“海量”专题（142）——价量波动幅度

论坛 › 期权论坛 › 期权

 海通量化团队  2019-10-10 09:29  6505  0

不同观察期下的重要提示：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号发布的观点和信息仅供海通证券的专业投资者参考，完整的投资观点应以海通证券研究所发布的完整报告为准。若您并非海通证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号推送内容而视相关人员为客户;市场有风险，投资需谨慎。
常见的技术因子主要包括涨跌幅、换手率、波动率等，鲜少有因子反映价量指标的区间波动幅度情况。实际上，波动幅度从总量的角度刻画了个股活跃程度，是对常见价量因子信息的有效补充。本文主要对一定区间内的价量波幅与未来股票收益之间的关系进行研究。
[h1]1对传统价量因子的有效补充[/h1]传统价量因子存在一个普遍特征：因子的空头效应强，而多头效应弱。从因子在不同样本空间选股效果差异的角度来看，这个现象即意味着，因子在涨幅高、换手率高、波动率高的股票集中选股效果强，而在涨幅低、换手率低、波动率低的股票集中选股效果弱。
具体地，若我们基于前一个月涨跌幅、换手率、波动率3个指标，将全市场股票分为2*2*2=8个子样本空间。在每一个子样本空间，基于目标因子（反转、换手率等）将股票分为3组，并计算因子得分最高一组股票相对于因子得分最低一组股票的月均多空收益，结果如下图。

结果显示，常见技术因子——反转、换手率、波动率，主要在涨幅高、换手率高的样本空间中存在显著选股效果；而在涨幅低、换手率低的样本空间，月均多空收益并不显著。
每个月末，我们基于过去一段时间内，日度价格最高值与最低值之间的变动幅度构建股价振幅因子（下简称振幅因子）。即振幅因子=日度价格最高值/最低值-1。下表展示了在不同子样本空间中，3个月振幅因子（观察期为3个月）的月均多空收益。

从中可见，振幅因子可对常见价量类因子进行有效补充。常见技术因子在涨幅低、换手率低的样本集中，选股效果非常有限；而在此样本空间，3个月振幅因子选股效果显著。特别地，在涨幅低、波动率低、换手率低的样本空间，3个常见价量因子均失效，多空收益为负，而振幅因子月均多空收益高达0.92%，统计显著。
[h1]2 股价振幅单因子回测[/h1]由于振幅大的股票往往前期受关注度比较高、价格波动大，振幅因子的选股效果会受其他价量类因子影响，因此直接考察振幅与股票未来收益的关系并不合适。前一章的分析也表明，振幅因子主要对传统价量因子起补充作用。控制股票的价量特征后，在传统价量因子表现差的样本集中，振幅因子选股效果显著。为体现振幅因子的补充作用，下文在考察该因子时，均将该因子对技术类因子（反转、换手率、波动率、流动性）以及市值进行正交化处理，以反映控制价量特征后振幅因子的选股效果。
[h1]2.1 单因子选股效果[/h1]股票振幅与未来收益显著正相关。3个月振幅因子月均IC和RankIC分别为3.7%、3.5%，统计显著，相应的IR分别为1.45、1.25。

基于3个月振幅因子将全市场股票分为10组，统计每组股票等权组合相对于全市场等权组合的月均超额收益，结果如下图左。从中可见，随着股价振幅逐渐增大，组合收益单调递增。多头组合（因子得分最高的组合）相对于空头组合（因子得分最低的组合）月均超额1.46%，月胜率70.7%，统计显著。

需要注意的是，虽然从全市场来看，振幅因子与反转、波动率因子一样，呈现多头效应弱、空头效应强的特征（上图左）。但在不同的子样本空间，它们的有效性截然相反：在反转、波动率因子缺乏选股能力的样本集中，振幅因子多头效应显著为正，因子间可相互补充。具体地，我们基于前一个月涨跌幅从小到大排序将全市场股票分解为5个子样本集；然后在每一个子样本集中，基于目标因子（振幅、反转、波动率）将股票分为5组，统计因子得分最高的一组股票（多头）相对于子样本集等权组合的月均超额收益，结果如下图。

