行為金融學(xué)在量化選股中的應(yīng)用

2022/5/312022/6/302022/7/312022/8/312022/9/302022/10/312022/11/302022/12/312023/1/312023/2/282023/3/312023/4/302023/5/31證券研究報告·金融產(chǎn)品深度報告行為金融學(xué)在量化選股中的應(yīng)用核心觀點行為金融學(xué)的一個重要假設(shè)是市場參與者會受到認知偏差的影響，即市場參與者是非理性的。在這種假設(shè)下，股票價格不止由內(nèi)在2022/5/312022/6/302022/7/312022/8/312022/9/302022/10/312022/11/302022/12/312023/1/312023/2/282023/3/312023/4/302023/5/31證券研究報告·金融產(chǎn)品深度報告行為金融學(xué)在量化選股中的應(yīng)用核心觀點行為金融學(xué)的一個重要假設(shè)是市場參與者會受到認知偏差的影響，即市場參與者是非理性的。在這種假設(shè)下，股票價格不止由內(nèi)在價值決定，很大程度上還受市場參與者的非理性因素影響。本文重點研究了行為金融學(xué)中的錨定效應(yīng)、前景理論和羊群效應(yīng)在量化選股中的應(yīng)用。結(jié)果表明這三類因子在單因子回測中都表現(xiàn)出不錯的選股能力。其中，羊群效應(yīng)因子中的SLSV_top_50因子年化多空收益21.19%，夏普比率1.23，IC均值-4.88，年化IC_IR達到1.14，在所有因子中表錨定效應(yīng)因子錨定效應(yīng)因子包括兩類因子，一類是使用凈利潤增長率來刻畫錨定效應(yīng)的長期成長因子和短期成長因子，另一類是使用分析師預(yù)測數(shù)據(jù)來刻畫分析師錨定效應(yīng)偏差的CAF_EP因子、CAF_BP因子。長期成長因子選股能力不顯著，短期成長因子的多空年化收益在10%-12%之間，具有不錯的選股能力。CAF_前景理論因子前景理論因子使用個股歷史收益率數(shù)據(jù)構(gòu)建個股前景期望效用，可分為根據(jù)月度收益率構(gòu)建的月頻PTV因子和根據(jù)日度收益率構(gòu)建的羊群效應(yīng)因子羊群效應(yīng)因子使用基金持倉數(shù)據(jù)來刻畫基金層面的羊群效應(yīng)，原理是根據(jù)股票的加倉基金數(shù)量與減倉基金數(shù)量的相關(guān)關(guān)系，來計算羊群效應(yīng)的強弱。五個羊群效應(yīng)因子的多空年化收益在13%-22%之間，其中SLSV_top_20和SLSV_top_50因子在月頻調(diào)倉情況下的多空年化達到了20.55%和21.19%，Q1組相對Q10組的超額收益分別為21.25%和21.51%，是我們重點推薦的因子。行為金融因子與其他大類因子的相關(guān)性Momentum_1m的相關(guān)性較高；40D_PTV因子與動量因子中的Momentum_1m和Momentum_3m的相關(guān)性較高。在錨定效應(yīng)因子中，CAF_BP因子與BP_LR因子的相關(guān)性較高；CAF_EP因子與EP_TTM因子的相關(guān)性較高。羊群效應(yīng)因子與其他大類因子的相關(guān)性較低，能夠作為新的因子加入多因子模型。