东吴证券「求索动量因子」系列研究(五)——成交量对动量因子的修正剖析
一、元数据与报告概览
- 报告标题:“求索动量因子”系列研究(五)——成交量对动量因子的修正——殊途同归的聪明版
- 作者:高子剑(证券分析师,执业证书号:S0600518010001021)、庞格致(研究助理,执业证书号:S0600122090090)
- 发布机构:东吴证券研究所
- 发布日期:2023年6月12日
- 主题:本报告聚焦于中国A股市场动量因子的改进,重点探讨成交量(换手率)信息对动量因子的价值提升作用,特别区分日内与隔夜两类动量因子的价量特点,通过“聪明指标”精准区分不同交易时段的知情交易行为,从而提升动量因子选股能力。
- 核心论点与结论:
- 发现日内高换手率带来反转信号,而隔夜部分高换手率带来动量信号,且其关键区别源自“昨日量”对“隔夜价”的影响,反映知情交易者的提前反应;
- 基于此,报告将传统动量因子切分为多个部分分别改进,形成“聪明”动量因子,有效提升因子稳定性和表现;
- 回测(2014/01/01-2023/04/30)显示,全A股样本下“聪明”动量因子信息比率达2.79,年化多空对冲收益27.01%,明显优于传统动量因子;
- 该因子经过正交行业和Barra风格因子后仍表现优秀,适用范围涵盖沪深300、中证500及中证1000等多个样本空间。
- 风险提示:
- 统计结果基于历史数据,未来可能存在结构性变动风险;
- 单因子模型存在风险;
- 存在数据测算误差风险, 34].
二、正文逐节深度解读
1. 前言与动量因子基本现状
- 动量因子背景:自1993年被发现以来,动量因子成为量化投资重要选股因子,但其在A股市场呈现中长期反转特性且表现不稳,尤其2023年起几乎失效(图1显示其10分组多空对冲信息比率约1.10,最大回撤达20.88%)。
- 基于投资者交易行为的研究方法:东吴金工团队致力于优化动量因子,尤其结合成交量信息中的日内与隔夜价量特征,之前发布的研究成果已揭示两者本质不同的价量逻辑。
2. 日内价量关系研究与日内动量因子改进
2.1 传统日内因子定义及性能
- 使用过去20个交易日日内累计收益(开盘到收盘收益,剔除集合竞价)构造因子,实测呈显著反转效应,月度IC均值~-0.059,年化ICIR约-1.67(越负反转效果越强);
- 多空对冲年化收益24.29%,信息比率1.34,胜率约64%(图3显示不同分组涨跌趋势),但稳定性仍有波动.
2.2 日内价量切割及发现
- 按每日日内换手率将过去20日收益划分为五等分的局部因子,发现换手率越高的部分反转信号越强(绝对ICIR向负方向加强),低换手率段ICIR-1.67,高换手率段ICIR-2.03(图4);
- 通过换手率信息“锦上添花”,对日内收益的反转信号增强,提示成交量对因子有效性存在正向调节作用.
2.3 新日内因子构造及效果
- 将高低换手率的两端部分分别标准化后赋予权重[-1,1],结合构建新的日内因子;
- 新日内因子稳定性提升,信息比率达1.72,胜率75%,最大回撤降至12%,尽管绝对收益较传统因子稍低(15.74%),但风险控制明显改良(图5).
3. 隔夜价量关系的本质及隔夜动量因子改进
3.1 传统隔夜因子表现较弱
- 以过去20日开盘相对前收盘收益累计构建隔夜因子,表现显示微弱动量效应,月度RankIC仅0.02,信息比率0.74,且不稳定(图6).
3.2 直接套用日内价量逻辑切割隔夜因子失败
- 按当天开盘集合竞价换手率切分局部隔夜因子,无法获得预期单调增强效果,高换手率组反而表现不佳(图7),因为隔夜价量逻辑与日内完全不同.
3.3 分析隔夜价量内在机制差异
- 参考文献揭示股价波动与交易量平方根成正比,理论上日内外波动率应能用对应成交量解释;
- 实际上隔夜波动远大于用对应隔夜成交量估计的理论值(75%样本比例超过2.5倍),意味着大量隔夜价变由未成交或信息泄露造成,
- 自然隔夜价量逻辑与日内不一致,需跳出单日量价匹配框架(图8).
3.4 正确切割隔夜因子:昨日换手率的作用
- 采用昨日换手率而非当日换手率对隔夜收益进行切割,发现5个局部因子信息比率随昨日换手率单调上升,低换手率部分表现反转,高换手率部分表现动量(图9);
- 这可归因于信息提前泄露现象,高换手率反映更多知情交易参与,形成定向动量信号,高低换手率区分投资者结构差异.
3.5 新隔夜因子构造及表现
- 结合昨日换手率最低和最高五分之一分组线性加权生成新隔夜因子,年化信息比率提升至1.81,胜率69.37%,最大回撤仅6.11%,显著优于传统因子(图10).