结果显示，在涨幅低的D1、D2样本集中，振幅因子多头效应显著强于反转因子和波动率因子；而在涨幅高的D4、D5样本集中，反转因子、波动率因子的多头效应显著强于振幅因子。特别地，在涨幅最低的样本集D1中，反转、波动率因子多头效应均接近于0；而振幅因子月均多头超额高达0.79%。综上所述，振幅因子与股票收益显著正相关。虽然从全市场范围来看，该因子多头效应弱于空头效应；但在传统价格类因子失效的样本集中，该因子多头效应显著为正，是对传统价格类因子的有效补充。[h1]2.2 不同观察期下的股价振幅因子[/h1]在计算振幅因子时需选定观察期，即考察过去多长一段时间内的股价振幅。下图展示了观察期分别设为1-6个月、12个月时，振幅因子的RankIC表现。
结果显示，在1-6个月的观察期窗口下，振幅因子的RankIC均显著为正，ICIR均在0.9以上。其中，观察期为1个月时，RankIC最小，为2.70%。观察期为2个月时，RankIC最高，为3.84%；之后随着观察期增加，振幅因子选股效果逐渐减弱。

[h1]2.3 不同持有期下的股价振幅因子[/h1]我们基于m月末的因子值构建振幅因子多空组合，计算该多空组合在第m+H个月的收益差，将其称为持有期为H时振幅因子的多空收益。下图展示了持有期分别为1-12个月时，振幅因子（本节及下文中均以观察期为2个月的振幅因子为例进行展示）的月均多空收益。

结果显示，与传统价量类因子一致，振幅因子多空收益的衰减速度较快。持有期为1个月时，因子月均多空收益达1.67%；持有期为2个月时，因子多空收益迅速降至0.61%。持有期超过5个月时，振幅因子的选股效果甚至出现反向。
[h1]2.4 不同风格中的选股效果[/h1]我们基于市值将全市场股票分解为5个子样本集；然后在每一个子样本集中，基于振幅因子将股票分为5组，并计算因子月均多空收益，结果如下图。
从中可见，振幅因子在市值最大的20%股票集中，选股效果相对较弱。而在其余中小盘风格中，选股效果较强，月均多空收益均值在1%以上。

综上所述，振幅因子与股票收益显著正相关。该因子在传统技术因子表现较差的样本集中，选股效果显著，可对传统价量因子作有效补充。但与其他技术因子类似，振幅因子衰减速度快，持有期超过3个月时，因子多空收益不再显著。

[h1]3 换手率波幅单因子[/h1]除股价振幅外，我们还可考察换手率波动幅度因子（下简称换手率波幅因子），即一段时间内日换手率最高值与最低值之差。
换手率波幅与股票未来收益显著负相关。1个月换手率波幅因子月均IC和RankIC分别为-2.90%、-2.77%，统计显著，相应的IR分别为1.93、1.37。
从分组收益来看，换手率因子的空头效应显著强于多头效应。一方面，空头月均超额-0.69%，统计显著；而多头月均超额0.18%，月胜率低于50%，统计不显著。另一方面，在D1-D4组合间，因子与股票收益的负相关性并不明显。

此外，相比于股价振幅，换手率波幅因子对观察期的选取更敏感。
下图展示了观察期分别为1-6个月、12个月时，换手率波幅因子的IC表现。观察期为1个月时，IC表现最优，为-2.90%。观察期为2个月时，IC表现明显减弱，为-1.58%。观察期超过4个月时，换手率波幅因子与股票收益甚至呈微弱的正相关性。表明换手率波幅因子与股票收益的相关性不如股价振幅因子稳定。

