反應(yīng)不足or反應(yīng)過度從信息分布到動量反轉(zhuǎn)

1、前言動量與反轉(zhuǎn)，一直是量化投資領(lǐng)域廣泛關(guān)注的話題。A 股市場中股票價格的相對漲跌，表現(xiàn)為顯著的中長期反轉(zhuǎn)現(xiàn)象，但令人惋惜的是，傳統(tǒng)漲跌幅因子的反轉(zhuǎn)效應(yīng)并非一直穩(wěn)定。以 20 日收益率為例，回測期 2014/01/01-2021/06/30 內(nèi)，傳統(tǒng)漲跌幅因子 Ret20在全體 A 股中 5 分組多空對沖的信息比率僅為 0.95，月度勝率為 57.95%，在多個時間段發(fā)生較大回撤，穩(wěn)定性較差。圖 2：傳統(tǒng)漲跌幅因子 Ret20 的 5 分組及多空對沖凈值數(shù)據(jù)來源：Wind 資訊，東吳金工推出“求索動量因子”系列研究，在漲跌幅因子方面做了諸多探索，嘗試提高其穩(wěn)定性。此前，本系列已外發(fā) 3 篇報告，

2、主要結(jié)合成交量的信息，對傳統(tǒng)因子進行了有效改進。表 1：東吳金工“求索動量因子”系列研究報告標題主要內(nèi)容發(fā)布日期系列 1：成交量對動量因子的修正成交量能夠有效識別漲跌幅因子的方向及強弱，成交量越大，對應(yīng)的漲跌幅因子反轉(zhuǎn)效應(yīng)越強2019/09/06系列 2：交易者結(jié)構(gòu)對動量因子的改進不同交易者貢獻的成交量，對漲跌幅因子的影響存在顯著差異，大單交易占比越高、小單交易占比越低，漲跌幅因子的反轉(zhuǎn)效應(yīng)越強2020/08/18系列 3：交易者結(jié)構(gòu)對動量因子的改進Q&A對關(guān)于系列 2 的幾個常見問題進行了匯總討論2021/08/17數(shù)據(jù)來源：整理本篇報告將結(jié)合我們對“動量與反轉(zhuǎn)本質(zhì)”的最新思考，解釋本系列前

3、幾篇報告的共同原理；在此基礎(chǔ)上，再提出一種識別漲跌幅因子方向及強弱的新方法，對傳統(tǒng)因子進行改進。動量與反轉(zhuǎn)的本質(zhì)股價對信息的反應(yīng)程度成交量對動量因子的修正（發(fā)布于 2019 年 9 月 6 日）、交易者結(jié)構(gòu)對動量因子的改進（發(fā)布于 2020 年 8 月 18 日）這兩篇報告中陳述的現(xiàn)象為何存在，為什么成交量大、大單占比高的漲跌幅表現(xiàn)為反轉(zhuǎn)，而成交量小、小單占比高的就是動量？這是本篇報告首先想要闡述的問題，我們覺得這也是“動量/反轉(zhuǎn)類”研究中最本質(zhì)、或者說最玄妙之處。對于上述問題，我們在交易者結(jié)構(gòu)對動量因子的改進 Q&A（發(fā)布于 2021 年 8 月17 日）中，曾展開詳細討論。此處，我們再進行

4、簡要論述。筆者的觀點是：動量與反轉(zhuǎn)，只是漲跌幅因子呈現(xiàn)于表面的一種現(xiàn)象，其背后的本質(zhì)，其實是不同的投資者交易行為，導致股票價格對市場信息的反應(yīng)程度不同，即究竟是反應(yīng)不足，還是反應(yīng)過度。若反應(yīng)不足，則股票當前的價格走勢在未來仍有一定的延續(xù)性，漲跌幅因子表現(xiàn)為動量；若反應(yīng)過度，則漲跌幅因子應(yīng)當表現(xiàn)為反轉(zhuǎn)。而成交量的大小也好，大小單的交易占比也罷，都只不過是衡量、或者干脆說是推測股價反應(yīng)程度的線索。帶著這樣的邏輯，我們再來向讀者提一個問題。問題的情景是：有兩段相同的漲跌幅，（1）一段對應(yīng)的成交量較大，另一段對應(yīng)的成交量較??；或者（2）一段幾乎都是由大單交易驅(qū)動的，另一段則全是小單交易。問題是：在沒有

