岁月涤荡万千、月度效应依然—— 基于月度效用的选股因子研究

报告要点作为猎金系列的第十七篇报告，本文重点研究月度效应在选股方面的应用，即：部分股票在某些月份相对于基准的表现总是优于该股票在其他月份相对于基准的表现。
  根据股票在过去N年相同月份战胜基准的胜率构建月度胜率因子。N=10时，市值中性化后月度胜率因子IC为0.032，IC_IR为0.56，分位数测试严格单调：因子值越大，未来表现越好。
  月度胜率因子在大市值、小市值中IC_IR分别为0.3，0.63。小市值中多空组合年化收益为10.9%，夏普率为1.96，大市值多空组合年化收益为6.3%，夏普率为0.85，因子在小市值中表现优于在大市值中结果。另外该因子在沪深300、中证500中也具有一定的选股区分度。
因子具有显著的行业区分度。在29个中信一级行业中19个行业表现出较强的选股能力。在非银、银行、传媒、建筑、餐饮旅游5大行业的IC分别为0.064、0.058、0.057、0.057、0.056，在这5大行业的选股能力均能排在兴业选股因子库的前30%。
  将月度效应因子与反转因子结合：选择当期下跌严重且历史月度胜率较好的股票。通过因子合成以及因子增强的方式验证两者的相互作用。测试结果显示；月度胜率因子能稳定的提升反转因子的表现，极大的降低最大回撤。

1前言
  最宝贵的是时间、她能让一切变得可能，但有些规律是那样的执着，那样的笃定，任岁月涤荡，依然。股票市场的月度效应就是这样一个特殊的存在:有些股票在某些月份相对于基准的表现总是优于该股票在其他月份相对于基准的表现。这样的“执着”就给了我们“搬砖工”一些希望。我们不妨通过一些例子来看看这种特殊的规律。
春季结束，夏季伊始，啤酒的消耗开始进入一个高峰，我们以青岛啤酒为例，发现4月-7月份跑赢基准的胜率远高于其他月份。

  而从旅游行业来看，每年的春节、暑假是旅游的高峰，会带动旅游行业相关股票。我们以中国国旅为例，其在每年的6月、7月、12月股价表现抢眼。

  公募在每年年底都面临着考核的压力，第四季度的成交量都会大幅度上升，进而带来券商业绩的提升，券商股价走势也有可能会整体上扬。我们以中信证券为例，2010-2017年间，中信证券在第四季度整体表现要优于其他月份表现。

2月度效应因子探索
2.1 因子逻辑与定义

正如前面所言，各种潜在的原因会导致股票在历史上某些月份稳定的战胜基准。因此，我们利用该现象构建了股票月度胜率因子，并针对其有效性进行了全面的研究。
  该维度的研究有其独特的意义。目前量化方面的拓展主要从新的因子或者新的数据源两个维度出发。而从因子角度来讲：目前市场上耳熟能详的因子无外乎价值、成长、反转、分析师情绪、技术、波动率、流动性、质量等类别的指标。这些因子确实能起到非常有效的作用，但也为我们的研究带来了挑战：量化从业者总希望能找到一个很有效的、与传统因子共线性低的新Aphla因子。从构成逻辑上来看，我们发现月度胜率因子实际上与上面几大类因子的构成逻辑是很不一样的，因此该因子很有可能会有独立的表现。如果后续的研究能验证因子能带来不同于传统因子的选股信息增量，这种研究无疑是有意义的。
  月度胜率因子定义：在过往N年时间范围内，股票在相同月份战胜基准的胜率。根据时间窗口的定义不同，我们分别构建了两个选股因子：1、滚动窗口型:比如在过去十年范围内，股票在相同月份战胜基准的概率，简称滚动窗口胜率因子；2、扩张窗口型：自上市之日开始，股票在相同月份战胜基准的概率（但相应股票上市时间必须大于N），简称扩张窗口胜率因子。
  需要注意的是：1、基准定义方面:我们用截面上的股票月度收益率均值作为对比基准；2、特殊处理：保证股票满足N年的N个月（相同月份）内，有效样本数占比>=80%，缺失值不超过20%。

  时间周期N的大小确定：如果N较短，比如仅仅有5年，一方面不具有说服力，另一方面数据的离散度较差，可能不具有好的选股区分度；如果过长，比如20年，那么因子覆盖度将会比较低。因此在确定N时需要在覆盖度和有效性方面进行一定的折中。
  我们研究了N=10、12、15三种情况下滚动窗口胜率因子的覆盖度。当N取10的时候，滚动窗口的月度胜率因子覆盖度均值为61.2%。随着N的增大，覆盖度在不断降低。虽然目前覆盖度较低，随着时间发展，新股发行，必然有越来越多的股票满足该条件，进而提升覆盖度。鉴于此，我们认为该因子仍然具有进一步研究的价值和意义。