总结来看，换手率波幅因子与股票收益显著负相关。但该因子多头效应较弱，且对观察期的选取较为敏感。
[h1]4 多因子模型回测[/h1]下表展示了在包含市值、非线性市值、反转、换手率、波动率、流动性、ROE、预期净利润调整、SUE因子的基础模型（下文简称9因子模型）中，加入价量波幅因子后，各个因子的截面溢价统计结果。

结果显示，股价振幅因子截面溢价显著为正，而换手率波幅因子截面溢价显著为负，与前文单因子回测结果一致。表明剔除了常见因子后，前期股价振幅越大的公司，未来收益表现越优；而前期换手率波动幅度越大的公司，未来收益表现越差。
此外，同时加入股价振幅和换手率波幅后，因子截面溢价有所下降；表明这两个因子存在一定相关性。但溢价仍然显著，表明两个因子仍然存在另一个因子所不能解释的额外信息。
下表展示了在9因子模型基础上，加入价量波幅因子前后，多因子模型的IC表现。从中可见，单独加入振幅因子和换手率波幅因子后，多因子模型IC和RankIC均得到提升，同时波动率下降，整体IR有所增加。
需要注意的是，相比于仅加入振幅因子的10因子模型，同时加入振幅因子和换手率波幅因子的11因子模型IR略有降低。这可能是由于，振幅因子和换手率波幅因子在时间序列上存在一定相关性（溢价相关系数为0.29），同时加入两因子使得模型IC波动率增加，从而降低了模型IR。

总结来看，多因子模型截面回归结果与前文单因子结论一致：股价振幅与股票收益显著正相关，而换手率波幅与股票收益显著负相关。在包含常见因子的9因子模型中加入价量波幅因子，可提升模型IC表现。
[h1]5 总结[/h1]本文主要对价量波动幅度与未来股票收益之间的关系进行研究。
股价振幅因子与股票收益显著正相关，即控制涨跌幅、换手率、波动率后，历史股价振幅越大，股票未来收益表现越优。该因子对观察期的选取不敏感，在1-6个月的观察期下，均存在显著选股效果。但与传统技术因子类似，股价振幅因子衰减速度较快，持有期超过3个月时，因子多空收益不再显著。
股价振幅是对传统价量类因子的有效补充。在涨幅低、换手率低、波动率低的样本集中，传统技术因子失效；而股价振幅因子在此样本集中存在显著选股效果，且多头效应强。
换手率波幅因子与股票收益显著负相关，即换手率波动幅度越大的股票，未来收益表现越差。该因子多头效应弱，空头效应强。
在包含常见因子的9因子模型中加入价量波幅因子，可提升模型IC表现。

风险提示：因子有效性变化风险，历史统计规律失效风险。
联系人：罗蕾，(021)23219984
专题报告下载地址：
https://pan.baidu.com/s/16uVSstHyllcLB5nEiL4bGA

“海量”专题回顾
【点击标题可链接至报告原文】
【海通金工量化策略回顾】
48、“海量”专题（48）——海通金工2017年量化策略回顾
104、“海量”专题（104）——行稳致远：海通金工2018量化策略回顾

【宏观量化与资产配置】
7、“海量”专题（7）——大类资产配置之风险预算模型
20、“海量”专题（20）——长期投资者如何进行战略资产配置
23、“海量”专题（23）——中国版全天候策略
27、“海量”专题（27）——2017，全球对冲基金的新纪元？
33、“海量”专题（33）——Black-Litterman模型的直观理解
36、“海量”专题（36）——积极的风险均衡（Active Risk Parity）策略
46、“海量”专题（46）——Faber的战术资产配置策略在中国市场上的应用
56、“海量”专题（56）——从周期调整市盈率（CAPE）看中美股市当前的估值水平
59、“海量”专题（59）——宏观动量策略在全球股票市场中的应用
66、“海量”专题（66）——宏观动量策略在债券市场中的应用
67、“海量”专题（67）——宏观预期数据的选择与应用
101、“海量”专题（101）——美股的均值回归特征和收益率预测
105、“海量”专题（105）——全球股市轮动策略兼论从全球视角看A股投资价值
112、“海量”专题（112）——MOM投资框架
117、“海量”专题（117）——美国MOM数据分析
119、“海量”专题（119）——负债驱动投资（LDI）简介
124、“海量”专题（124）——主权财富基金资产配置的共性与差异
139、“海量”专题（139）——行业的长期价值与CAPE的应用