陳升銳陳升銳chenshengruiAC編號：S1440519040002發(fā)布日期：2023年08月27日市場表現(xiàn)0%-5%-10% 上證指數(shù)相關(guān)研究報告中信建投金融產(chǎn)品：分析師關(guān)注與公司中信建投金融產(chǎn)品：分析師預(yù)期收益率金融產(chǎn)品深度報告：分析師文本預(yù)增選因子深度研究系列：券商金股組合深度因子深度研究系列：分析師預(yù)期調(diào)整事因子深度研究系列：分析師超預(yù)期因子因子深度研究系列：分析師預(yù)期修正動因子深度研究系列：中信建投一致預(yù)期金融產(chǎn)品研究 1 1 1 2 2 2 3 3 3 3 3 3 4 6 8 8 圖1：短期成長因子1的績效表現(xiàn)...........................................金融產(chǎn)品研究 1 2 4 金融產(chǎn)品研究1一、行為金融學(xué)介紹傳統(tǒng)上，我們理解市場，是基于經(jīng)濟學(xué)中關(guān)于理性人的假設(shè)，將市場分為強有效市場、半強有效市場和弱有效市場三種類型，然而有效市場理論并不能解釋市場當中長期存在的異象；為了解釋這些令人匪夷所思的不理性現(xiàn)象，上世紀70年代，行為金融學(xué)派誕生了，行為金融的觀點認為人是非完全理性的，金融市場的非理性行為在價格變動中扮演了極其重要的角色，而且非理性的行為會重復(fù)地出現(xiàn)，人的種種難以解釋的非理性行為，導(dǎo)致了繁榮和蕭條交替，這使得資產(chǎn)價格總是超過其價值的附近區(qū)間。從金融市場的實際情況來看，確實有很多投資者在市場中長期跑贏了市場。行為金融學(xué)的基礎(chǔ)是人們的心理和行為偏差，這些偏差可能導(dǎo)致非理性的決策。心理因素對人們投資行為的影響主要體現(xiàn)在兩個方面，一方面是認知錯誤（cognitiveerror另一方面是情感偏差（emotionalbias）。認知錯誤由于投資者認知方面的局限所導(dǎo)致的，認知錯誤分為固執(zhí)己見偏差和信息處理偏差兩類。固執(zhí)己見偏差會使投資者強化自己的觀點，導(dǎo)致決策時過于片面，常見的固執(zhí)己見偏差有：代表性偏誤、樂觀等。信息處理偏差出現(xiàn)在投資者處理信息時，這些偏差在投資者獲取新的有效信息后容易被糾正，常見的信息處理偏差有：易得性偏差、錨定效應(yīng)、框架效應(yīng)、心理賬戶、賭徒謬誤、羊群效應(yīng)等。情感偏差源于沖動或直覺，尤其是個人的非理性判斷，主要與投資者的情感感受有關(guān)。情緒是一種自發(fā)的精神狀態(tài)，在投資者群體中，情感偏差或多或少普遍存在，同時這些情感偏差會影響投資者做出次優(yōu)的投資決策。常見的情感偏差有：損失厭惡、處置效應(yīng)、過度自信和維持現(xiàn)狀。 行為偏差心理學(xué)效應(yīng)解釋認知錯誤代表性偏誤投資者傾向于把過去的業(yè)績表現(xiàn)作為預(yù)測未來業(yè)績的依據(jù)。 認知錯誤樂觀投資者會高估風(fēng)險資產(chǎn)的期望收益認知錯誤易得性偏差什么信息容易獲得就用什么 認知錯誤錨定效應(yīng)在分析時，先對標一個錨點，再基于此調(diào)整認知錯誤框架效應(yīng)對問題的回答取決于提問的方式 認知錯誤心理賬戶人的頭腦中存在心理賬戶，不同的心理賬戶的收益或者損失，給人帶來的心理感受不同認知錯誤賭徒謬誤認為隨機序列中一個事件發(fā)生的概率和之前發(fā)生的事件有關(guān) 認知錯誤羊群效應(yīng)忽略自己的觀點，跟隨大多數(shù)人情感偏差損失厭惡相比收益，更加厭惡風(fēng)險 情感偏差處置效應(yīng)虧損時死扛，盈利時傾向賣出情感偏差過度自信投資者往往會高估自己的技能或者未來的表現(xiàn) 