时序适应性;
- 报告中对相关性检测部分表格展示不够完整,但整体表明因子基本独立于常用风格因素,支撑其增量价值。
对上述方面的补充和持续跟踪研究有利于全面评估因子长期有效性。
七、结论性综合
本篇东吴金工行为金融专题报告从理论到实证完整呈现了基于过度自信行为偏差构建的量化选股因子体系:
- 创新引入基于高频分钟收益波动区间差异的CP因子,精确捕捉投资者对利好信息的信心持续时间,实证显示15.45%的年化超额收益和良好风险调整表现;
- 深入挖掘“过度修正”行为,创新剔除收益影响,构建出更纯净的重拾自信RCP因子,年化收益提升至20.35%,信息比率达3.10,且最大回撤控制在6.16%以内,表现卓越;
- 进一步剔除行业及风格干扰,纯净RCP因子仍保持稳定回报,显示出该因子的独立alpha价值;
- 参数敏感性分析确认了回看期调整对因子表现影响不大;
- 在沪深300、中证500等主要指数成分股中均表现稳健优异,在指数增强的选股及组合构建中验证了其应用价值;
- 图表和绩效数据全方位展示了因子构造的科学性和选股能力的有效性。
- 报告同时客观揭示了未来市场变化、单因子波动、数据误差的风险,为投资者提供了谨慎的风险提示。
综上,作者明确指出基于行为金融过度自信理论,以高频市场微观结构数据构建的CP与RCP因子,表现出强大的量化投资潜力,RCP特别作为二代因子,其回测表现显著优于传统因子,为投资者提供了强有力的工具来捕捉市场中的行为偏差套利机会。该研究不仅丰富了行为金融在实证金融中的应用,也是量化投资中融合微观行为洞察的典范。
参考图表示意
,3-7,8-12,15]
总结
本书报告创新地以行为金融学的经典模型为理论基础,结合市场高频微观数据,系统构建并验证了“过度自信因子CP”及其升级版“重拾自信因子RCP”,实证结果显示二者作为选股因子均具备稳定且优越的超额收益能力,特别是RCP因子,因剔除了日内收益影响,捕捉重拾信心的投资机会,表现更为卓越。数个市场分样和参数敏感性检验进一步验证了因子的稳健性。其多空收益结构体现出优良的风险收益特征。同时,纯净因子剔除现金流风格和行业影响,仍显示较强的alpha能力,说明其具备独立的投资决策价值。基于这些因子构建的指数增强组合,在沪深300及中证500市场均实现稳健的超额收益和较低波动,为实务中投资策略设计提供了有力参考。报告清晰揭示行为金融视角下投资者非理性行为带来的套利机会,推动了量化投资理论与实务的深度融合。
投资者可基于此因子进一步拓展多因子模型研究,结合实际交易考虑交易成本及市场冲击,完善风险控制,使因子效能在未来市场环境中实现持续运用。同时需关注市场结构及投资者情绪变化带来的因子特征演变风险。