5、任何其他信息的輔助下，如果盲猜，這兩段漲跌幅中，哪一段更有可能對應(yīng)了股價的過度反應(yīng)，哪一段更有可能是反應(yīng)不足？我們相信，大多數(shù)讀者的答案，都會是成交量大、或者大單交易快速進場的，更有可能造成股價被朝著同一方向強烈推動，發(fā)生過度反應(yīng)，就好比江河急流中泥沙俱下，激起千層浪；而成交量很小、或者由小單交易緩慢驅(qū)動的，則恰如平波緩進，很難被認為反應(yīng)過激。如此一來，“成交量越大、或是大單交易占比越高，漲跌幅因子反轉(zhuǎn)效應(yīng)越強”的原因，也就顯而易見了。信息分布對漲跌幅因子的影響基于上一節(jié)的邏輯推導，本節(jié)內(nèi)容將從“信息分布”的角度出發(fā)，提出一種識別漲跌幅因子方向及強弱的新方法。信息分布與動量/反轉(zhuǎn)的關(guān)系我們認為

6、信息分布的均勻程度，會在很大程度上影響投資者的交易行為，進而影響股價對信息的反應(yīng)程度。若信息分布非常均勻，即在整個交易時段，信息都是勻速流入市場，則投資者的交易行為也會比較穩(wěn)定，股價的波動相對較小，更有可能表現(xiàn)為反應(yīng)不足，就好比著名的“溫水煮青蛙”實驗；但若信息流入市場的速度突然發(fā)生變化，比如在某些極端情況下，發(fā)生了劇烈的信息沖擊好比在原本平靜的水面，突然投入一塊巨大的石頭則更有可能造成股價的過度反應(yīng)。那么，如何衡量信息分布的均勻程度？我們認為，成交量的標準差，可以作為信息分布均勻程度的代理變量。有效的信息進入市場，就會引發(fā)投資者的交易，那么根據(jù)交易量的分布情況，我們自然就可以反推信息分布的均

7、勻程度。通過上述分析，本篇報告最主要的邏輯鏈，已經(jīng)呈現(xiàn)在各位讀者面前。我們通過計算股票成交量的標準差，衡量信息分布的均勻程度，進而推測股價的反應(yīng)程度：若成交量的標準差較小，表明交易相對平穩(wěn)，對應(yīng)的信息分布應(yīng)當比較均勻，我們猜測股價更容易反應(yīng)不足，漲跌幅因子表現(xiàn)為動量；相反，若成交量的標準差較大，則說明信息分布參差不齊，股價更容易反應(yīng)過度，漲跌幅因子的反轉(zhuǎn)屬性更強。圖 3：本文邏輯：從信息分布到漲跌幅因子的動量/反轉(zhuǎn)數(shù)據(jù)來源：整理不同信息分布均勻程度下的漲跌幅因子接下來，我們通過實際回測，來驗證上一小節(jié)的邏輯是否成立。具體地，我們實施以下操作：每月月底，回溯每只股票過去 20 個交易日，每個交易

8、日都利用分鐘數(shù)據(jù)，計算每只股票當日分鐘成交量的標準差、平均值，定義指標Z：Z=std(分鐘成交量)/mean(分鐘成交量)Z 即為衡量股票當日信息分布均勻程度的代理變量，若 Z 值較小，則表明股票當日的信息分布較為均勻，反之亦然；將每只股票過去 20 個交易日的漲跌幅（今收/昨收-1），按照每日的 Z 值，從小到大進行排序，等分為 5 個小組；每一組計算該組內(nèi) 4 個交易日漲跌幅的平均值，共可得到 5 個局部因子；具體地，若股票A 過去 20 個交易日的每日漲跌幅，按照指標 Z 從小到大排序后，依次為，.， ，則 5 個局部因子分別為：1220RetPart1 = mean(, , , )12

9、34RetPart2 = mean(, , , )RetPart3 = mean(, , , )56789101112RetPart4 = mean( , , , )RetPart5 = mean( , , , )1314151617181920其中，RetPart1為 20 個交易日中，Z 值最小、即信息分布最均勻的 4 個交易日漲跌幅的平均值；RetPart5為 Z 值最大、即信息分布最不均勻的 4 個交易日漲跌幅的平均值；（4）以 2014/01/01-2021/06/30 為回測時間段，以全體 A 股為研究樣本，月度換倉，考察上述 5 個局部因子的選股能力。下圖 4 展示了在不同的信息

