“波动率选股因子”系列研究(二)详细分析报告
1. 元数据与报告概览
报告标题: 《波动率选股因子系列研究(二):基于高频波动率的信息分布均匀度UID因子》
作者与机构:
证券分析师:高子剑(执业证号:S0600518010001021)
研究助理:沈芷琦
机构:东吴证券研究所
发布日期: 2020年9月1日
研究主题:
本报告继承东吴金工“波动率选股因子”系列研究,通过构建基于高频波动率的“信息分布均匀度”因子(UID),挖掘股票价格波动与股票信息流的内在联系,探索新的优质选股因子。
核心论点与目标信息:
传统波动率因子未能完全捕捉股票信息流入市场的动态特征。本报告基于“信息冲击”的理论认知,提出股票价格波动率变化的波动(波动的波动)能衡量股票信息流入的均匀程度。
构造了以分钟级数据计算的“UID因子”反映了信息流入的分布均匀度,其选股表现显著优于传统波动率因子。
经过剔除常用风格因子与行业因素干扰,纯净UID因子仍具备较强有效性,选股能力突出。
研究涵盖了因子参数敏感性测试、不同样本空间验证和信息冲击对涨跌影响的对称性检验,确保结论稳健。
整体呈现UID因子作为波动率细分的新维度,在中国A股市场具有较好潜力和增量信息价值。1 ,3,4,5,8,10,11]
2. 逐节深度解读
2.1 前言
报告首先回顾了“低波异象”及“波动率选股因子”系列第一篇的关键成果。研究团队提出了“纯真波动率因子”,通过剔除跨期截面相关性提高信息比率(IR)从约1.5提升到2.2,尽管提升明显,但与传统因子高度相关,难以提供足够增量信息。
因此,本篇开启了第二篇研究,目标是构造一个在传统波动率基础外带来增量信息的全新波动率因子,采用分钟高频数据,聚焦于“信息冲击”视角,提升选股因子价值。4
2.2 波动率与信息冲击
报告借鉴Ross(1989)和Andersen(1996)关于股票价格波动与信息流的研究,进一步提出假设:
股票信息的传递若均匀(匀速)发生,股票价格波动较小;
若信息传递速度发生剧烈波动,即出现强烈信息冲击,波动率随之加剧。
这一假设为后续构造基于“波动的波动”的信息分布均匀度因子提供理论基础,即“股价波动率大小的变动幅度反映信息冲击的剧烈程度”。4
2.3 “波动的波动”:信息分布均匀度UID因子的构造
该章节详细介绍了UID因子的构建步骤:
步骤1: 利用分钟数据,计算每个交易日的日内高频波动率Vol_daily,即该日分钟涨跌幅标准差(剔除隔夜首分钟涨跌幅以排除隔夜信息效应)。
步骤2: 计算过去20个交易日Vol_daily的标准差std(Vol_daily),用于反映每日波动率的波动程度,代表信息流入的均匀性。
步骤3: 标准化处理,将std(Vol_daily)除以均值mean(Vol_daily)消除波动率绝对水平对波动的波动的影响,做市值中性化得到最终UID因子。
报告逻辑清晰,强调由此因子反映的含义:信息冲击越频繁、不均匀的股票,UID因子数值越高;同时确认std(Vol_daily)与mean(Vol_daily)存在显著正相关(平均相关系数0.66),因此标准化必不可少。5
2.4 UID因子与传统波动率对比分析
报告回测2014年初至2020年中,覆盖全部A股(剔除ST股、停牌、次新股),得到如下关键指标:
UID因子月度IC均值为-0.059,RankIC均值-0.074,年化ICIR达到-4.19,表现显著优于传统波动率VOL20因子(年化ICIR仅-1.12)。
5分组多空对冲年化收益21.32%,波动率5.84%,信息比率3.65,月度胜率高达83.12%,最大回撤仅2.18%。
纯UID动态净值曲线相比传统因子表现更稳健且超额收益更明显。
从绩效指标可见,UID因子不仅年化收益高,风险较低(低波动率且最大回撤小),稳定性突出,具有极佳的实务价值。6 ,6]
2.5 去除传统波动率影响后UID_deVOL20因子表现
为区分UID因子特有信息,报告对UID因子执行传统波动率VOL20的正交化处理,得到残差UID_deVOL20因子,并回测:
UID_deVOL20月度IC均值-0.044,年化ICIR-3.43,年化收益17.99%,年化波动6.42%,信息比率2.8,月度胜率81.82%,最大回撤仅1.26%。