【因子投资与Smart Beta】
9、“海量”专题（9）——高相关资产配置中的因子降维与组合优化
10、“海量”专题（10）——高相关资产配置中的因子预算
14、“海量”专题（14）——大类资产中的风格因子与Smart Beta
41、“海量”专题（41）——风险加权指数
118、“海量”专题（118）——“单因子多组合”还是“多因子单组合”
122、“海量”专题（122）——反向剔除的因子组合
133、“海量”专题（133）——个股加权方式对比

【行业轮动】
16、“海量”专题（16）——动量策略及收益率高阶矩在行业轮动下的应用
49、“海量”专题（49）——行业一致预期数据的应用分析
52、“海量”专题（52）——“基本面+价格”选出好行业
65、“海量”专题（65）——龙头股效应在行业轮动上的应用
68、“海量”专题（68）——行业间动量和趋势因子的应用分析
70、“海量”专题（70）——预期情绪数据在行业轮动中的应用
72、“海量”专题（72）——宏观经济数据应用于行业轮动的探索
73、“海量”专题（73）——周期、非周期板块内的行业轮动

102、“海量”专题（102）——基于行业Alpha收益的行业轮动模型

103、“海量”专题（103）——行业微观因子的轮动效果
126、“海量”专题（126）——基于BL模型的行业配置策略
136、“海量”专题（136）——基金行业配置观点的分析

【因子择时与风格轮动】
4、“海量”专题（4）——多因子择时初探
19、“海量”专题（19）——基于条件期望的因子择时框架
47、“海量”专题（47）——探寻风格轮动的先行指标
57、“海量“专题（57）——大小盘轮动研究（创业板50 vs 上证50）
75、“海量”专题（75）——指数轮动：沪深300 VS 中证500
90、“海量”专题（90）——宏观数据在板块轮动中的应用
95、“海量”专题（95）——因子失效预警：因子拥挤

108、“海量”专题（108）——因子拥挤度的改进

109、“海量”专题（109）——因子拥挤度的扩展
134、“海量”专题（134）——基于回归树的因子择时模型

【量化多因子选股】
1、“海量”专题（1）——市值因子的非线性特征
2、“海量”专题（2）——选股因子的正交
3、“海量”专题（3）——从最大化复合因子单期IC角度看因子权重
11、“海量”专题（11）——业绩反转之绝对收益

13、“海量”专题（13）——因子视角下的事件驱动策略
15、“海量”专题（15）——因子视角下的事件驱动策略收益
17、“海量”专题（17）——高频因子之收益分布特征
21、“海量”专题（21）——分析师主要要素变动共振事件
22、“海量”专题（22）——价值投资系列之便宜是否值得买
24、“海量”专题（24）——分析师一致预期相关因子
26、“海量”专题（26）——关注盈利是短期风格还是长期趋势
29、“海量”专题（29）——历史财务信息对股票收益的预测能力
30、“海量”专题（30）——历史盈利在预测股票收益时的作用
34、“海量”专题（34）——高频因子之已实现波动率分解
35、“海量”专题（35）——因子加权、正交和择时的若干性质
37、“海量”专题（37）——分位数回归在多因子选股中的应用
38、“海量”专题（38）——因子降维1：底层因子降维方法对比
39、“海量”专题（39）——分析师荐股是否存在超额收益
40、“海量”专题（40）——一致预期数据的质量分析
43、“海量”专题（43）——学术研究中的财务异象之盈利能力
44、“海量”专题（44）——学术研究中的财务异象之盈利质量
51、“海量”专题（51）——A股因子的适用环境分析

