基于行为金融学处置效应和前景理论,构建资本利得突出量(CGO)因子,结合投资者盈亏状态区分股票池,开发分层选股策略。CGO单因子策略在中证500和800指数成分股中产生显著Alpha,低CGO组合持续跑赢高CGO组合,分层选股策略年化超额收益达14.70%,风格轮动明显且风险收益表现优异,验证了投资者风险偏好在不同盈亏状态下的差异性
| 因子 | 相关性 |
|---|---|
| 5日反转 | 31.33% |
| 15日振幅 | 33.27% |
| SIZE | 24.42% |
| 15日换手率 | 16.33% |
| PE | 2.92% |
报告标题:资本利得突出量 CGO 与风险偏好——行为金融因子研究之一
作者:严佳炜
发布机构:广发证券发展研究中心
发布日期:2017年中旬(根据文中数据至2017年3月回测截点推断)
研究主题:从行为金融学视角,利用资本利得突出量(CGO)构建Alpha因子,并探讨投资者风险偏好分层选股策略。
核心论点:传统风格因子在当前市场表现出广泛失效,行为金融学中的处置效应及前景理论为挖掘新的Alpha因子(即CGO因子)提供理论基础和实践路径。低CGO组合表现优异,资本利得突出量因子可捕获投资者风险偏好的异质性,结合风险因子进行分层选股策略,能够带来更为稳定的超额收益。
研究结论:
图2示例图解:
图3中证800内CGO>0的比例与指数走势关联:
图9示例(中证800内各分位组合)
图11(多空组合净值)
图15:CGO与SIZE因子相关性
图16:CGO与PE因子相关性
图17示例回测净值曲线
整体表现出报告具有高度的理论深度与实证严谨性,同时对未来和风险持谨慎态度。
| 图表名称 | 描述与展示内容 | 数据与趋势分析 | 关联文本及结论 | 局限性及备注 |
|---|---|---|---|---|
| 图1:前景理论的价值函数 | 投资者价值函数图形式呈左凸右凹S型,盈亏临界点非对称,定量解释不同风险偏好 | 盈亏边界处函数斜率不对称,亏损时曲线平缓,呈风险偏好,盈利时陡峭呈风险规避 | 论证了持股盈亏状态决定风险态度,是CGO因子开发理论起点 | 仅为理论模型,实际参数α,β,λ需估计,可能个体差异大 |
| 表1:CGO的计算示例 | 历史4日成交均价、换手率权重及归一化权重计算示范,演示CGO数值计算过程 | 加权过程体现权重随时间衰减,换手率越大权重越高,对未来参考价值影响越大 | 确立了以换手率调整的参考价及CGO计算规则,实证方法基础 | 模拟示例短期,实际选用100日加权,参数可调整 |
| 图2:CGO与股价变化 | 某股票历史收盘价、100日均价、RP及CGO变化序列对比,展示CGO领先均线的动态 | RP较均线更敏感地反映换手率变化,CGO序列能反映投资者持仓盈亏状态波动,预示趋势反转 | CGO领先股价转折,成交活跃度调节价格平滑,体现投资者行为特征 | 个股代表性,适用范围及稳定性需结论支持 |
| 图3,图4,图5:CGO全市场统计 | CGO大于零比例及中位数时间序列,及CGO中位数分布密度,展示不同时间点投资者盈亏状态分布 | CGO比例随行情波动;中位数偏负显示亏损股票多、牛市短,熊市长;分布显示市场整体亏多盈少 | 证明市场长期结构性亏损状态,符合A股特征,CGO作为市场行为指标价值突出 | 统计区间、样本选取可能影响结论 |
| 图7,图8:CGO因子IC统计 | CGO截面IC周度与月度时间序列,均值负向显著,显示低CGO后的股票未来收益优于高CGO | IC负值超60%,负相关显著,表明因子有效性,虽波动但趋势稳定 | 统计指证CGO因子的Alpha属性,低CGO带来未来正向超额收益 | IC偏负表示因子负相关风险,需注意策略构建逆向思维 |
| 图9-12:CGO分位数组合净值 | 不同CGO分位组合历史累计净值,Q1(低CGO组)表现最佳,多空组合呈持续盈利趋势 | Q1净值增长显著领先,2015年后涨势尤为明显,验证CGO选股能力 | 体现处置效应的投资效益,多空显著差异支撑Alpha因子特性 | 市场极端行情或周期转换时表现可能不同 |
| 表3,表4:回测统计 | 中证800和中证500,行业中性等权组合回测超额收益、波动率、最大回撤、信息比率等指标完善数据 | 年化超额收益18%以上,最大回撤一般低双位数,信息比率近2,波动率适中,风险调整后收益突出 | CGO因子在不同指数成分股有效,实用性及稳定性高 | 交易成本考虑,数据样本及回测区间影响收益与风险表现 |
| 图15,图16及表5:因子相关性分析 | CGO与SIZE、PE等因子相关性及Spearman系数,振幅和反转因子相关性较高,PE与CGO低相关 | 相关度30%左右,显示部分共性,PE相关性约3%,脱钩基本面,偏行为特征 | 确认CGO作为行为金融因子与传统因子存在区隔,具备独立Alpha贡献 | 相关性存在时间波动,且不同因子组合考虑需细化 |