10、分布均勻程度下，各個局部因子的年化 ICIR，并與傳統(tǒng)因子Ret20 進行了對比?？梢园l(fā)現(xiàn)，隨著 Z 值的逐漸增大，即從信息分布均勻到信息分布不均勻，5 個局部因子的年化 ICIR 逐漸由正轉(zhuǎn)負，且在數(shù)值上嚴格單調(diào)。這證實了我們的猜想，即信息分布的均勻程度，確實能有效識別漲跌幅因子的方向及強弱，具體表現(xiàn)為：信息分布越均勻，漲跌幅因子的動量屬性越強；信息分布越不均勻，則漲跌幅因子的反轉(zhuǎn)效應(yīng)越強。圖 4：局部因子的年化 ICIR：不同信息分布均勻程度數(shù)據(jù)來源：Wind 資訊，基于信息分布視角的新漲跌幅因子本節(jié)內(nèi)容，我們提出一種改進傳統(tǒng)因子的方案。根據(jù)圖 4，局部因子中表現(xiàn)最好的當屬因子 5，因此我

11、們只取因子 5，剔除其他選股能力較弱的部分，構(gòu)建新因子。具體步驟為：每月月底，回溯每只股票過去 20 個交易日，計算每日 Z 值和漲跌幅；每只股票，都只取 20 個交易日中，Z 值最大、即信息分布最不均勻的 4 個交易日，計算這 4 個交易日漲跌幅的平均值，即為該股的新因子，記為NEW_Ret20；（3）同樣以 2014/01/01-2021/06/30 為回測時間段，月度換倉，以全體 A 股為研究樣本，做 5 分組回測?；販y結(jié)果顯示，新漲跌幅因子 NEW_Ret20 的月度 IC 均值為-0.058，RankIC 均值為-0.072，年化 ICIR 為-2.28，年化 RankICIR 為-

12、3.00。下圖 5、6 分別展示了新因子的 5 分組、多空對沖凈值走勢，表 2 比較了新因子、傳統(tǒng)因子 5 分組多空對沖的各項績效指標，表 3 則報告了新因子各年度的表現(xiàn)情況。整體來看，新漲跌幅因子的效果大幅優(yōu)于傳統(tǒng)因子，多空對沖的年化收益為 20.10%，年化波動為 8.91%，信息比率為 2.26，月度勝率為 77.27%，最大回撤為 6.64%。圖 5：新漲跌幅因子 NEW_Ret20 的 5 分組凈值數(shù)據(jù)來源：Wind 資訊，圖 6：新舊漲跌幅因子的 5 分組多空對沖凈值數(shù)據(jù)來源：Wind 資訊，表 2：新舊漲跌幅因子的 IC 信息及 5 分組多空對沖績效指標傳統(tǒng)因子 Ret20新因子

13、 NEW_Ret20IC 均值-0.042-0.058年化 ICIR-1.19-2.28RankIC 均值-0.053-0.072年化RankICIR-1.20-3.00年化收益率15.41%20.10%年化波動率18.45%8.91%信息比率0.842.26月度勝率57.30%77.27%最大回撤率13.67%6.64%數(shù)據(jù)來源：Wind 資訊，表 3：新漲跌幅因子 NEW_Ret20 的分年度表現(xiàn)年化收益率分組 1 對沖分組 5 績效指標年份分組 1分組 5分組1 對沖分組 5年化波動率信息比率月度勝率最大回撤率201444.91%40.04%3.19%10.90%0.2950.00%6.

14、64%2015109.18%56.05%31.46%14.45%2.1858.33%4.51%2016-2.88%-25.36%28.70%8.36%3.4383.33%1.22%2017-14.48%-28.25%18.81%8.27%2.2883.33%3.60%2018-24.41%-40.19%25.11%3.27%7.68100.00%0.00%201936.36%10.97%21.91%5.75%3.8183.33%0.74%202029.34%11.75%14.34%9.46%1.5275.00%5.12%2021(至 6 月底)12.25%-0.01%11.12%7.12%1.

15、5683.33%3.15%數(shù)據(jù)來源：Wind 資訊，得到了選股效果更佳的新因子后，我們考察其與市場常用風格因子的相關(guān)性。下表 4 展示了新因子與常用 Barra 風格因子的相關(guān)系數(shù)（其中，Momentum 用開篇提及的傳統(tǒng)漲跌幅因子 Ret20 替代）。表 4：新漲跌幅因子與 Barra 風格因子相關(guān)系數(shù)NEW_Ret20NEW_Ret20Beta0.1008Size-0.0045BooktoPrice-0.0931NonLinearSize0.0105EarningsYield-0.0935Momentum(Ret20)0.5352Growth-0.0404ResidualVolatilit