55、“海量”专题（55）——学术研究中的财务异象之应计量的分解
58、“海量”专题（58）——业绩超预期股票收益特征分析
60、“海量”专题（60）——哪种分析师推荐报告最值得关注？
63、“海量”专题（63）——A股市场存在龙头股效应吗？
64、“海量”专题（64）——龙头股效应在一致预期数据上的应用
71、“海量”专题（71）——被机构调研的上市公司有超额收益吗？
76、“海量”专题（76）——宏观经济数据可以用来选股吗
77、“海量”专题（77）——宏观经济的不确定性在A股市场被定价了吗？
79、“海量”专题（79）——解禁、融资融券、陆股通和质押的超额收益机会分析

80、“海量”专题（80）——分析师覆盖度与股票预期收益
82、“海量”专题（82）——原油价格对行业和股票影响的量化分析
84、“海量”专题（84）——哪些宏观经济指标可以选股？

85、“海量”专题（85）——A股是否存在异质动量现象？
89、“海量”专题（89）——哪些事件驱动策略可以因子化？
91、“海量”专题（91）——如何计算盈利指标的趋势？
91、“海量”专题（92）——因子敞口上限对优化组合的影响
93、“海量”专题（93）——放松组合构建中的行业中性约束
94、“海量”专题（94）——高频量价因子在股票与期货中的表现
96、“海量”专题（96）——医药行业因子选股研究

97、“海量”专题（97）——预期因子的底层数据处理
100、“海量”专题（100）——行业、概念板块的动量溢出效应
111、“海量”专题（111）——质量因子
113、“海量”专题（113）——近期指数增强策略回撤原因分析
115、“海量”专题（115）——预期调整类因子的收益特征
1 21、“海量”专题（121）——日内分时成交中的玄机
123、“海量”专题（123）——捕捉投资者的交易意愿
125、“海量”专题（125）——探索A股的五因子模型
127、“海量”专题（127）——当下跌遇到托底
128、“海量”专题（128）——股票的“共性”与“个性”
132、“海量”专题（132）——消费板块的因子组合
137、“海量”专题（137）——上市公司关系网因子
140、“海量”专题（140）——资产增长稳定性与资本结构变化

【衍生品和CTA策略】
5、“海量”专题（5）——CTA策略介绍及配置价值（上）
6、“海量”专题（6）——CTA策略介绍及配置价值（下）
8、“海量”专题（8）——豆粕/白糖商品期权指南

12、“海量”专题（12）——基于动量和期限结构的商品期货策略
18、“海量"专题（18）——多品种期货策略中的权重分配
31、“海量"专题（31）——商品期货因子挖掘与组合构建再探究（上）
32、“海量"专题（32）——商品期货因子挖掘与组合构建再探究（下）
42、“海量”专题（42）——CTA多品种趋势策略中的仓位管理方法
53、“海量专题”（53）——基于海内外期货持仓报告的CTA策略
61、海量“专题（61）——原油期货指南
83、“海量”专题（83）——2年期国债期货指南
87、“海量”专题（87）——揭开“逆周期因子”的神秘面纱
110、“海量”专题（110）——2018 年期货市场及CTA策略回顾
135、“海量”专题（135）——CTA因子适用性分析及品种动态筛选策略

