本报告基于杭州数行科技提供的移动大数据中的金融活动指数,构建覆盖中证1000指数成分股的量化选股策略。利用金融活动指数边际变化捕捉机构投资者调研热度,实证结果显示金融活动指数增长组表现优异,构建的多头组合年化收益显著超越基准。进一步结合多因子方法,构建的增强组合取得22%以上年化超额收益,信息比率达3.61,表现稳健。移动大数据丰富且高频,有效弥补传统机构调研数据的时效性和完整性限制,为选股策略提供新的数据支持与优化空间
| 年份 | 调研公司数量 | 机构调研数量 | 现场调研数量 | 非现场调研数量 | 现场调研占比 | 非现场调研占比 |
|---|---|---|---|---|---|---|
| 2013年 | 1201 | 约8500 | 约8000 | 约500 | 高比例 | 低比例 |
| 2020年 | 1417 | 约7500 | 下降至约2900 | 增至约3300 | 46% | 54% |
报告标题:移动大数据应用:基于金融活动指数的量化选股策略
作者:曹春晓、杨国平(均拥有SAC证券投资咨询执业资格)
发布机构:华西证券研究所
报告日期:2021年9月26日
主题:该报告围绕移动大数据在资产管理行业的应用,特别是基于杭州数行科技有限公司提供的金融活动指数,探索量化选股策略及其效果,覆盖了移动大数据的行业背景、数据价值、机构调研对比、金融活动指数构建及应用,最终提出基于金融活动指数的多头组合及指数增强组合策略,并评价其表现和存在风险。
报告目的一是在金融投资决策领域,利用移动大数据属性打造金融活动指数,突出体现机构投资者调研活动的频次和质量;二是对比传统机构调研数据,展示移动大数据的优越性及其广泛性和连续性优势;三是基此指数开发量化选股策略,实验结果表明该策略表现优异,能够显著超越基准指数。内容结构清晰,有四大板块:移动大数据行业背景、金融活动指数与机构调研数据对比、基于金融活动指数构建的量化策略及其实证表现、风险提示。,1]
描述数行移动大数据基于用户线上线下行为数据,构建多维度用户画像体系示意图,涵盖千万级POI线下场景与超过10亿设备APP行为指标,用于宏观行业、中观企业、微观用户研究,体现数据维度丰富性及多层次阶段解析能力。意义在于说明数据覆盖从宏观到微观,全面支持投资决策。
三组图表通过陆家嘴地区近两年多期人流强度(蓝色柱)、环比变化率(线图),性别比例(男女)、年龄分布(0-17,18-24,25-34,35-44,45+)动态观察,展现移动大数据精细化捕捉特定城市核心商圈流动人口及其属性结构的能力,为投资者提供市场活跃度和客群结构等多维信息。
柱状图(左轴)与折线图(右轴)显示2013-2021年机构调研的被调研公司数及调研总数,2021年公司数突破2463,调研次数达万级,历年总体呈上升趋势,反映机构调研活动逐年活跃升温,说明调研是市场关注提升的核心途径。支持机构调研活跃化趋势的论述。
表格详细罗列了2013-2021年不同调研类型(如特定对象分析师会、业绩说明、媒体采访、现场参观等)的数量,体现2021年业绩说明会达2100次显著提升,推动调研总量增长,但特定对象调研变化不大,说明不同调研类型涨跌异态,辅助理解调研体量扩张背后的结构性变化。
柱状图显示2013-2021年现场调研(红柱)与非现场调研(褐柱)次数,2020年疫情后首次非现场超过现场。饼状图剔除业绩说明会后,现场调研仍占57%,非现场43%,验证现场调研在非说明会中仍是主流。反映疫情引发调研形式变化,但现场调研市场价值更大。
事件分析图以交易日(上)及公告日(下)为基准,横轴为交易距离基准日的天数,纵轴为累积异常收益。现场调研公司超额收益明显强于非现场调研,后者在调研后4个交易日开始回撤,暗示现场调研更有效反映市场预期,收益持续稳健,非现场调研信息时效性较差。