4. “聪明”动量因子及其多轮改进
4.1 “聪明”动量因子的构建
- 将新日内因子(day_old)和新隔夜因子(night_old)经过标准化合并形成新动量因子(mom_cor),年化信息比率提升至2.79,胜率84%,最大回撤降低至5.89%(图11-14,表1).
4.2 改进隔夜因子:聚焦下午最后半小时成交量
- 根据周明等对知情交易比例的实证研究(图15),发现下午最后半小时知情交易者比例提升;
- 用前一交易日下午14:30-15:00换手率替代昨日全天换手率进一步切割隔夜收益,局部隔夜因子信息比率最高,反映其知情度最强(图16,表2);
- 这与理论隔夜波动率的匹配显著改善(图17);
- 该“1430隔夜因子”(night_1430)及结合该隔夜因子和新日内因子的“1430动量因子”(mom_1430)均显示更优表现,信息比率分别上升至2.10和2.54,年化收益率及胜率也有所提升(图18-21,表3).
4.3 日内因子细分:上午与下午分区
- 将日内收益与换手率切割细化为上午和下午两个时段,使用对应时段的换手率切割收益提升日内因子表现(表4);
- 将两个时段因子标准化加权合成日内apm因子(day_apm),较之前改进因子day_old表现更佳(图22-24).
4.4 引入“聪明”指标锁定知情交易集聚时段
- 设计分钟级“聪明”指标:以每分钟股价涨跌幅的标准化值除以成交量的平方根,反映知情交易的活跃度;
- 每个交易日分别筛选上午和下午“聪明”指标最高的20%分钟,利用该时段换手率切割对应时段收益,得到“聪明”日内因子(day_smart);
- “聪明”日内因子表现明显优于未筛选时段因子(表5);
- 结合“聪明”日内因子和1430隔夜因子,构成“聪明”动量因子(mom_1430_smart),信息比率达到2.79,年化多空对冲收益提升至27.01%(图25-28,表6).
5. 其他关键讨论
5.1 多空收益分解
- 对比旧版动量因子mom_cor和聪明版mom_1430_smart,多头超额收益在聪明因子中更突出,风控表现也更佳(表7).
5.2 新旧因子相关性分析
- 改进过程中新动量因子与旧因子相关性逐步降低,最终聪明动量因子的相关系数仅0.596,显示新因子有效挖掘了额外特征(表8).
5.3 新因子作为旧因子的加速器
- 三种新动量因子与旧因子结合均带来选股能力提升,其中聪明动量因子叠加后信息比率达3.00,年化收益达27.86%(表9).
5.4 分年度表现与稳健性验证
- 聪明因子在近年动量因子整体失效的背景下仍保持正收益与较低回撤;
- 风格因子剔除后构建的纯净动量因子(mom_1430_smart)信息比率达到2.62,表现稳定(图29-30,表12-13、10-11);
- 参数敏感性分析(使用20、40、60个回看日)显示聪明动量因子在多种参数下均保持较优表现(表14);
- 在沪深300、中证500、中证1000市场均表现优于旧因子,展现良好泛用性(表15).
5.5 指数增强投资组合应用示范
- 构建三种投资组合,基于传统、旧版、聪明版动量因子排序,选因子最低10%股票;
- 回测结果显示聪明因子组合在沪深300、中证500、中证1000均获得更优收益和信息比率,证明其在实战决策中的价值(图31-33,表16).
5.6 动量因子与传统动量因子正交
- 多种改进动量因子与传统动量因子正交后的选股表现仍优良,验证了其信息增益和稳健性(图34-37,表17).
三、图表深度解读示例
- 图1(传统动量因子表现):显示2014-2023年传统动量因子10分组收益趋势,分组间回报差距清晰但波动大,年化信息比率低且近期表现明显下滑,体现其稳定性不足。
- 图4(局部日内因子ICIR):展示不同换手率分组下日内局部因子表现,换手率越高,ICIR绝对值越大(趋向-),说明成交量显著增强日内反转信号的强度。
- 图9(正确切割隔夜因子ICIR):根据昨日换手率切割隔夜因子后点燃动量效应,表现单调提升,高换手率组性能最优,验证信息泄露和知情交易占比对隔夜动量的影响。
- 图17(实际与理论隔夜波动率比值):使用14:30-15:00成交量更贴近隔夜波动率,较之前大幅减少偏差,强化采样最后半小时成交量的重要性。
- 图25-26(聪明日内及动量因子净值表现):多空对冲净值走势稳健攀升,与传统因子对比显示信息比率大幅提升,验证“聪明指标”和改进方法的有效性。
四、估值与方法解析
报告核心在于因子改进和统计学回测,并无企业传统财务估值模型应用。其方法基于:
- 分组及排序法:将样本股票按因子值分10组,计算后续收益率差异;
- IC与ICIR指标:IC(信息系数)衡量因子与未来收益的相关性,ICIR(IC的年化信息比率)衡量因子表现稳定性;
- 多空对冲策略:多头持有最高因子组,空头持有最低组,评估信息比率;
- 价量切割技术:将动量因子拆分为日内与隔夜,进一步利用换手率(成交量标准化指标)细分样本,挖掘不同特征的动量信号;
- “聪明指标”构建:以分钟级别的标准化价格波动幅度除以成交量平方根衡量知情交易强度,锁定信息集中的时间段,提升因子精度。
该技术路线通过统计特征和行为理解结合,展示量化研究在动量因子稳定性改进中的典范.
