本文在国盛金工2022年4月发布的隔夜涨跌选股因子研究基础上,深入探讨了基于隔夜涨跌幅绝对值与昨日换手率相关系数构造的新选股因子MIF。实证显示该因子在A股中具有较好稳定性和较高信息比率,能有效捕捉知情交易者的信息优势。通过对相关系数计算方法、换手率时间滞后调整及是否取绝对值等核心环节的敏感性检验,验证了当前构造方案的合理性和优越性。同时,引入行业超额涨跌与换手率后,因子表现进一步提升,单月胜率接近80%。报告结合丰富图表和多角度回测,全面论证了MIF因子的有效性及实用性 。
新因子MIF的定义与构建逻辑
MIF因子回测表现优异
| 绩效指标 | 传统反转因子Ret20 | 传统隔夜因子OvernightRet | 隔夜跳空因子abs_OvernightRet_desize | 新因子MIF |
|---|---|---|---|---|
| 年化收益率 | 12.59% | 1.74% | 12.10% | 10.83% |
| 年化波动率 | 15.72% | 8.73% | 13.56% | 4.33% |
| 信息比率 | 0.80 | 0.20 | 0.89 | 2.50 |
| 月度胜率 | 60.98% | 57.72% | 62.60% | 74.80% |
| 最大回撤率 | 18.36% | 31.39% | 13.24% | 2.70% |
MIF因子中间步骤与效果演进
| 指标 | 初始MIF | 进阶MIF | 最终MIF |
|---|---|---|---|
| 年化收益率 | 11.20% | 11.16% | 10.83% |
| 年化波动率 | 5.41% | 4.63% | 4.33% |
| 信息比率 | 2.07 | 2.41 | 2.50 |
| 月度胜率 | 69.92% | 75.61% | 74.80% |
| 最大回撤率 | 3.03% | 2.44% | 2.70% |
相关系数类型对因子表现影响
| 指标 | Pearson相关系数 | Spearman秩相关系数 |
|---|---|---|
| 年化收益率 | 10.83% | 8.27% |
| 年化波动率 | 4.33% | 3.86% |
| 信息比率 | 2.50 | 2.14 |
| 月度胜率 | 74.80% | 73.17% |
| 最大回撤率 | 2.70% | 2.56% |
换手率向前滞后影响研究
| 指标 | MIF (T-1日) | MIF (T-2日) | MIF (T-3日) |
|---|---|---|---|
| 年化收益率 | 10.83% | 3.79% | 2.88% |
| 年化波动率 | 4.33% | 3.90% | 3.40% |
| 信息比率 | 2.50 | 0.97 | 0.85 |
| 月度胜率 | 74.80% | 61.79% | 56.91% |
| 最大回撤率 | 2.70% | 5.39% | 5.05% |
隔夜涨跌幅是否应取绝对值的分析
行业超额涨跌和换手率调整的改进
| 指标 | 原因子MIF | MIF(超额涨跌_市场) | MIF(超额换手_市场) | MIF(超额涨跌+超额换手_市场) | MIF(超额涨跌_行业) | MIF(超额换手_行业) | MIF(超额涨跌+超额换手_行业) |
|---|---|---|---|---|---|---|---|
| 月度IC均值 | -0.028 | -0.025 | -0.028 | -0.027 | -0.026 | -0.027 | -0.028 |
| 年化ICIR | -2.46 | -2.26 | -2.40 | -2.40 | -2.46 | -2.62 | -2.85 |
| 年化收益率 | 10.83% | 8.93% | 10.08% | 9.28% | 9.18% | 10.32% | 10.64% |
| 年化波动率 | 4.33% | 4.03% | 4.22% | 4.25% | 4.04% | 4.06% | 3.86% |