【FOF与基金研究】
25、“海量”专题（25）——债券基金的风格归因与因子剥离初探
28、“海量”专题（28）——债券基金风格归因模型2.0之七因子剥离体系

45、“海量”专题（45）——因子剥离体系下的债券基金久期估测构想
69、“海量”专题（69）——A股市场的基金经理是否具备择时能力？
78、“海量”专题（78）——基金业绩持续性的影响因素分析
81、“海量”专题（81）——FoF投资中，如何对主动权益基金进行因子剥离
98、“海量“专题（98）——基金风格稳定性评估及功能性权益基金挖掘
106、“海量”专题（106）——利用因子暴露监控公募基金仓位和投资风格的变化
114、“海量”专题（114）——国内公募权益类基金有Alpha吗？
129、“海量”专题（129）——Alpha是来自于运气还是实力？
130、“海量”专题（130）——基金业绩归因方法论综述
138、“海量”专题（138）——债券型基金的工具化分类探究

141、“海量”专题（141）——如何评估债基的股债配置能力 [/url]

【创新产品研究】
[url=http://mp.weixin.qq.com/s?__biz=MjM5NzkxODAyMQ==&mid=2650403394&idx=1&sn=025c562cd156810f0de8363b0dadf487&chksm=bedff66889a87f7e2d43d8790bbd68df3f752f0574b242bc1ad4a24db5ba34f8da990f5f7ca2&scene=21#wechat_redirect]50、“海量”专题（50）——新理念、新趋势：ESG投资概述
62、“海量”专题（62）——目标日期基金的下滑轨道设计
120、“海量”专题（120）——ESG评级在因子组合构建中的应用

【高频交易策略】
131、“海量”专题（131）——基于集合竞价分时走势的A股T+0策略

【量化市场观察】54、“海量”专题（54）——亏损这么多，我该拿你怎么办？
74、“海量”专题（74）——战略配售基金投资标的基本面及收益率分析
86、“海量”专题（86）——股市极值及收益率预测模型的周度择时研究
88、“海量”专题（88）——中国企业的税收负担及其对上市公司投资价值的影响
99、“海量”专题（99）——行业收益结构变化带来的机遇
107、“海量”专题（107）——中美股票市场指数的季节效应

法律声明：
本公众订阅号（微信号：海通量化团队）为海通证券研究所金融工程运营的唯一官方订阅号，本订阅号所载内容仅供海通证券的专业投资者参考使用，仅供在新媒体背景下的研究观点交流；普通个人投资者由于缺乏对研究观点或报告的解读能力，使用订阅号相关信息或造成投资损失，请务必取消订阅本订阅号，海通证券不会因任何接收人收到本订阅号内容而视其为客户。
本订阅号不是海通研究报告的发布平台，客户仍需以海通研究所通过研究报告发布平台正式发布的完整报告为准。
市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述的意见并不构成对任何人的投资建议，对任何因直接或间接使用本订阅号刊载的信息和内容或者据此进行投资所造成的一切后果或损失，海通证券不承担任何法律责任。
本订阅号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，海通证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。
本订阅号的版权归海通证券研究所拥有，任何订阅人如欲引用或转载本订阅号所载内容，务必联络海通证券研究所并获得许可，并必注明出处为海通证券研究所，且不得对内容进行有悖原意的引用和删改。
海通证券研究所金融工程对本订阅号（微信号：海通量化团队）保留一切法律权利。其它机构或个人在微信平台以海通证券研究所金融工程名义注册的、或含有“海通证券研究所金融工程团队或小组”及相关信息的其它订阅号均不是海通证券研究所金融工程官方订阅号。

回复

分享到 :

0 人收藏

6级职业

海通量化团队

积分:595

帖子:119

精华:0

+ 关注私信

期权论坛

期权论坛

期权网络科技版权所有: 关于我们; 联系我们; 加入我们; 反馈问题; 免责声明; 积分充值

统一社会信用代码: 积分规则; 网站地图; 爱文库; 下属网站

官方: 新浪微博; 微信公众号
◆

下载: 表情包; App下载

期权论坛

期权论坛

QQ咨询|关于我们|Archiver|手机版|小黑屋|( 辽ICP备15012455号-4 ) Powered by 期权论坛 X3.2 © 2001-2016 期权工具网&期权论坛 Inc.