从图形和年度分表现看,UID_deVOL20尤其在2019年至2020年表现优于原UID因子,说明正交化剔除了不必要的传统因子影响,实现信息增量最大化。
该步骤加强了UID因子的独立信息特质,为其融入多因子模型创造条件。7 ,7]
2.6 纯净UID因子:剔除风格因子和行业影响
进一步剔除了包括10个Barra风格因子及28个申万一级行业虚拟变量的影响后,取得纯净UID因子。
相关性分析数据显示UID因子与传统波动率因子(VOL20)相关系数仅0.28,说明其信息维度部分独立。纯净UID因子年化ICIR仍达-3.17,5分组多空对冲收益12.96%,波动4.97%,信息比率2.61,月度胜率75.32%,最大回撤1.22%。
且剔除干扰后,近年来尤其是2020年的因子表现明显提升,表明纯净UID更能稳定发挥选股能力,减少风格及行业轮动带来的噪声影响。8 ,8,9]
2.7 UID因子参数敏感性测试
测试不同的回看天数(40日、60日),结果显示:
无论是40日还是60日回看,UID因子均显著优于传统对应窗口的波动率因子。
性能指标方面,UID因子信息比率维持于3.3-3.9,年化收益20%以上,波动率低6%左右,而传统波动率因子信息比率不足1,最大回撤明显更高(约20%左右)。
这说明UID因子对参数设置较为稳健,可适应不同回溯期,具有较强适应性和实战操作灵活性。10 ,10]
2.8 不同市场样本测试
报告在沪深300和中证500成分股样本中同样进行了测试:
在沪深300,UID因子年化收益11.51%,信息比率1.09;剔除传统因子后(UID_deVOL20),收益提升至15.79%,信息比率1.47。传统VOL20因子表现为负收益。
在中证500,UID因子收益13.49%,UID_deVOL20因子收益16.65%,信息比分别为1.48和1.87,均明显优于传统因子。
说明UID因子具有广泛的适用性,在不同市值规模的样本库中均有良好应用价值。11
2.9 信息冲击对价格涨跌的对称性检验
报告进一步检验信息冲击(通过Vol_daily量化)与股价涨跌间的关系是否对称:
选取日内波动率最高20%的样本,分涨跌两组统计涨跌占比、平均值、中位数及波动率相关系数。
结果显示,上涨样本占比52.88%,下跌占47.12%,两组涨跌幅平均值绝对值及相关系数相近(涨幅1.9% vs 跌幅1.81%,相关系数分别为0.45和0.40)。
UID因子与传统反转因子Ret20相关仅0.10,说明UID因子捕捉的“信息冲击”与传统价格反转信息呈低相关,提供增量选股信息。
结论是,信息冲击在上涨和下跌方向上大致平衡,因子构建无需区分好坏信息,同时该因子为价格反转因子带来互补效用。11 ,11]
3. 图表深度解读
图1:信息分布均匀度UID因子5分组回测净值走势
描述:分5组画出了根据UID因子排序的净值走势,分组1为表现最好组,分组5为最差组。
解读:净值曲线显示分组1快速上升,分组5明显下跌,分组间明显分化,表明因子在回测期内表现出较强区分度。
说明因子具备优良的选股能力,分组之间收益差别大。6
图2:UID因子与传统波动率VOL20因子5分组多空对冲净值走势
描述:对比UID因子(红线)与传统VOL20因子(蓝线)多空对冲净值曲线。
解读:UID因子净值稳步向上并持续跑赢VOL20,显示更优的风控和收益稳定性。
支持文本中关于UID因子优于传统因素的结论。6
图3:UID_deVOL20因子5分组及多空对冲净值走势
描述:残差UID_deVOL20因子净值走势,红色虚线为多空对冲净值。
解读:净值整体平稳增长,且在后期显示出优于原UID因子的表现,表明剔除传统波动率成分后,获得更纯净的选股信号。
进一步强化了UID因子的核心增量信息。 8
图4:纯净UID因子5分组及多空对冲净值走势
描述:剔除市场风格和行业干扰的纯净UID因子净值表现。
解读:稳定的上涨趋势,多空对冲净值曲线明显优于多数风格因子,最大回撤较小,体现因子的独立有效性和稳健性。
说明因子在实际投资组合中的实用价值。 9
图5与图6:UID因子与传统波动率因子(回看40和60日)多空对冲净值走势
描述:分别以40日和60日为窗口期,绘制因子表现。
