本报告基于异质信念理论,利用次日隔夜收益率和换手率数据对传统日内换手率因子itaTurn20进行切割,提出换手率切割刀CTR因子,显著提升了因子的稳定性和收益表现。CTR因子在2006年至2023年间回测显示年化收益40.32%,信息比率2.63,最大回撤14.67%,均超越传统换手率因子,并在沪深300、中证500及中证1000等不同样本空间均表现稳健。报告详细论证了切割法的有效性,进一步推出“抢跑 CTR”因子以解决实际操作中的数据时滞问题,持续提升策略的实用性和可执行性。
| 回看窗口 | 因子 | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤率 |
|---|---|---|---|---|---|---|
| 20日 | itaTurn20 | 35.73% | 16.88% | 2.116 | 65.81% | 16.08% |
| 20日 | CTR | 40.32% | 15.33% | 2.630 | 75.21% | 14.67% |
| 40日 | itaTurn20 | 31.80% | 16.74% | 1.900 | 69.23% | 14.27% |
| 40日 | CTR | 35.12% | 15.37% | 2.284 | 70.09% | 12.99% |
| 60日 | itaTurn20 | 29.55% | 16.55% | 1.786 | 71.79% | 14.14% |
| 60日 | CTR | 34.39% | 15.55% | 2.212 | 71.79% | 11.37% |
标题:《换手率切割刀 CTR 因子 Cutlets of Turnover Rate——换手率的异质信念》
作者:高子剑(证券分析师)、凌志杰(研究助理)
发布机构:东吴证券研究所
发布日期:2024年1月9日
主题:基于异质信念理论,围绕传统日内换手率因子 itaTurn20 的创新与优化,提出用基于次日隔夜收益率的切割法来增强换手率因子的选股能力,构建了换手率切割刀 CTR 因子。
核心论点:
传统日内换手率因子(itaTurn20)已显示良好的选股能力,但仍有提升空间。
以异质信念理论为基础,结合次日隔夜收益率及隔夜换手率的信息,通过切割法对传统换手率因子进行修正,识别更为有效的特征。
构建了换手率切割刀CTR因子,明显超过传统换手率因子的选股表现,提升了反转效应及稳定性。
报告还提出了抢跑CTR因子(JumpCTR),解决了实操中因等待次日隔夜信息延迟调仓的问题。
评级与目标价:报告为策略研究分析类型,不涉及具体买卖评级或目标价。风险提示主要关注历史数据依赖及单因子模型潜在风险。
报告从传统日内换手率因子 itaTurn20 开始讨论,该因子以过去20日的换手率均值为基础,经过市值中性化处理,历时2006年至2023年在A股市场表现稳定:月度信息系数(IC)均值-0.072,IC信息比率(ICIR)-2.043,年化多空对冲收益35.73%,信息比率2.116,胜率65.81%,最大回撤16.08%(图1,表1),。换手率因子低换手对应低异质信念股票,未来长期收益更优。
报告接续之前多篇系列,通过量价配合视角及多种换手率指标的迭代改进,始终以itaTurn20为比较基准,意图挖掘换手率自身更多隐藏信息,,。
报告回顾了成交量对动量因子的修正,通过对换手率的日内及隔夜收益率进行不同维度的切割,发现“量”和“价”的配合提升了信号有效性:
日内切割:按当日日内换手率分组测试动量因子,换手率越高对应的局部日内动量因子ICIR绝对值越大,验证“量”强化“价”的作用(图2),。
隔夜切割:同样以昨日换手率对隔夜收益做切割,发现低换手对应反转,高换手对应动量(图3),。
报告进而探讨换手率因子自身是否可以被收益率相关切割刀进一步优化,并引入异质信念理论支撑换手率因子本质: A股市场中卖空限制与信息不对称导致股价被系统高估,异质信念体现为高换手率,低换手率股票异质信念低,未来买入收益较优(章节3.1)。
报告详细解释,单靠换手率难区分“低异质信念”股票和“流动性缺乏”股票,因此引入价格配合切割换手率:
利用当日日内收益率切割日内换手率,剔除流动性低但价格表现不佳的股票,提升选股能力(图4)。
但当日日内收益率并非完美切割刀,案例健帆生物出现选股误判(图5),反映信息错配。
基于异质信念的逻辑,次日隔夜收益率和换手率包含“未来”信息,可以作为更有效“切割刀”:
用次日隔夜收益率切割日内换手率,次日低隔夜收益对应低异质信念,选股表现优于传统因子(图6、7,表2),。
用次日隔夜换手率切割日内换手率,测试显示单调性更好,进一步提升选股能力(图8、9,表3),。
为综合利用隔夜收益率和换手率信息,报告构造“隔夜聪明钱”指标,即归一化的隔夜收益率除以隔夜换手率的比率,反映“隔夜资金聪明度”(章节3.6)。
分组测试显示,隔夜聪明钱作为正向单因子表现平平,年化收益18.5%,信息比率1.275,选股能力不足(图10,表4)。
报告以隔夜聪明钱作为切割刀切割传统日内换手率因子,保留次日隔夜“聪明”的低换手率日,剔除“杂质”,构造换手率切割刀 CTR 因子。步骤具体如下,:
每月末取过去20日日内换手率数据;
按次日隔夜聪明钱排序,等分成5组;
取低聪明钱组即表现最佳的组为因子。
回测显示,CTR因子月度IC值均值为-0.076,ICIR -2.329,年化收益40.32%,波动15.33%,信息比率2.63,月度胜率75.21%,最大回撤14.67%,均优于传统itaTurn20(图13,表5)。
年度分解统计显示,CTR因子多年来均能提供稳定正向超额收益,2023年多头组收益仍达到25.34%(表6)。
对CTR因子做行业虚拟变量回归,剔除行业相关性后,获得纯净CTR因子。纯净因子仍保持较强选股能力:年化收益20.37%,信息比率2.576,波动率7.91%,胜率74.36%,最大回撤仅7.61%(图14,表8)。相关性分析表明,CTR因子与传统itaTurn20及常用Barra风格因子相关性有所降低,显示更为独立的风险因子属性(表7)。
研究回测时间窗口对CTR因子表现影响,改变回看天数为40日、60日,表现稍有下降但依然优于传统因子,体现稳健性(表10)。
收益拆解显示CTR因子空头超额收益贡献更大,同时多空两端的选股能力均较itaTurn20提升(表11)。
CTR因子在沪深300、中证500、中证1000不同指数样本空间中均展现超额收益及较高信息比率,且均具有稳定月度胜率。沪深300指数增强策略年化超额收益5.36%,中证500和中证1000指数的多空对冲策略信息比率分别高达1.112与2.095,表明其广泛适用性(表12至表14,图15-17),。
报告明确切割法目的在于剔除无效信息,保留有效信息,提高因子表现。前提是被切割因子本身具有信息波动性,且切割刀要有效区分这种波动中有价值的部分。
数学上,因子被切割视为输入矩阵(股票×20交易日)与权重矩阵(权重分配)相乘,通过调整权重,重点保留有效信息所在时间点的贡献,剔除冗杂数据,增厚因子信号。当前切割权重是五分组赋予后20%数据权重,余80%为0(章节5)。
实际应用过程中,CTR因子由于需要次日隔夜信息,可能导致调仓延迟。为满足需在开盘时即调仓的要求,设计了抢跑CTR(JumpCTR),其把最后一个交易日的日内换手率纳入切割计算,假定最后一个次日隔夜聪明钱属于后20%“高聪明钱”组。
回测显示,JumpCTR因子各项指标与CTR接近:年化收益39.8%,信息比率2.62,月度胜率73.5%,最大回撤15.11%,证明该简化假设的合理性(图18,表15),。
报告用系统性研究和实证验证,基于异质信念理论,提出换手率切割刀CTR因子,利用次日隔夜聪明钱对传统日内换手率itaTurn20进行切割,显著提升了反转效应和稳定性。
关键贡献:
逻辑清晰地结合异质信念与量价配合选股思想;
多维度切割测试(当日收益、次日隔夜收益、换手率等)验证切割法有效;
设计“隔夜聪明钱”指标综合隔夜量价信息;
构建CTR因子,提升年化收益率和信息比率;
推出抢跑版本,兼顾实操需求;
多指数样本表现稳健,纯净因子具备独立信号。
切割法作为剔除无效信息的实用工具,切割刀设计是关键,报告系统阐释了其方法论意义。
