本报告基于高频快照数据构建了6个量价背离因子,用以捕捉股票价格与成交量的相关关系,并验证了其在日频和周频上的显著预测能力。通过因子合成与行业市值中性化处理,提升了因子稳定性及收益性。结合传统因子,构建了以中证1000为标的的周频指数增强策略,策略年化超额收益率最高达20.14%,信息比率达3.93,显示了量价背离因子的有效性和应用价值 。
| 因子 | 平均IC | 多空组合年化收益率 | 夏普比率 |
|---|---|---|---|
| CorrPM | -3.10% | 16.28% | 1.33 |
| CorrPV | -3.79% | 30.69% | 2.53 |
| CorrPVPM | -2.17% | 29.97% | 3.72 |
| CorrRM | -2.08% | 0.52% | 0.04 |
| CorrRV | -3.13% | 29.57% | 2.86 |
| CorrRVPM | -1.22% | 11.40% | 1.64 |
报告标题:《基于高频快照数据的量价背离选股因子》
发布机构:国金证券研究所
发布日期:2022年11月18日
研究分析师:苏晨(执业编号S1130522010001)、高智威
研究主题:基于高频快照数据,构建量价背离选股因子以及相关增强策略,聚焦中证1000指数增强策略。
核心论点:
报告通过利用A股市场中的高频快照数据(3秒频率的行情快照),构建了衡量股票价格与成交量之间“量价背离”现象的多个因子。这些因子在日频和周频两个时尺度上均表现出显著的预测股票未来收益的能力。结合传统因子,构建了基于量价背离因子的中证1000增强策略,展示了策略在统计显著性和实际收益上的优势,尤其在控制交易频率、手续费敏感性与风险调整收益率方面表现良好。作者旨在强调高频量价背离信息作为增量Alpha来源的有效性及其应用价值。,3,4,5,6]
报告首先定义了“量价背离”的四种典型形态(图表1-4):
综合来看,量价背离(即价升量跌和价跌量升)预示未来股价上涨的概率较大,量价趋同(价升量升、价跌量跌)则提示股价可能面临下跌压力。这为构建因子提供理论基础。,4]
快照数据频率高(3秒一次),相比分钟数据能够捕捉更细腻的交易结构信息。报告据此构建了六类基于相关系数的因子(例如成交价与成交量、成交价与成交笔数、成交价与每笔成交量的相关性等),具体表达式涵盖价格与成交量、成交笔数间的多维度统计相关性,目的是鉴别“量价背离”现象。因子的负相关性被视为与未来股票收益率正相关。
以2016年1月至2022年8月数据为样本,主要使用中证1000成分股作为股票池。六个因子的日频IC(信息系数)均为负,表明量价背离对应未来正收益。其中CorrPV、CorrRV和CorrPM三个因子的IC均值超过3%,显示较强预测能力(例如CorrPVPM组合年化收益29.97%,夏普3.72),其余因子表现略低。多空策略净值曲线显示2016-2020年表现强劲,后期因策略拥挤效应收益有所下降。
因子相关性分析显示成交量与成交笔数相关较高(如CorrPM和CorrPV相关系数0.86),说明部分因子信息重复,通过合成因子可以降低风险。报告通过等权合成四优质因子并进行市值行业中性化处理,得到了更稳定的合成因子CorrFactorAdjCI,其日频IC平均值提升至4%以上,风险调整IC0.63,显著改善了单因子波动性。对应策略年化收益高达49.83%,夏普5.74,显示因子组合显著提升了信息含量和收益稳定性。,7]
进一步测试在中证500、800等股票池亦具高稳健性,IC均值在3.83%-4.32%区间,收益与稳定性均表现优秀。
由于日频策略换手率高,机构采用受限,报告将因子降频至周频以增强实用性。周频因子通过统计过去一周日内快照数据相关性构建,周频IC表现差异明显,CorrPVW和CorrPMW因子IC均近-7%,收益率与夏普表现优于其他因子。周频因子因平滑短期波动表现出更好的稳健性。,9]
周频合成因子由表现较好的CorrPVW与CorrPMW等权合成,经过市值和行业中性化调整后风险调整IC达0.93,年化多空收益率38.88%,夏普4.08,表现稳定且收益可观。跨不同股票池表现均良好,Summer一致。,10]
报告将周频量价背离合成因子与三类传统因子——一致预期(Consensus)、成长(Growth)、技术(Technique_regM)进行组合,构建增强因子CGTCAdj。量价背离因子与传统因子之间相关度较低(最高仅0.21),显示其提供独立信息。增强因子IC达7.66%,风险调整IC1.02,明显优于传统合成因子IC 5.91%、风险调整IC 0.79,表明量价背离因子有效提升选股能力。,13]