16、y0.2277Leverage0.0135Liquidity0.2196數(shù)據(jù)來源：Wind 資訊，為了剔除市場常用風格和行業(yè)的干擾，我們每月月底將新因子對 Barra 風格因子和28 個申萬一級行業(yè)虛擬變量進行回歸，取殘差作為純凈新因子，檢驗其效果。下圖 7 展示了純凈新因子的 5 分組及多空對沖凈值走勢，表 5 匯報了其分年度的表現(xiàn)情況。剔除常用風格和行業(yè)后，純凈新因子的年化 ICIR 仍可達到-1.91，全市場 5 分組多空對沖的年化收益為 5.85%，信息比率為 1.43，月度勝率為 75.00%，最大回撤為 5.83%。圖 7：純凈新因子的 5 分組及多空對沖凈值數(shù)據(jù)來源：Wind 資

17、訊，表 5：純凈新因子的分年度表現(xiàn)年化收益率分組 1 對沖分組 5 績效指標年份分組 1分組 5分組1 對沖分組 5年化波動率信息比率月度勝率最大回撤率201438.98%37.93%0.89%4.31%0.2160.00%2.62%201587.18%86.62%0.17%6.09%0.0358.33%5.24%2016-11.68%-15.78%5.48%3.37%1.6266.67%1.98%2017-16.84%-25.39%11.20%2.58%4.3591.67%0.96%2018-29.93%-36.00%8.93%2.53%3.5391.67%0.06%201927.94%21

18、.18%5.17%2.88%1.7983.33%1.39%202026.74%16.53%8.81%4.58%1.9383.33%2.37%2021(至 6 月底)13.97%6.94%5.81%6.51%0.8950.00%2.66%數(shù)據(jù)來源：Wind 資訊，其他重要討論新因子的參數(shù)敏感性在前述回測中，我們都只考慮了每月月底回看過去 20 個交易日的情況。本小節(jié)內(nèi)容，我們改變回看天數(shù)為 40、60 個交易日，檢驗前文發(fā)現(xiàn)的“信息分布均勻程度對漲跌幅因子的影響”效應(yīng)是否仍然存在，并比較新因子與傳統(tǒng)因子的回測效果。圖 8：局部因子的年化 ICIR（回看 40 日）圖 9：局部因子的年化 ICIR

19、（回看 60 日） 數(shù)據(jù)來源：Wind 資訊，數(shù)據(jù)來源：Wind 資訊，根據(jù)上圖 8、9 所示結(jié)果，前文結(jié)論仍然成立，即信息分布均勻程度對漲跌幅因子的方向及強弱存在顯著影響，信息分布越不均勻，漲跌幅因子的反轉(zhuǎn)效應(yīng)越強。下圖 10、11 分別展示了在回看 40、60 個交易日的情況下，新舊漲跌幅因子的 5 分組多空對沖凈值走勢，表 6 則比較了它們的各項績效指標。可以看到，無論是回看 40 還是 60 個交易日，新漲跌幅因子的選股效果均顯著優(yōu)于傳統(tǒng)因子。圖 10：新舊因子 5 分組多空凈值（回看 40 日）圖 11：新舊因子 5 分組多空凈值（回看 60 日）數(shù)據(jù)來源：Wind 資訊，數(shù)據(jù)來源：

20、Wind 資訊，表 6：新舊漲跌幅因子 5 分組多空對沖的績效指標（回看 40、60 日）年化收益率年化波動率信息比率月度勝率最大回撤率回看 40 日傳統(tǒng)因子Ret4017.17%17.09%1.0057.95%14.73%新因子 NEW_Ret4019.67%8.57%2.2977.27%6.14%回看 60 日傳統(tǒng)因子Ret6019.45%16.09%1.2156.82%18.95%新因子 NEW_Ret6017.28%8.50%2.0380.68%5.17%數(shù)據(jù)來源：Wind 資訊，其他樣本空間的情況我們檢驗本篇報告提出的因子改進方案在不同樣本空間的表現(xiàn)。以回看20 日為例，在滬深 30

21、0 成分股中，新漲跌幅因子的 5 分組多空對沖年化收益為 8.84%，信息比率為0.68，月度勝率為 62.50%；在中證 500 成分股中，新漲跌幅因子的 5 分組多空對沖年化收益為 10.02%，信息比率為 0.97，勝率為 63.64%。如下表 7 所示，在滬深 300 和中證 500 成分股中，相較于傳統(tǒng)因子，新因子的選股能力均有明顯提升。表 7：滬深 300、中證 500 成分股中新舊因子的多空對沖績效指標年化收益率年化波動率信息比率月度勝率最大回撤率滬深 300傳統(tǒng)因子Ret203.08%21.99%0.1447.73%41.01%新因子 NEW_Ret208.84%13.00%0