柱状与累计曲线描绘上市公司相邻两次现场调研间隔天数分布,间隔较长且分布广;以及每月进行现场调研的公司数量走势,平均不及350家,显示调研数量节奏较为稀疏,限制了调研数据作为高频量化因子应用的可能。
两则折柱图分别展示鲁西化工和博腾股份身体金融活动指数(日度)与机构现场调研数量及股价走势关联。数据体现金融活动指数稳定连贯,覆盖面广,且波动与调研次数对应且能较好反映公司股价走势,佐证金融活动指数具备成为有效投资信号的基础。
柱状图表示金融活动指数增长分组的因子收益率,增长组表现明显优于不增长组;折线图展示不同金融活动类别公司股价的累计收益对比,金融活动指数增长组以红线显示,长期收益领先于其他组,如无金融活动组和中证1000指数。
折线图体现基于金融活动指数边际增长构建的多头组合表现,top30、top50、top100不同规模组合均跑赢中证1000指数。表格详细量化收益率、波动率和最大回撤,top30组合年化收益最高62.16%,最大回撤仅-19.6%,表现优异,显示金融活动指数因子具备显著择时和选股能力。
折线图与表格验证将金融活动指数结合多因子模型构建的中证1000增强组合,近三年表现持续优于中证1000指数,具有良好超额收益(年化22.63%)和信息比(3.61),反映该策略稳健性和市场适应性,体现金融活动指数因子的潜力在多因子组合中的价值扩展。
本报告核心聚焦于以金融活动指数辅助量化选股及指数增强策略的构建,未涉及传统公司估值模型如DCF、市盈率、多元回归等具体估值计算方法。量化策略基于实证回测以年化收益率、年化波动率、最大回撤、信息比等指标评价因子有效性和组合表现,属于量化投资层面绩效评价,不直接单一估值模型衡量。风险收益权衡及组合构造逻辑主导估值属性,展示了以另类大数据因子筛选标的的能力和有效性。
本报告系统阐述了移动大数据,尤其是基于杭州数行科技开发的金融活动指数,在资产管理领域尤其是量化投资上的创新应用和显著优势。报告通过详实的数据对比,证明了金融活动指数在相比传统机构调研的覆盖面广、更新频率高、数据丰富性强等多方面的优势,克服了机构调研后的间隔时间较长、数据非连续、样本有限的不足。
基于金融活动指数边际增长所构建的量化选股策略兼具实用性和有效性,策略期内显著超越中证1000指数,组合风险指标合理,且在多因子指数增强策略中亦取得稳健的超额收益,信息比达到3.61,充分体现了移动大数据因子作为另类投资逻辑载体的可行性与潜力。
图表如陆家嘴人流动态分析、机构调研数量及形式演化、事件研究中调研对股价影响、金融活动指数与机构调研及股价走向对比、多头组合及增强组合回测表现,均直观呈现了数据与逻辑的内在关联。
总体而言,报告展示了移动大数据技术结合人工智能分析,带来的投资理念和技术手段的现代化变革。金融活动指数为机构投资者调研活动数字化延伸,弥补传统调研不足,构建了高频、广覆盖的量化投资因子库,为资产管理行业提供了强有力的工具支持。
然而,模型存在未来失效风险,市场波动和另类数据使用中的隐含风险不可忽视,投资者应务必结合自身风险承受能力,谨慎使用相关策略。
报告整体立场积极肯定移动大数据尤其金融活动指数的战略价值和投资应用前景,建议投资者关注和尝试基于此类数据因子的精选投资策略。
本报告以深度调研及数据驱动视角,创新性地将移动大数据应用于选股策略设计,借助金融活动指数提供市场投资者行为的动态映射,并通过大量统计分析和回测,明确展示了该因子的投资价值与潜力,为量化投资领域提供了重要参考。
附注意事项:以上分析基于报告内容,严格按照报告所提供的数据和论述,未引入额外外部观点。文中所有引用均严格标注页码,用于溯源与验证。
移动大数据应用:基于金融活动指数的量化选股策略.pdf