情感偏差維持現(xiàn)狀做決策時偏好保持當下狀態(tài)，不愿意改變數(shù)據(jù)來源：中信建投在本報告中，根據(jù)因子的意義分為錨定效應(yīng)、前景理論和羊群效應(yīng)，具體的分類如下表所示：金融產(chǎn)品研究2分類因子簡稱因子名錨定效應(yīng)長期成長因子1錨定效應(yīng)長期成長因子2錨定效應(yīng)長期成長因子3錨定效應(yīng)短期成長因子1錨定效應(yīng)短期成長因子2錨定效應(yīng)CAF_EP分析師錨效應(yīng)偏差因子1錨定效應(yīng)分析師錨效應(yīng)偏差因子2前景理論月頻PTV因子1前景理論月頻PTV因子2前景理論月頻PTV因子3前景理論日頻PTV因子1前景理論日頻PTV因子2羊群效應(yīng)SLSV_allSLSV因子1羊群效應(yīng)SLSV_top_10SLSV因子2羊群效應(yīng)SLSV_top_20SLSV因子3羊群效應(yīng)SLSV_top_50SLSV因子4羊群效應(yīng)SLSV_top_100SLSV因子5數(shù)據(jù)來源：中信建投本報告當中的所有因子測試都使用以下框架進行測試：回測時間：2010年1月-2023年1月股票篩選：剔除在調(diào)倉日的停牌、一字板、上市未滿一年和ST股票調(diào)倉時間：月頻調(diào)倉（每個月的最后一個交易日）因子處理：極值處理（剔除3倍標準差之外的樣本）、缺失值處理（直接剔除）二、行為金融因子分類1：錨定效應(yīng)錨定效應(yīng)（Anchoring是行為金融學(xué)眾多效應(yīng)中的一種，錨定效應(yīng)是一種眾所周知的感知偏差，它會影響人類的決策。錨定效應(yīng)的通俗解釋為，人們會在做出判斷時將看到的或者聽到的第一印象的影響作為錨點，并根據(jù)錨點進行調(diào)整，因為調(diào)整不充分偏向于該錨點而造成的判斷偏差的現(xiàn)象。錨定效應(yīng)會扭曲人們對后來信息的感知并影響決策過程產(chǎn)生的答案。在股市中，錨定效應(yīng)很常見。一種是“股價錨”，如某散戶買了某個股票，已套牢三年，還差20%就解套了，金融產(chǎn)品研究3值投資者都一致認為其是價值投資的標桿，將來會十年、甚至二十年繼續(xù)提價或者釋放產(chǎn)能，股價還會繼續(xù)上漲。甚至聽不得人說股票A不好，大多數(shù)人對股票A未來的上漲，形成了一致性預(yù)期；也有部分投資者對個別表現(xiàn)較差的股票有著一種偏見，認為爛股票永遠也不可能有變好的一天。這是一種觀點錨定。觀念而刻意置新變化于不顧，而是以一種客觀超然的態(tài)度去審慎地審視新變化；我們必須時刻警醒自己，忘記過去的刻板經(jīng)驗，擁抱最新的變化，見風(fēng)使舵，隨機應(yīng)變，方能做出更好的抉擇。第一類是長期成長因子。上市公司的長期成長，對于投資者來說可能存在錨定效應(yīng)，即上市公司的長期業(yè)績表現(xiàn)不錯，那么投資者可能認為企業(yè)未來的業(yè)績表現(xiàn)也不錯。本報告分別使用過去一年、過去兩年和過去三年的凈利潤同比增速構(gòu)建長期成長因子，構(gòu)建公式為：profit_yoy=Netprofitt2?Netprofitt1Netprofitt1第二類是短期成長因子。上市公司更短期的成長，對于投資者來說也可能存在錨定效應(yīng)。本報告分別使用單季度凈利潤同比增速和最新單季度同比增速在時間序列上的排名（過去八個季度的排名）這兩種指標來構(gòu)建短期成長因子。本報告借鑒Ashoura等（2019）的方法，構(gòu)建分析師錨效應(yīng)偏差CAF（Cross-sectionalAnchoringinAnalysts’EarningsForecasts）因子。分析師錨效應(yīng)偏差CAF的理論基礎(chǔ)如下：假設(shè)分析師在預(yù)測上市公司財務(wù)數(shù)據(jù)時，也會有錨定效應(yīng)。