2014-2023历史数据驱动,市场未来可能发生结构性变化;
单因子收益波动较大,实际投资需结合资金与风险管理;
统计模型可能存在相对误差,不构成具体投资建议,。
展示了10个分组股票组合净值曲线,多空价差线位于右轴。分组1为最高换手率组,分组10最低,净值曲线显示明显分化,差值多年持续扩大,表明换手率因子具有一致且显著的选股能力。
作为基准的传统换手率表现稳定,验证用换手率选股的有效性。
图2显示日内换手率越高分组,动量因子ICIR绝对值越大,说明日内换手增加动量因子信号强度。
图3显示隔夜换手率高低对应隔夜动量分组表现逐渐分化,换手率低组表现反转,高组表现动量,揭示隔夜“量”与“价”配合复杂特征。,
图4次日隔夜收益率切割下,低收益组效果优于其它组,ICIR负值更大,强化了异质信念与换手率的负关联。
图6(次日隔夜收益率)、图8(次日隔夜换手率)切割效果显示,隔夜换手率切割的单调性优于隔夜收益率,说明隔夜换手更具信息价值。
图7和图9对应的10分组多空净值走势显示被切割后的因子净值表现明显优于传统因子,回撤降低、涨幅改善(表2、表3)
图11显示用隔夜聪明钱切割日内换手率的ICIR分组曲线,低聪明钱组ICIR最大,切割有效。
图12为健帆生物案例,使用隔夜聪明钱正确剔除其在前文多头误判,体现切割刀有效性。
图13的CTR因子10分组净值走势明显超越传统因子,边际改进显著。
表5显示CTR因子的收益风险指标全面超越传统因子
此次报告属于选股因子研究,不涉及公司估值。报告重点为因子构造与性能展示,财务盈利预测、估值模型未涵盖。
报告明确多项风险:
市场风险:历史研究基础,未来市场结构或规则变化可能大幅影响模型效果。
单因子风险:单因子模型易波动,需结合资金与风险管理。
测算误差风险:统计模型与实际交易存在偏差,不能单独作为投资决策依据,。
报告未详述风险缓解方案,但暗示通过多因子组合与资金管理可减低风险。
报告充分利用异质信念理论,理论基础扎实,切割法逻辑清晰,但依赖历史数据,且切割权重固定简单,未来采用优化器等方法或提升稳定性。
单独因子表现虽优,但市场极端波动期(如2020年疫情初期),表现有所减弱,纯净因子波动率虽低,但收益率较整体因子差距明显,说明行业因素依旧重要。
报告注重短中期(6-12个月)选股能力,未明确长期持有表现,值得关注。
实操中对次日隔夜数据依赖可能限制部分策略即时交易能力,虽提出抢跑CTR因子示例,但仍存在延迟风险。
激进的切割(80%赋0权重)虽然提升了信号,但可能带来过度拟合风险,实盘表现需验证。
本报告基于异质信念理论和量价配合策略,创新提出利用次日隔夜“聪明钱”指标对传统日内换手率因子itaTurn20进行切割,构造了换手率切割刀CTR因子。CTR因子在过去十多年A股市场表现稳健,信息系数和信息比率均显著优于传统换手率因子,同时持有较低波动和回撤,显示更强的反转和选股能力。纯净因子分析表明CTR因子带来更多独立风险暴露且降低了与行业的关联度。多市场、多指数检验进一步证实其跨样本稳定性。
CTR因子通过有效剔除无效信息,将换手率异质信念中隐藏的低异质信念、低风险股票信号识别出来,指导投资者精准捕捉转折反转机会。抢跑版本JumpCTR设计合理,解决了实操环境下因子滞后难题。报告系统展示了“切割法”作为信息筛选利器的价值,理论与实证兼具,具备较高应用潜力。
投资者在应用时需关注市场风险、单因子漂移及执行效率,结合资金和风险管理。整体而言,CTR因子代表了量价因子研究的新方向,值得持续关注与跟踪。
报告第0至25页内容,含所有表格、图示和文本结构。
所有关键绩效指标均基于2006年至2023年的回测数据,主要以2014年到2023年完整回测为主。
具体图表、表格及数据见报告对应页码与段落标注。
图1:日内换手率 itaTurn20 因子 10 分组及多空对冲净值走势

图13:CTR 因子 10 分组及多空对冲净值走势

图18:JumpCTR 因子 10 分组及多空对冲净值走势
(全文完)
“技术分析拥抱选股因子”系列(十五):换手率切割刀CTR因子Cutlets of Turnover Rate 换手率的异质信念.pdf