2.2 因子有效性测试

  个股数据：全市场A股，扣除ST股票等；
  数据区间：2000年1月至2017年9月；
  对比分析滚动窗口胜率因子与扩张窗口胜率因子，无论是IC均值亦或是对股票的覆盖度，两者差异很小。为了保证篇幅上的简洁，我们后面仅仅研究滚动窗口胜率因子，也简称月度胜率因子。

  针对于滚动窗口胜率因子，我们分别测试N=10、12、15三种情况下月度胜率因子的IC，发现相差不大，为了保证对股票的覆盖度，我们在后续研究中用N=10。

  而针对于月度胜率因子的分位数组合测试结果显示，该因子呈现严格单调递增的规律:随着因子值增大，组别表现越好。

  我们也做了十分位组合测试，相比于五分位数组合测试：十分位测试的首尾两组差异更大，但是组别单调性不如五分位组合测试表现的好。

2.3 因子行业市值中性化分析
  IC以及分位数组合测试的结果显示月度胜率因子有着相对突出的选股能力。进一步，我们研究该因子在行业市值中性化下的表现。
  根据图表-14，我们发现行业中性化以后因子的IC、IC_IR以及波动性相差无几，可见该因子对行业风险是免疫的。
  月度胜率因子与流通市值的相关性为0.147，对因子做市值中性，我们发现因子的IC、IC_IR以及t统计量有一定的提升，而市值中性化以后因子的分位数组合测试显示各组别年化收益率及夏普率严格单调递增且各组别差距更大，这也优于之前未作中性化的因子表现。我们认为该因子可以通过市值中性控制一部分风险，后续的研究将采用市值中性化以后的因子作为研究对象。

  为了进一步探究市值与胜率因子的关系，在确保月度胜率因子非空情况下，根据截面流通市值50%分位数，将股票分成大市值股票与小市值股票，研究胜率因子在两种不同市值里面的选股有效性。测试结果发现，该因子在小市值里面的IC、分位数组合多空收益率均优于在大市值里面的表现。

2.3 因子在沪深300、中证500股票池中有效性测试

  另外我们测试因子在沪深300、中证500这两个最重要的股票池中因子的表现。从测试结果来看，因子在沪深300、中证500中有一定的选股区分度。以在中证500股票池中表现为例，因子IC为0.023，IC_IR达到0.37，多空组合也有不错的表现。

2.4 因子特质性分析

  进一步，我们测试因子的特质性：该因子对收益率的预测作用能否被其他因子解释。这里我们通过相关性检验以及Fama-MacBeth测试对其进行验证。
  我们兴业定量研究根据因子的逻辑和表现，归纳整理出9大类选股因子：价值、成长、反转、分析师情绪、质量、技术、波动性、规模、流动性（因子的定义和相关研究参见往期“宽海拾贝”以及“猎金”系列）。分别检测月度胜率因子与上述9大类因子的因子秩相关性、因子IC秩相关性、因子多空组合收益率秩相关性。各个维度相关性检测显示，该因子与传统因子相关性非常低。

  Fama-MacBeth回归测试结果发现：仅仅用月度胜率因子作为解释变量对收益率进行预测的时候，t统计量显著性为3.92；加入成长、价值、反转等9大类因子后，月度胜率因子的t统计量显著性为2.66，有效性依然非常强。因此Fama-MacBeth测试也验证了该因子的特质性。

3行业视角下的因子表现

  接下来，我们通过IC、分位数组合测试等方式研究因子在不同行业的有效性。这里行业划分标准是中信一级行业，而分位数组合测试时，我们将每个行业划分成3组，研究多空组合收益表现。
  对比分析发现，该因子具有较大的行业差异性，在29个中信一级行业中，19个行业表现出选股区分度（以行业IC>0.02作为标准），在非银、银行、传媒、建筑、餐饮旅游、家电等领域具有很强的选股区分度。

  而从多空组合测试的角度来看，行业选股区分度高的股票的多空组合表现也较好。以银行为例，该因子在银行领域的IC为0.058，多空组合年化收益率为14.4%，多空组合夏普率为1.04。