分析師以公司所在行業(yè)作為定價的“錨”，當預(yù)測的財務(wù)指標超出（低于）行業(yè)中位數(shù)時，分析師會做出悲觀（樂觀）預(yù)測的指標，以接近行業(yè)中位數(shù)。財報公布后，被預(yù)測的公司的財務(wù)指標將高于（低于）預(yù)測值，股價表現(xiàn)將更優(yōu)（更差）。CAF_Ep因子的構(gòu)建方式如下：CAF_Epi,t=FEpEpt，F(xiàn)Epi,t=Fpi,tFEpi,t為分析師在時間t對股票i的EP（1/PE）指標的預(yù)測值，IFEpt為股票i所屬的行業(yè)中所有股票的FEpi,t中位數(shù)。同理，也可使用BP指標（1/BP）可以構(gòu)建CAF_Bp因子CAFBpi,t=FBpBpt，F(xiàn)Bpi,t=Fpi,t金融產(chǎn)品研究4長期成長因子過去一年、過去兩年和過去三年的凈利潤同比增速，三個因子的選股能力均不顯著。其中選股能力相對最好的為過去兩年歸母凈利潤同比增速因子，年化多空收益-4.66%，夏普比率-0.76，IC均值-0.74%，年化IC_IR達到-0.43。過去一年歸母凈利潤同比增速過去兩年歸母凈利潤同比增速過去三年歸母凈利潤同比增速-0.745.95-0.12-0.4340.65-0.745.95-0.12-0.4340.65-0.165.68-0.03-0.140-0.586.95-0.08-0.2945.81IC標準差%年化IR勝率%勝率%-28.69-2.66.13-0.4228.69-28.69-2.66.13-0.4228.69-0.09-40.54-3.97-0.5240.64-0.1-45.77-4.666.16-0.7645.77-0.1年化收益%年化波動%夏普比率最大回撤%收益回撤比41.5644.8137.66勝率%41.5644.8137.66數(shù)據(jù)來源：wind、中信建投2.3.2短期成長因子績效表現(xiàn)短期成長因子1：單季度凈利潤同比增速因子單季度凈利潤同比增速因子選股能力較好。因子年化多空收益10.04%，夏普比率1.05，IC均值3.41%，年化IC_IR達到1.53。單季度凈利潤同比增速因子的分層效果區(qū)分度非常高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近11.18%的超額收益（其中Q1達12.45%的多頭超額收益，資料來源：WIND，中信建投金融產(chǎn)品研究58642086420短期成長因子2：最新單季度同比增速因子在時間序列上的排名（過去八個季度的排名）最新單季度同比增速因子在時間序列上的排名因子表現(xiàn)出優(yōu)異的選股能力。因子年化多空收益11.87%，夏普比率1.72，IC均值3.21%，年化IC_IR達到2.30。最新單季度同比增速在時間序列上的排名因子的分層效果區(qū)分度非常高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近12.53%的超額收益（其中Q1達13.37%的多頭超額收益，Q10為0.84%）。資料來源：WIND，中信建投金融產(chǎn)品研究68642086420資料來源：WIND，中信建投CAF_EP因子CAF_EP因子選股能力一般。因子年化多空收益7.27%，夏普比率0.77，IC均值3.88%，年化IC_IR達到1.84。CAF_EP因子的分層效果區(qū)分度比較高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近8.18%的超額收益（其中Q1達9.42%的多頭超額收益，Q10為1.24%）。