五、风险因素评估
- 市场结构变化风险:全部结论基于历史数据,市场机制、参与者结构、监管环境等发生变化可能使因子失效,34].
- 模型风险:单因子模型风险明显,依赖因子有效性和仓位配置,可能产生跟踪误差和极端损失。
- 数据测算风险:因子基于高频及历史数据统计,存在数据质量、事件处理、换手率计算误差等风险。
- 策略执行风险:实际交易成本、流动性风险、策略调仓延迟等可能影响策略表现。
- 报告未针对每项风险提供直接缓解策略,但披露风险意识,提示投资者关注因素有效性变化风险,34].
六、审慎视角与细微差别
- 报告提出的“聪明”指标和时段切割展示了创新思路,但其参数选择(如“聪明”时段取20%分钟)虽有统计支撑,可能存在过拟合风险;
- 除动量因子外也未纳入多因子风险模型中融合,对于市场系统性变化的适应能力仍有限;
- 报告数据时间覆盖9年以上,样本充足,但基于中国A股市场,外部有效性尚需验证;
- 报告展示了传统日内与隔夜因子在结构上的不同,强调投资者结构和信息提前反应,但对知情交易者比例和行为未具体量化,只是基于换手率等代理变量推断,存在一定假设前提;
- 报告层层切割样本和动量因子,形成多版本因子,尽管回测表现卓越,但复杂度提升,实盘绿色策略构建、交易成本控制需额外考虑;
- 报告对比不同时间段最后半小时成交量对隔夜波动率的解释力度,说明这一时段信号最为有效,这一结论依赖于高频数据精确性;
- 报告没有详细阐述损失极端事件下的策略表现,最大回撤虽低,但对尾部风险的承受能力信息有限。
整体而言,报告创新点突出,分析严谨数据充分,但在策略落地及极端风险防范方面需要进一步的补充和验证, 34].
七、结论性综合
本报告通过对中国A股市场动量因子的细致拆分和价量特征研究,创新提出了结合日内和隔夜成交量信息的“聪明”动量因子架构:
- 明确区分日内与隔夜两种动量因子,揭示日内成交量与日内收益呈现的经典价量增强关系,隔夜因子则受限于信息提前泄露,表现出“昨日量”对“隔夜价”的主导作用;
- 利用昨日最后半小时换手率极大强化隔夜动量信号,提升了隔夜动量因子的稳定性和选股能力;
- 日内动量因子通过上下半天分段换手率切割并结合“聪明指标”进一步锁定信息密集时间段,显著提升信息比率和收益稳定性;
- 综合改进形成的“聪明”动量因子(mom_1430_smart)在全市场及沪深300、中证500、中证1000多样化样本上均展示优越性能,相较传统动量因子信息比率提升逾1倍,最大回撤幅度大幅降低,胜率和年化收益显著提升;
- 纯净因子分析排除行业与常用风格因子影响,验证了“聪明”动量因子的独立有效性和稳健性;
- 多次参数敏感性、分年度和正交测试均支持结果的稳健性;
- 报告全面图表丰富,采用多种统计指标(IC、ICIR、信息比率、月度胜率、最大回撤)直观展示不同因子的表现;
- 研究为动量策略的实证改良提供了精细科学的量化路径,也为指数增强策略构建提供了实用工具。
综上,东吴证券的“聪明动量因子”突破了传统动量因子交易量信息整合的瓶颈,通过细分时间维度、引入“聪明”指标有效捕捉知情交易行为,实证证明提升量化选股效果及风险控制性能,具备较强实用价值和推广潜力.
参考报告内主要图表示例
-
! [blocked]
图1:传统动量因子20日回看期内10分组表现,表现波动与回撤显著。
-
! [blocked]
图4:局部日内因子年化ICIR表现,换手率越高反转效果越强。
-
! [blocked]
图9:正确采用昨日换手率切割隔夜因子,ICIR单调增强,验证信息提前泄露假设。
-
! [blocked]
图17:隔夜波动率与理论值比,用下午最后半小时成交量后明显改善。
-
! [blocked]
图26:“聪明”动量因子净值走势,多空分组区别明显,信息比率高。
-
! [blocked]
图29:纯净聪明动量因子剔除行业与风格影响后仍保持显著选股能力。
总结:本报告基于对A股市场中动量因子日内与隔夜价量关系的深入研究,通过权衡换手率与知情交易行为,提出一套系统性的因子优化方案。数据充分严谨,成果对实务操作和策略研发价值明显,在2023年动量因子整体衰退背景下依然表现良好,彰显该研究的前瞻与稳定性,是动量因子体系建设的重要进展。