| 信息比率 | 2.50 | 2.22 | 2.39 | 2.18 | 2.27 | 2.55 | 2.76 |
| 月度胜率 | 74.80% | 79.67% | 73.17% | 78.86% | 75.61% | 75.61% | 79.67% |
| 最大回撤率 | 2.70% | 3.98% | 3.52% | 4.01% | 4.04% | 2.59% | 3.49% |
风险提示
报告核心论点集中在如何利用隔夜涨跌幅及成交量(换手率)信息,量化知情交易者的信息优势,从而构造有效的选股因子。具体地,MIF因子基于隔夜涨跌幅的绝对值与昨日换手率的相关系数计算,并通过横截面市值中性化及回归其他已有因子(如隔夜跳空因子)进一步提炼。报告详细展示了该因子的构造、绩效、优化方法、逻辑分析及行业相对调整,强调其在中国A股市场的实证有效性,风险警示市场环境变化可能导致模型失效。
报告基于2022年4月26日发布的专题报告《如何将隔夜涨跌变为有效的选股因子?基于对知情交易者信息优势的刻画》,对投资者常见疑问进行详细答疑和模型解释。该主题结合隔夜涨跌幅、换手率及知情交易者行为洞察,旨在解决传统隔夜因子效率不足、信息利用不充分的问题。,
报告首先定义三个传统因子:
这些定义奠定了后续构造新因子MIF的基础。
MIF因子的构造步骤详解:
实证结果显示:
新因子相较传统反转因子与隔夜跳空因子具有更稳健的表现和更优的风险调整收益率,尤其是在最大回撤率显著低于其他因子,体现了抗风险能力的提升。, , ,
由于Pearson相关系数易受极端值影响,报告尝试用Spearman秩相关系数代替,验证MIF因子是否仍具选股效力。
测试显示:
说明即使调整相关系数的计算方式,MIF因子依旧表现稳健,具有一定的抗极端值能力。,
有读者关注知情交易可能提前于T-1日发生,因此进一步分析了MIF用换手率延后至T-2日和T-3日的表现。
发现:
这验证了MIF因子的理论假设:知情交易影响应最接近T-1日,即“信息提前获悉”的换手率信号最有效。,
有读者质疑为何隔夜涨跌幅要取绝对值进行计算。报告对此进行了深入探讨:
这两个子因子逻辑与整体不带绝对值因子正好相反,与MIF本身的逻辑是矛盾的。故应对隔夜涨跌幅取绝对值,保证因子逻辑一致性及稳定性。, ,
出于不同交易日市场环境差异及各股票所属行业特征不同的考虑,报告提出将隔夜涨跌幅与换手率转化为相对于所属中信一级行业指数的超额隔夜涨跌与超额换手率,再分别计算因子,即:
实证结果:
各因子净值走势趋势相近,均保持较好的选股能力。
性能指标中,MIF(超额涨跌+超额换手_行业)表现最优,信息比率高达2.76,月度胜率接近80%。
说明基于行业超额概念的因子构造能更有效剔除市场环境及行业共性因素影响,提升信号纯度和预测能力。
图表15-16展示了各种超额调整方案下的净值及绩效对比,清晰印证了行业超额处理的增益。, ,
整体各图表相辅相成,既验证了模型的构造合理性,也展示了各处理步骤对绩效的实质提升,加深了对MIF因子核心逻辑及稳健性的理解。
该报告为学术和量化研究性质,未涉及传统意义上的估值模型或目标价格区间,而是通过信息比率(ICIR)、年化收益率、波动率、最大回撤率、月度胜率等量化指标来评价因子的有效性和稳定性,强调因子在中国A股市场的量化选股适用性。
风险提示强调:
潜在缺点:
国盛证券金融工程团队在《如何将隔夜涨跌变为有效的选股因子?Q&A》报告中提出并深度验证了MIF(Market Inefficiency Factor)这一创新量化选股因子。MIF利用隔夜涨跌幅绝对值与昨日换手率的相关系数,结合市值中性化及与隔夜跳空因子正交提炼,有效刻画了市场中隐含的知情交易者信息优势,体现市场非有效性。
核心结论包括:
综上,报告系统构建、验证并优化了以隔夜跳空与换手率相关系数为核心的MIF因子,为量化投资策略提供了有力的实证支持和理论依据,具有重要的实际应用价值。
国盛证券研究所,《如何将隔夜涨跌变为有效的选股因子 Q&A》, 2022年6月29日。
(完)
【国盛金工】如何将隔夜涨跌变为有效的选股因子 Q&A.pdf