資料來源：WIND，中信建投金融產(chǎn)品研究78642086420CAF_BP因子CAF_BP因子選股能力較強。因子年化多空收益7.69%，夏普比率0.61，IC均值3.98%，年化IC_IR達到1.33。CAF_BP因子的分層效果區(qū)分度非常高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近8.98%的超額收益（其中Q1達9.67%的多頭超額收益，Q10為0.69%）。資料來源：WIND，中信建投金融產(chǎn)品研究88642086420三、行為金融因子分類2：前景理論3.1.1前景理論前景理論由Kahneman&Tversky（1979）提出，建立心理學(xué)實驗基礎(chǔ)上,拋棄了理性人的假設(shè)，直接研究現(xiàn)實中人們的決策行為，將個人的價值感受因素融入決策行為分析中。假設(shè)事件x1發(fā)生的概率為p1，事件x2發(fā)生的概率為p2，前景價值的公式為：V=v(x1)π(p1)+v(x2)π(p2)v(x)為價值函數(shù)，π(p)為權(quán)重函數(shù)。價值函數(shù)v(x)指的是人們在獲得利益和遭受損失時的心理感受程度，它并非線性的，而是隨著利益或損失的增加而遞減。價值函數(shù)的公式為：v(x)={?λx)∝價值函數(shù)的特點有：1、損失厭惡2、邊際效用遞減3、價值函數(shù)的自變量x為相對收益，x為正代表收益，x為負代表損失。金融產(chǎn)品研究9資料來源：WIND，中信建投權(quán)重函數(shù)π(p)不是客觀概率，而是將期望效用函數(shù)中的概率p轉(zhuǎn)換成決策權(quán)重π(p)。權(quán)重函數(shù)的公式為：π(P)=權(quán)重函數(shù)的特點有：1、高估小概率事件發(fā)生的可能性2、低估大概率事件發(fā)生的可能性4、0<p<1，有π(p)+π(1?p)<1，更追求確定性的事件。資料來源：WIND，中信建投金融產(chǎn)品研究3.1.2前景理論的應(yīng)用股價溢價之謎：股票投資的歷史平均收益率相對于債券投資高出很多。投資者在行為模型中是風(fēng)險回避型的。他們對損失比對收益更敏感，對證券市場價格的頻繁波動帶有排斥心理，因此在面對這種風(fēng)險時就要求一個較高的資產(chǎn)溢價。波動率微笑：投資者往往高估小概率事件，當投資者對期權(quán)深度虛值的情況賦予過高的權(quán)重時，會導(dǎo)致其對期權(quán)的期望價值過高，引起股票期權(quán)價格被高估，出現(xiàn)波動率微笑的現(xiàn)象。開放式基金贖回率：基金業(yè)績越好，贖回率越大。即投資者在處置股票時，傾向賣出賺錢的股票、繼續(xù)持有賠錢的股票。前景理論的價值函數(shù)呈現(xiàn)S型，反映出投資者在盈利狀態(tài)下傾向于先賣出證券，不愿意承擔(dān)確定性風(fēng)險，而在虧損狀態(tài)下傾向于持有證券，更加傾向于承擔(dān)不確定風(fēng)險。3.1.3阿萊斯悖論（AllaisParadox）選擇情況A（概率為p1）情況B（概率為p2）情況C（概率為p3）選擇比例選擇情況A（概率為p1）情況B（概率為p2）情況C（概率為p3）選擇比例前景效用fpf'p'fpf'p'游戲1游戲264%36%34%66%10100010301030100100V(10)*π(p1)+V(30)*π(p2)V(10)*(π(p2)+π(p3))V(30)*π(p2)數(shù)據(jù)來源：中信建投以Tversky&Kahneman（1992）中的實驗為例：受試者要參與兩個游戲，這兩個游戲都包含三個事件A、B和C，概率分別為p1、p2和p3。