多空组合回测中,增强因子展现了55.60%年化收益,夏普4.95,均优于传统合成因子(43.57%收益,3.73夏普),显著提升策略表现和风险回报特性。
基于增强因子构建的中证1000指数增强策略采用周度调仓,每周首日开盘价成交,持仓股票为因子排名前10%等权组合,交易手续费单边千分之二。策略年化收益9.51%,年化超额收益11.90%,信息比率2.27,换手率高达92.43%。策略年度超额表现稳定,2016、2017、2019和2020年超额收益均超10%。,14]
手续费敏感性分析显示,手续费越高策略收益递减,千分之三手续费下仍能实现6.73%超额收益,手续费下降至万分之五时,超额收益提升至20.14%,信息比率达3.93,说明该策略对手续费高度敏感,降低交易成本能够大幅提升策略表现。,15]
图表1-4:示意价格和成交量的四种典型关系。图形中红色实线为价格,蓝色虚线为成交量,直观体现“背离”与“趋同”的形态及对股价预测的启示。
图表6:高频数据分类图,显示快照数据(包括价格成交量、委托挂单信息)与逐笔数据(成交明细与委托队列)的关系,强调快照数据能捕捉的市场微观结构。
图表7:日频因子IC指标表,显示六个因子均平均为负,符合预期。CorrPV和CorrPM表现较优,统计显著(t值均超过8)。
图表8-9:各因子多空组合净值和指标表,亮点是CorrPVPM年化收益率接近30%,夏普3.72,最大回撤约25%,风险收益表现较好。体现因子具有实际投资价值。
图表10:因子相关系数表显示因子之间相互关联度,指导合成因子设计。检测到了成交量与成交笔数因子的较高相关性,提示合成因子策略的有效性。
图表11-13:合成因表现及分位数组合年化收益率,合成因子的IC从单因子的3%左右提升至4%以上,中性化后进一步提升;多空组合年化收益率超过40%,夏普高于3.8,说明合成与中性化有效提升了选股质量和稳定性。
图表16-17:在不同股票池(中证1000、500、800)中合成因子表现均优异,表明因子具有较强的跨市场适用性和稳健性。
图表18-22:周频因子IC及多空组合净值,周频合成因子的IC和收益率虽较日频略低,但其稳定性和可交易性大大提高。中性化后风险调整IC达0.93,夏普比率突破4,极具实用价值。
图表29-30:量价背离因子与传统因子相关性低,IC时间序列显示因子胜率超过84%,保证策略收益的稳定性和稳定预测能力。
图表31-33:各类因子IC及多空组合净值对比,量价背离增强因子组CGTCAdj表现优于单因子及传统组合,突出其作为Alpha增量的贡献。
图表34-36:中证1000指数增强策略表现连续优于基准,收益稳健,换手率及手续费敏感性说明策略的实操挑战及改进方向。
图表37-38:手续费不同水平下策略表现,手续费的变化对策略收益、信息比率及最大回撤具有显著影响,倡导优化交易成本管理以发挥策略最大优势。
报告未涉及传统意义的公司估值分析,而是通过IC指标、收益率、夏普比率及信息比率等多维风险收益指标来衡量因子及策略的有效性和投资价值。主要使用因子合成、行业和市值中性化、风险调整IC进行优化和评估。
本报告系统地展示了基于A股高频快照数据,依托价格与成交量间量价背离现象构建的六类因子在选股及策略上的应用价值。报告通过翔实的实证分析和多维风险收益指标,验证了因子的有效性和稳定性。日频因子显示出优异的预测能力,但受策略拥挤影响表现趋缓;通过等权合成和中性化处理后,年化收益及夏普显著提升。考虑实际机构投资的交易约束,报告创新性提出因子降频至周频,保障因子预测的稳健性和可交易性。
进一步将量价背离增强因子与传统因子组合,显著提升了组合的IC和多空组合表现,构建的中证1000指数增强策略相比基准具有稳定正超额收益,信息比率和夏普比率均体现出较优的风险调整表现。策略对手续费较为敏感,降低交易成本是提高最终实盘收益的关键。
报告中的图表清晰阐释价格成交量关系、因子构建及回测表现,数据充分支持论证。整体而言,本报告贡献了高频量价信息在量化选股和增强策略中的独特视角和切实可行的实证方案,适合关注市场微结构、交易信号微观演变的机构投资者和量化研究者参考。
(全文共约3100字)
Alpha掘金系列之二:基于高频快照数据的量价背离选股因子.pdf