22、.6862.50%22.69%中證 500傳統(tǒng)因子Ret206.97%15.55%0.4552.27%20.13%新因子 NEW_Ret2010.02%10.32%0.9763.64%10.05%數(shù)據(jù)來源：Wind 資訊，新因子的其他構(gòu)建方式第 4 節(jié)內(nèi)容在構(gòu)建新因子時，只取了局部因子中表現(xiàn)最好的因子 5。其實此處還可優(yōu)化，只取因子 5 并非最佳方案。例如，就多空對沖的信息比率而言，取 20 個交易日中兩頭的各 1/5、再做組合，得到的新因子優(yōu)于只取因子 5。具體操作步驟為：每月月底，回溯每只股票過去 20 個交易日，計算每日Z 值和漲跌幅；每只股票，取 20 個交易日中 Z 值最小的 4 個

23、交易日，計算這 4 天漲跌幅的平均值，得到RetPart1；同時，也計算Z 值最大的4 個交易日漲跌幅的平均值，得到RetPart5；新因子定義為RetPart5與RetPart1之差，記為NEW_Ret20：NEW_Ret20 = RetPart5 RetPart1回測期 2014/01/01-2021/06/30 內(nèi)，在全體 A 股中，NEW_Ret20因子的月度 IC 均值為-0.051，RankIC 均值為-0.064，年化 ICIR 為-2.56，年化 RankICIR 為-3.40。下圖 12 展示了NEW_Ret20因子的 5 分組及多空對沖凈值走勢，表 8 則對比了 Ret20

24、、NEW_Ret20和 NEW_Ret20的 IC 信息及 5 分組多空對沖績效指標?？梢钥吹?，相比于前文的新因子 NEW_Ret20，在新的構(gòu)建方式下，NEW_Ret20因子的收益雖然有所下降，但穩(wěn)定性也明顯提升，多空對沖的信息比率提升至 2.42，最大回撤下降為 4.27%。圖 12：新漲跌幅因子 NEW_Ret20的 5 分組及多空對沖凈值數(shù)據(jù)來源：Wind 資訊，表 8：Ret20、NEW_Ret20 和 NEW_Ret20因子的 IC 信息及多空對沖績效指標傳統(tǒng)因子 Ret20新因子 NEW_Ret20新因子 NEW_Ret20IC 均值-0.042-0.058-0.051年化 IC

25、IR-1.19-2.28-2.56RankIC 均值-0.053-0.072-0.064年化RankICIR-1.20-3.00-3.40年化收益率15.41%20.10%17.15%年化波動率18.45%8.91%7.10%信息比率0.842.262.42月度勝率57.30%77.27%77.27%最大回撤率13.67%6.64%4.27%數(shù)據(jù)來源：Wind 資訊，信息分布理論在其他因子上的應(yīng)用最后，我們探索本篇報告發(fā)現(xiàn)的規(guī)律，是否也能遷移到其他量價類因子上。我們發(fā)現(xiàn)，許多量價因子都有類似的檢驗結(jié)果，即在不同的信息分布均勻程度下，量價因子的表現(xiàn)存在明顯差異。此處，以 20 日換手率因子、20

26、 日振幅因子（每月月底計算過去 20個交易日的日均換手率、日均振幅，并做市值中性化處理）為例，展示信息分布理論對傳統(tǒng)換手率、振幅因子的改進效果。我們先來看局部因子的測試情況。按照前述方案，同樣將傳統(tǒng)換手率因子、傳統(tǒng)振幅因子，按照信息分布均勻程度的高低，拆分為 5 個局部因子。下圖 13、14 分別展示了局部換手率因子、局部振幅因子的年化 ICIR。可以發(fā)現(xiàn)，結(jié)論與前文類似，信息分布越不均勻，對應(yīng)的換手率因子、振幅因子的表現(xiàn)越強。圖 13：局部換手率因子的年化 ICIR圖 14：局部振幅因子的年化 ICIR數(shù)據(jù)來源：Wind 資訊，數(shù)據(jù)來源：Wind 資訊，同樣地，我們也可以將因子 5 與因子 1 相減，構(gòu)造新的因子。下表 9 展示了新舊換手率因子、新舊振幅因子的年化 ICIR 以及 5 分組多空對沖的各項績效指標，可以看到，信息分布對傳統(tǒng)換手率、振幅因子的改進效果同樣令人欣喜，新?lián)Q手率因子的信息比率從原來的 1.43 提升至 2.16，新振幅因子的信息比率更是從 0.60 大幅提升至 2.08。表 9：信息分布理論對