解读:在两个参数设定下,UID因子均显著优于传统波动率因子,收益更高、波动更低、回撤更少。
测试显示因子对参数变化具有稳健性。 10 ,10]
4. 估值分析
本报告属于量化因子研究报告,主要聚焦新因子的构建与实证回测,无直接的公司估值或目标价分析,因此本节不适用。报告通过IC、ICIR、信息比率等量化指标体现因子的选股价值和风险调整后的收益水平,应用指标详尽且标准,便于读者理解因子的预期表现。
5. 风险因素评估
报告在风险提示中明确说明:
统计结论基于历史数据,未来市场非预期变化可能导致因子表现失效。
单因子收益存在较大波动,因子实际应用需结合资金管理与风险控制措施。
此外,报告多次提及风格因子、行业因子对UID因子可能的干扰,特意进行了剔除处理,间接体现了因子面临的相关性风险。总体风险揭示适当,强调历史表现的局限性及实战的复杂性,提醒投资者合理使用因子。1 ,5,11]
6. 批判性视角与细微差别
因子负IC值不违背选股有效性: 报告多处IC均值为负,属波动率类因子特征,不可简单理解为负面信号,需结合因子定义理解方向。作者合理且透明地呈现数据。
因子对市场环境敏感: 2019年以来UID因子表现有所波动,暗示可能受到大盘波动及风格切换影响,需关注时点和风格因子的干扰。
模型依赖分钟级高频数据: 可能对数据质量与获取成本有较高要求,实际应用需评估数据资源可行性。
仅基于A股市场验证: 虽覆盖沪深300、中证500等多样样本,但因子跨市场适用性未涉及,有待未来研究。
是否充分替代传统波动率因子: 报告表明UID因子增量信息价值明显,但在多因子组合中的互动及边际贡献需进一步阐述。
整体而言,报告逻辑严谨,数据充分,分析细致,结论严谨且具创新性,兼顾理论联系实际,兼备学术性与实战指导价值。
7. 结论性综合
本报告作为东吴证券“波动率选股因子”系列的第二篇,基于股票价格高频数据,结合股价波动与信息流关系的理论基础,创新提出“信息分布均匀度UID因子”。通过以下几个方面支持其出色的选股表现和科学性:
理论创新: 利用波动率变化幅度衡量信息冲击强度,首次将“波动的波动”纳入选股因子构建视角,拓展了波动率因子的内涵。
实证严谨: 以2014年至2020年全A股分钟数据为基准,广泛回测,综合IC指标和多重绩效评估(年化收益、波动率、信息比率、最大回撤、月度胜率等),均显著优于传统波动率因子。
剔除干扰后纯净效应突出: 经市值中性化、正交处理残差因子,以及剔除Barra风格和申万行业影响后,因子仍表现稳健,信息贡献独立可靠。
多参数、跨样本验证稳健: 在不同回顾窗口(日数)及不同样本空间(沪深300、中证500)中均保持良好表现,展示因子稳定性与适用范围。
信息冲击涨跌对称性确认: 统计数据显示信息冲击对涨跌作用基本对称,因子与传统反转因子相关性低,保证提供独特的、未被其他因子捕捉的增量信息。
实战价值: 尽管属于单因子策略,因子表现的低波动率与低回撤令人印象深刻,适合在量化多因子框架或主动选股中使用,且风险提示合理充分。
综上所述,UID因子拓展了波动率因子的理论与实证边界,是一个理论基础坚实、实证效果显著、稳健性高、应用前景广阔的创新选股工具,值得量化投资者关注和研究实践。
重要图表
参考文献
Ross, Stephen A., 1989, Information and Volatility: The No-Arbitrage Martingale Approach to Timing and Resolution Irrelevancy, Journal of Finance XLIV, 1–17.
Andersen, T. G., 1996, Return Volatility and Trading Volume: An Information Flow Interpretation of Stochastic Volatility, Journal of Finance 51, 169–204.
免责声明
本报告所有结论基于历史统计数据,未来市场环境变化可能导致因子回测表现与实际表现不符。投资需结合多方面风控和资金管理,理性决策。
以上为报告的详尽解析和解读,涵盖了报告所有核心内容、数据点、方法论以及图表深度说明,符合专业金融研究报告分析标准。1–13