本报告系统分析了组合规模、交易成本及大单冲击成本对A股多类选股因子表现的影响,采用月度和周度换仓频率,结合盘口流动性成本模型,详细评估了流动性约束对因子IC的削弱作用,强调在设计量化策略时须纳入流动性和交易成本考量,避免因子表现被高估。
主题:组合规模、交易成本与大单冲击成本对选股因子表现的影响
发布时间:2023年10月
发布机构:海通证券研究所
分析师:冯佳睿,余浩淼 等
本报告名为《选股因子系列研究(九十一)——组合规模、交易成本和大单冲击对因子表现的影响分析》,由海通证券研究所金融工程团队出品,作者为冯佳睿、余浩淼等。报道时间跨度较长,数据截至2023年8月,主要分析A股市场股票的流动性约束和交易成本如何影响常用选股因子的表现。
核心论点强调,随着管理规模的扩大和市场结构的变化,传统量化因子在全部股票池中的表现与实际可交易股票池之间存在差异,尤其是在规模较大或流动性受限环境下,多因子模型表现会产生缩水。报告通过分析组合规模、流动性过滤、盘口流动性成本和大单冲击成本的多重约束,探讨因子表现的实际适用范围和衰减问题,力求为规模化量化策略构建提供更贴近现实的指导。
报告未直接给出买卖评级或目标价,而是以研究和揭示市场机制为主。风险提示明确指出分析基于公开信息,不具备投资建议属性,但强调权益类产品相关的风险。
关键观点:
报告指出市场流动性是影响选股范围的重要隐形约束,特别当管理规模增大时,流动性不足可能导致无法有效交易某些股票,影响因子表现的实用性。
数据依据与解读:
通过Wind数据,报告将全部A股按照日均成交金额分为20组,量化2014至2023年间各组的流动性表现(见图1、2数据)。结果揭示,2015年市场极为活跃,2018年则流动性紧缩。值得注意的是最高组与最低组成交量差距明显拉大,尤其低流动性组别的倍数指标从2014年的0.18降至2023年的0.05,表明大量股票的流动性逐年恶化。
逻辑与推断:
该流动性结构的变迁意味着规模扩大的基金在实际操作中面对实际股票池时必须过滤低流动性股票,否则可能导致高额交易成本或无法完成交易,对理论策略收益的实现形成挑战。
关键逻辑:
报告介绍了“收益保存比例”指标,衡量在不同交易时间内执行交易能保留多少理论alpha。数据显示开盘后半小时内交易相对于全天交易能保留更多收益(图3),这对不同换仓频率的策略产生影响:月度换仓影响较小,短周期周度换仓则敏感。
策略设计啓示:
依据不同换仓周期,设计流动性过滤条件,其中采用成交额均值的5%大于组合规模0.1%作为是否可交易的标准。此标准用于得出不同规模对应可交易股票数量及占比(图4-7),显示较大组合规模(>10亿)时,可交易股票数量显著下降,尤其短周期策略影响更明显。
因子介绍与测试方法设定:
考察了基本面因子(ROE/SUE)、技术面因子(换手率、特质波动率、反转、非流动性)、高频因子(大单净买入占比、买入意愿强度、尾盘成交占比)及深度学习因子,均做了市值、行业、估值中性化处理。用21日的全天成交额均值或开盘半小时成交额均值筛选股票池。
关键发现与数据解析:
表1显示,当组合规模≤10亿时,因子IC与全市场水平无明显差异,反转因子甚至小幅提升。但当规模升至50亿及以上,特质波动率、换手率、非流动性等因子IC明显下降。图8-10进一步刻画IC差值,确认低频量价因子受规模影响显著,反转因子IC亦在较高规模区间呈现下滑趋势。高频因子及ROE表现相对稳定,未受太大影响。
逻辑分析:
组合规模增长压缩了可交易股票范围,主要影响到对低流动性股票敏感的低频因子表现。投资者或策略构建需针对规模设定调整因子选择。
方法调整:
周度调仓要求更高的收益保存比例,改用开盘半小时成交额筛选股票池。
结果解读:
表2和图11-14揭示,周度换仓下因子表现整体下降幅度更大,50亿级规模后大多数因子IC明显低于全市场水平,深度学习因子同样出现较大波动和衰减,尤其是低频技术因子受挤压尤甚。
综合见解:
换仓频率提升加剧流动性限制对因子的冲击,投资者应更加谨慎考量各种流动性约束对高频及深度学习因子的适用性。
成本构成与模型概述:
交易成本细分为价格波动、买卖价差、盘口流动性、价格走势及限价单成交概率五部分,前期研究建立了预测模型,此处主要分析前三项。
价格波动与买卖价差影响:
表3显示,此部分成本对月度及周度因子IC影响极小,说明即便规模增大,因这部分固定成本因素影响,因子表现基本不变。
盘口流动性成本影响分析:
盘口流动性成本随组合规模和成交金额占比增加显著提升,开盘半小时内执行交易成本更高(图15-18)。当组合规模超过16亿时,50%以上的股票承受盘口流动性成本,超过50亿时,60%以上的股票盘口流动性成本超过1‰。
逻辑推断:
以成交金额5%与组合规模0.1%双参数限制为基础,可动态筛选股票池,避免交易成本过高导致因子表现大幅衰竭。
筛选后因子表现:
以更精细的盘口流动性过滤方式重新计算因子IC(图19-21),发现大部分因子IC下降且随规模增大差距拉大,但相比固定参数方法,影响幅度较小,说明动态过滤更加科学。
推论:
静态或粗糙的筛选方法可能高估流动性成本对因子的负面影响,应采用灵活动态的流动性成本估计模型。
理论基础:
大单交易可能破坏市场均衡,产生非线性冲击成本,需额外考虑。
模型构建:
回归分析开盘半小时和全天VWAP与前收盘价收益率对大单净主买金额占比的关系(图26)。回归系数稳定,适用于建立大单冲击成本预测。
大单交易概率估计:
根据拆单次数假设(每月237次,每周30次),计算不同规模下发生大单交易的股票占比(图27-28),显示50亿规模以上易产生大单交易,尤其是开盘半小时交易时。
月度策略下影响较弱:
扣除大单冲击成本后,因子IC基本稳定(图29-31),仅SUE和特质波动率因子在50亿规模后出现明显下滑。
周度策略下影响显著:
开盘半小时完成交易且规模较大时,所有因子IC明显下降(图32-35),尤以低频技术因子、特质波动率及深度学习因子最为明显。
综合看法:
大单冲击成本是规模效应下不可忽视的因素,简单线性回归模型虽有局限,但为后续深化研究和策略调整提供良好基础。
报告风险提示清晰、合理:
报告未明确给出风险缓解策略,但通过灵活的股票筛选和成本估计方式,部分缓解了流动性风险。
本报告系统性地分析了组合规模、交易成本和大单冲击成本三大流动性约束对A股市场经典选股因子及新兴深度学习因子表现的影响,揭示了因子在理论与实际交易限制之间的性能差异。
通过大量历史数据统计及模型建设,报告展示:
整体来看,报告立场谨慎、基于实证研究,强调在量化策略设计与验证阶段纳入流动性和成本维度的必要性,避免规模扩张导致的因子表现脱节。该研究为大规模量化资产管理和策略开发提供了重要指导,并对量化因子筛选及应用提供了科学的框架和方法论支持。
图3 收益保存比例:
图4 长周期可交易股票数量:
图15 开盘后半小时盘口流动性成本分布:
图26 大单冲击成本与大单净主买占比回归系数:
图29 扣除总成本后基本面因子月度IC差值:
图32 总成本筛选后基本面因子周度IC差值:
本报告通过对A股市场多因子选股策略的流动性约束和交易成本影响进行细致系统的量化分析,揭示了实际交易约束条件下因子表现的衰减规律。报告既提供了理论框架,也借助实证数据验证了交易效应,提醒投资者和量化研究者在大规模运作和策略设计中需纳入流动性和交易成本考量,以确保因子效用的实际可行性和策略性能的可靠性。,,,,,,,,,,,,,
选股因子系列研究(九十一):组合规模、交易成本和大单冲击对因子表现的影响分析.pdf