| 图17-20:CGO分层选股策略净值 | 基于CGO正负分层,结合振幅与市值因子构建策略净值及交易成本扣除后表现,高CGO股票占比分时动态调整 | 复合策略净值持续上扬,最大回撤回落,交易成本控制,可视为顺应市场风格轮动 | 活用前景理论风险偏好分层框架,实证策略优化,风格轮动自然显现 | 需验证参数敏感性及策略稳健性 |
| 表6,表7:分层后风险因子IC | CGO高低组内不同风险因子IC值差异明显,市值及振幅分布不同,指导分层选因子组合策略 | 高CGO组振幅因子在风险偏好中相关,低CGO组市值因子更有效,风险偏好切换清晰 | 基于行为金融设计选股逻辑,推动多因子融合效益 | IC值绝对值整体偏低,需结合实际角度验证 |
| 图21及表9:策略组合对比 | 分层策略与单因子振幅市值策略回测对比,综合策略优势稳固,年度收益多优于单一因子 | 多数年份分层组合年化超额收益更高,最大回撤合理,风险调整优势明显 | 分层策略为CGO因子应用带来实质进步,验证理论指导下因子组合效果 | 单因子策略表现极端年份会有胜出,策略稳定性需进一步验证 |
| 图22:分层阈值参数敏感性 | 分层阈值λ对策略信息比率影响,IR呈现平滑曲线,在0到0.08间为合理阈值区间 | λ<0时IR偏低,不理想;λ>0.08超出最佳区间微弱下降,说明策略对λ不敏感,鲁棒性好 | 参数确定简单且稳健,便于实际应用 | 未对极端参数范围表现开展深度测试 |
本报告为行为金融因子研究专题,侧重于因子构建、组合策略和风险偏好分析,未涉及具体个股或行业的估值测算,也未采用DCF、EV/EBITDA等传统估值方法。因此,报告中不包含估值部分,侧重点放在因子构造和选股策略的绩效检验上。
本报告从行为金融学前景理论和处置效应视角,创新性构建资本利得突出量(CGO)因子,通过对投资者整体盈亏状态的推算,精确刻画风险偏好的动态变化。CGO因子在实证中呈现显著Alpha特征,低CGO组合具有稳定超额收益和较好风险调整表现。进一步结合行为风险偏好,将股票池以CGO正负进行分层,分别结合振幅和市值风险因子,提出分层选股策略,显著优于传统单因子策略,表现出明显的风险收益优势及风格轮动能力。
报告提供详实的统计数据和多期回测,充分支持理论框架,从多个维度验证了因子的有效性和策略的稳健性。CGO因子捕获了传统因子未全面覆盖的投资者心理与行为特征,是当前风格因子失效背景下,行为金融角度挖掘有效Alpha的范例。
尽管如此,报告也谨慎指出方法基础为历史数据推演,未来市场环境多变,对模型和因子的适应性存在不确定性。此外,投资策略执行上风险调整后胜率仅略高于半数,存在择时和组合构建风险。风险因子选择和参数设定均经过严格测试,策略具有一定鲁棒性。
未来工作方向建议继续丰富CGO定义,探索不同时段因子表现差异,细化高CGO股票买入策略,扩展行业平均CGO等应用场景,进一步巩固行为金融Alpha因子的实用价值。
综上,CGO因子及基于其风险偏好分层的选股策略为行为金融学在量化投资中的应用提供了有力的实践范例,尤其适合当前市场风格因子全面失效的背景,推荐投资者关注此类行为驱动因子的潜力,结合自身投资理念审慎运用。
| 图表 | 说明 |
|---|---|
| 图1:价值函数 | 前景理论投资者风险偏好描述,收益区间风险态度不同 |
| 表1:CGO计算示例 | 100日换手率加权成交均价及CGO计算具体流程展示 |
| 图2:CGO与股价变化 | RP领先均线,体现投资者心理价位动向,CGO敏感反映盈亏状态 |
| 图3-5:CGO市场统计 | CGO>0比例、CGO中位数时间序列及其分布,表现中国股市亏损主导的结构性特征 |
| 图7-8:IC周月度分析 | CGO指标负IC持续显著,显示Alpha属性且多空组合长期有效 |
| 图9-12:CGO分位排序 | 不同CGO档位多空组合净值走势,低CGO组合表现最佳 |
| 表3-4:整体及年度业绩 | 多维指标量化回测,年化超额、回撤、信息比率等,突出风险调整表现 |
| 图15-16及表5:因子相关 | CGO与常见传统因子的相关系数,体现CGO的行为金融属性及因子独立性 |
| 图17-20:分层策略 | 基于CGO分层的风险偏好选股策略净值及行为特征,展示风格轮动及策略稳定性 |
| 表6-7、图21、表9 | 分层选股策略风险因子IC、组合与单因子对比,验证分层策略优势与稳定性 |
| 图22:参数敏感性 | 分层阈值参数对信息比率的影响,展示策略鲁棒性和参数容忍度 |
(所有内容均来自原文及附图,引用页码详见对应部分)
行为金融因子研究之一:资本利得突出量CGO与风险偏好.pdf