例如：在游戲1中，受試者選擇f會100%獲得10元，p選擇會有p1的概率64%的人在游戲1選擇f，意味前景效用：V(10)*(π(p1)+π(p2)+π(p3))>V(10)*π(p1)+V(30)*π(p2)66%的人在游戲2選擇g，意味前景效用：V(10)*(π(p2)+π(p3))<V(30)*π(p2)出現(xiàn)了前景理論無法解釋的悖論3.1.3累積前景理論Tversky&Kahneman(1992)提出了改進后的前景理論：當不確定的情況增多：(X?m,p?m;X?m+1,p?m+1;…;X?1,p?1;X1,p1;…;Xn?1,pn?1;Xn,pn;)累積前景期望：V=∑v(x)?π(p)其中，價值函數(shù)為：v(x)={?λx)∝(PY+(1?P)Y)Y(Pδ+(1?P)δ)δTversky&Kahneman設(shè)計了一系列心理學(xué)實驗來估計價值函數(shù)和權(quán)重函數(shù)的參數(shù)：金融產(chǎn)品研究選擇情況A（概率為p1）情況B（概率為p2）情況C（概率為p3）選擇情況A（概率為p1）情況B（概率為p2）情況C（概率為p3）選擇比例fp10101030100fp10101030100游戲1數(shù)據(jù)來源：中信建投對于兩種情況：(X1,p1;X2,p2)64%的人在游戲1選擇f，意味前景效用：V(10)>V(10)?π(p1)+V(30)?π(p2)V(10)>V(10)?[w+(p1∪p2)?w+(p2)]+V(30)?w+(p2)選擇情況A（概率為p1）情況B（概率為p2）情況C（概率為p3）選擇比例f'p'001030100f'p'001030100游戲2數(shù)據(jù)來源：中信建投對于兩種情況：(X2,p2;X3,p3)對應(yīng)的權(quán)重函數(shù)：π(pi)={w+(p23w+(p3)66%的人在游戲2選擇g，意味前景效用：V(10)?(π(p2)+π(p3))<V(30)?π(p2)V(10)?w+(p2∪p3)<V(30)?w+(p2)由游戲1和游戲2，可以得到以下不等式：V(10)>V(10)?[w+(p1∪p2)?w+(p1)]+V(30)?w+(p2)V(10)?w+(p2∪p3)<V(30)?w+(p2)化簡可得：V(10)?V(10)?[w+(p1∪p2)+w+(p1)]>V(10)?w+(p2∪p3)不等式兩邊約掉V(10)，可得：1?w+(p1∪p2)+w+(p1)>w+(p2∪p3)通過設(shè)計不同參數(shù)的實驗，多次實驗后，由實驗數(shù)據(jù)擬合可得w+(p)函數(shù)。Tversky&Kahneman(1992)設(shè)計了多組實驗，測試了不同的收益和概率下，參試者的選擇。通過對實驗結(jié)果的擬合，確定了以下參數(shù)：α=0.88；λ=2.25；γ=0.61；δ=0.69；金融產(chǎn)品研究對投資者而言，對股票的預(yù)期表現(xiàn)取決于股票過去表現(xiàn)的分布。累積前景理論因子（PTV因子）計算步驟如下：收集股票最近N個日收益率（月收益率）序列，其中負收益率從小到大為r?m…r?1，正收益率從小到大為r1…rn，每個收益率出現(xiàn)的概率均為(N=m+n)。過去N日（月）的歷史分布如下：(r?m,;r?m+1,;…;r?1,;r1,;…;rn?1,;rn,;)這只股票的前景期望效用為過去N日（月）期望效用之和：PTvi=本報告構(gòu)建了PTV月頻因子與日頻因子，月頻PTV因子使用過去20個月收益率數(shù)據(jù)構(gòu)建PTV_20M因子；使用過去40個收益率數(shù)據(jù)構(gòu)建PTV_40M因子；使用過去60個收益率數(shù)據(jù)構(gòu)建PTV_60M因子。