  为了进一步衡量因子的有效性。我们将月度胜率因子放到我们兴业定量研究的因子库中，探究因子在因子库中选股能力的显著性。我们兴业定量研究共积累了价值、成长、反转、分析师情绪、质量、技术、波动性、规模等9大类因子，44个子分类因子。对比月度胜率因子与其他44个因子在非银、银行、传媒、建筑、餐饮旅游（胜率因子IC测试表现最好的5大类行业）行业的IC。这里需要注意，不同行业的有效因子数目不一样，我们只关心月度胜率因子在有效因子中的排名。而这44个因子本身的表现敬请查阅我们往期的“猎金”系列与“宽海拾贝”系列。
  测试结果发现:虽然不同行业的有效性因子数目不同，但月度因子在这5大行业中的因子IC排名均能排到前30%。这进一步论证了该因子在行业内的有效性。

  除军工和综合两个行业外，其他的中信一级行业可以分成“周期”、“成长”、“大金融”、“消费”四个大的板块。四大板块共计有18个行业是相对有效的，统计这些行业的大类分布，我们发现该月度胜率因子在“大金融”、“周期”板块占比较高，有效性较强。

4 月度效应下的反转策略研究

  反转效应是指当期下跌较为严重的股票未来会有高的收益，反映了市场对当期下跌过度的一种校正。月度胜率因子考察的是在T时间范围内，过往同月份股票的表现对当月的收益预测作用。前面也验证了该因子与传统的大类选股因子相关性较低，那么该指标是否可以和这些传统指标结合，达到优化的目的呢?
  我们尝试将反转因子和月度效应因子结合：选择当期下跌比较严重但历史上月度效应较好的股票，实际上也就是在反转里面选择反转概率更大的股票，而确保这一步的因子是季节效应。
  选股基本条件：
  个股数据：全市场选股，剔除不符合条件个股；
  行业分类：中信一级行业；
  数据区间：2010年1月1日至2017年9月29日；
  目的：月度胜率因子对反转因子的增强作用；
  方法：1、将反转因子和月度效应因子等权合成新的因子，研究合成因子相对于单独的反转因子的表现；2、反转因子多空策略Vs双因子结合的多空策略；
合成因子法
通过图表36-39，我们发现合成因子在IC、分位数组合测试、多空组合表现方面全面的、稳定的战胜了单独的反转因子的表现。

  分布筛选法
  针对于第二种研究方法，考察的是单反转因子多空组合表现Vs双因子多空组合表现。反转因子多空组合相对较为简单，每期选择反转因子最大的10%作为多头、反转因子最小的10%作为空头。
而双因子多空组合构建策略实际上是在反转因子较高的股票池里面选择月度胜率高的作为多头组合、在反转因子值低的股票池里面选择月度胜率低的作为空头组合，方式参见图表-40。

根据测试结果，我们发现：从多头角度表现来看，增强策略在年化收益率、夏普率等指标方面是优于反转因子的表现；从多空组合的表现来看，增强策略最大的特色在于极大的提升了策略的稳定性：增强策略的年化波动率由反转多空的12.5%降低至7.3%，最大回撤由32%降低至12.7%，夏普率由1.24提升至1.56。这也是两者结合的优势。

5 总结与展望

5.1 月度效应展望

  前面整体上论述了月度效应因子在选股方面的有效性：在过往10年内相同月份胜率高的股票未来一年同样月份将大概率有优异表现。那么，我们是不是可以将该思路进一步拓展，研究因子的月度效应呢？即研究在过往固定的T年同样月份内，某类因子大部分时间都有较好的选股能力（比如IC较好或者多空组合收益率较好），那么在未来一年同样月份因子是不是也会有较好的选股区分度呢? 同时，也可以考虑将月度效应应用到行业轮动上，应用的思路和上面异曲同工。

5.2 总结

  回顾整篇报告，我们通过个股的月度效应，构建月度效应选股因子，论证了该因子选股的特质性，正如文章提名所言：岁月涤荡万千，月度效应依然，不变的总是会倔强的坚守。另外该因子在行业方面表现出较强的行业区分度，在非银、银行、食品饮料等行业具有较强的选股能力。我们也给出了基于该因子进一步的研究方向：将月度效应应用到因子选择和行业轮动方面，可能会有惊喜的发现。

详情请参阅相关研究报告《岁月涤荡万千、月度效应依然——基于月度效用的选股因子研究》，或联系兴业金融工程研究团队。
--------------------------------------
联系人：任瞳
电话：0755-2382 6010
E-mail：rentong@xyzq.com.cn
--------------------------------------
联系人：徐寅
电话：18602155387,021-38565949
E-mail: xuyinsh@xyzq.com.cn
--------------------------------------
联系人：郑兆磊
电话：13918491550
微信：13918491550
E-mail: zhengzhaolei@xyzq.com.cn
--------------------------------------
更多量化最新资讯和研究成果，欢迎关注我们的微信公众平台（微信号：XYZQ-QUANT）！