日頻PTV因子使用過去40天收益率數(shù)據(jù)構(gòu)建PTV_40D因子；使用過去60天收益率數(shù)據(jù)構(gòu)建PTV_60D因子。金融產(chǎn)品研究在月頻PTV因子中，選股能力相對最好的為PTV_40M，年化多空收益9.57%，夏普比率1.4，IC均值2.16%，年化IC_IR達到1.5。IC均值%2.16IC標準差%6.874.994.840.320.430.38年化IR勝率%61.3967.0962.42總收益%180.85230.56171.62年化收益%8.219.577.99年化波動%8.556.826.26夏普比率0.96最大回撤%14.246.837收益回撤比0.58勝率%勝率%61.7864.9761.54數(shù)據(jù)來源：wind、中信建投PTV_20D因子PTV_20D因子選股能力較好。因子年化多空收益14.05%PTV_20D因子的分層效果區(qū)分度比較高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近13.91%的超額收益（其中Q1達8.82%的多頭超額收益，Q10為-5.09%）。金融產(chǎn)品研究資料來源：WIND，中信建投864204864204Q--2資料來源：WIND，中信建投PTV_40D因子PTV_40D在時間序列上的排名因子選股能力較好。因子年化多空收益10.60%，夏普比率0.82，IC均值2.21%，年化IC_IR達到0.67。PTV_40D在時間序列上的排名因子的分層效果區(qū)分度比較高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近9.85%的超額收益（其中Q1達10.26%的多頭超金融產(chǎn)品研究資料來源：WIND，中信建投8642資料來源：WIND，中信建投四、行為金融因子分類3：羊群效應(yīng)金融產(chǎn)品研究羊群效應(yīng)指的是人們在面對不確定的情況時，傾向于跟隨大多數(shù)人的行為或看法，而不考慮自己的判斷力和獨立思考。這種行為可能會導(dǎo)致人們做出錯誤的決策，因為跟隨者可能會忽略他們自己的觀點和信息，而僅僅依賴于所謂的“群體智慧”。在股市中，羊群效應(yīng)一般在市場普漲或者普跌時非常明顯，表現(xiàn)為投資者跟隨大多數(shù)人的投資決策，而不是基于個人的分析和判斷。當股市普漲時，人們看到股票市場一片大好，可能會盲目“上車”，跟隨他人買入股票；當股市普跌時，人們可能會看到其他投資者紛紛拋售，他們也可能會跟隨拋售。然而，這種行為可能會導(dǎo)致過度買入或賣出，使股價暫時偏離合理值，長期來看會導(dǎo)致投資收益不佳。關(guān)于羊群效應(yīng)的模型，主要有CSSD模型、CSA橫截面收益標準差（CSSD）模型Christle&Huang（1995）提出了橫截面收益標準差（CSSD）模型，構(gòu)建方法如下：CSSD=(其中ri為股票i的收益率，rm為市場收益率)當投資者不肯定自己的觀點而更偏向大多數(shù)人的觀點而產(chǎn)生交易行為的時候，會造成個股收益率漸漸和市場收益率趨向一致的現(xiàn)象。CSSD=a+β1D+β2D+ε市場漲幅高于極端收益率的閾值時D為1，市場跌幅超過極端收益率的閾值時D為1。當β1(β2)顯著小于0時，說明市場極端上漲（下跌）時，CSSD的取值明顯下降，即投資者的投資行為越來越一致，市場上羊群效應(yīng)明顯。橫截面收益絕對偏差（CSAD）模型Chang（2000）提出了橫截面收益絕對偏差（CSAD）模型，構(gòu)建方法如下：CSAD=(其中ri為股票i的收益率，rm為市場收益率)CSAD=a+β1|Rmt|+β2|Rmt|2+ε當β2顯著小于0時，說明市場極端上漲（下跌）時，CSAD的取值明顯下降，即投資者的投資行為越來越一致，市場上羊群效應(yīng)明顯。當β1和β2均顯著小于0時，說明市場的羊群效應(yīng)非常顯著。LSV模型Lakonishok(1992)提出的LSV方法通過衡量股票市場中買賣雙方的交易量來衡量羊群效應(yīng)，核心思路是檢驗股票市場中的股票i是否存在大量的投資者同時買入或賣出同種股票的行為，如果存在該種行為，則股票i的投資者存在羊群效應(yīng)。LSV的模型如下：LSvi,t=|pi,t?pt|?E|pi,t?pt|金融產(chǎn)品研究E|pi,t?pt|=AF(i,t)=pi,t=,pt=Ci,tp(1?pt)Ni,t?K,Ni,t=B(i,t)+s(i,t)對于股票i，B(i,t)是區(qū)間t內(nèi)凈買入投資者的數(shù)量，s(i,t)是區(qū)間t內(nèi)凈賣出投資者的數(shù)量，Ni,t是持倉變動的投資者的數(shù)量，pi,t是股票i在區(qū)間t內(nèi)凈買入投資者占持倉變動的投資者的比例。|pi,t?pt|大于零，AF(i,t)為調(diào)整項，是零假設(shè)下|pi,t?pt|的期望值。SLSV模型Lsvi,t的值越大，說明投資者的羊群行為越嚴重，但模型的缺陷是無法區(qū)分投資者是買入還是賣出股票的羊群效應(yīng)，Wermers(1999)基于LSV模型，劃分出了兩個指標：sLsvi,t=,tSLSV模型根據(jù)pi,t與pt相對的大小關(guān)系，將LSV指標分為買入羊群效應(yīng)和賣出羊群效應(yīng)兩類。當股票i在時間t的sLsvi,t的值趨于0時，羊群效應(yīng)越不明顯；當sLsvi,t的值顯著不等于0時，存在羊群行為，其中，如果sLsvi,t顯著為正，則存在買入羊群效應(yīng)；反之如果sLsvi,t顯著為負，則存在賣出羊群效應(yīng)。假設(shè)股票000001.SZ出現(xiàn)在多只基金的半年報持倉與年報持倉中，其中“XXXXX1.OF”基金在20100630-20101231期間加倉這只股票，“XXXXX2.OF”在20100630-20101231期間減倉。股票代碼報告期基金代碼公告日期持股量000001.SZ20100630XXXXX1.OF20100824900000000001.SZ20100630XXXXX2.OF201008241500000…………000001.SZ20101231XXXXX1.OF201103241000000000001.SZ20101231XXXXX2.OF201103311200000…………數(shù)據(jù)來源：中信建投統(tǒng)計20101231報告期，基金持倉“000001.SZ”的加減倉情況，假設(shè)300只基金加倉（包含XXXXX1.OF100只基金減倉（包含XXXXX2.OF股票代碼報告期基金年報最晚公告日期B(i,t)S(i,t)N(i,t)p(i,t)000001.SZ20101231201103313001004000.75……數(shù)據(jù)來源：中信建投計算全市場所有股票pi,t的均值pt，假設(shè)pt=0.54，結(jié)果如下： 金融產(chǎn)品研究股票代碼報告期基金年報最晚公告日期B(i,t)S(i,t)N(i,t)p(i,t)股票代碼報告期基金年報最晚公告日期B(i,t)S(i,t)N(i,t)p(i,t)pt000001.SZ20101231201103313001004000.750.54000001.SZ2010123120110331數(shù)據(jù)來源：中信建投根據(jù)以上信息，計算20101231報告期“000001.SZ”的Lsvi,t因子值：Lsvi,t=|pi,t?pt|?E|pi,t?pt|E|pi,t?pt|=AF(i,t)=Ci,tp(1?pt)Ni,t?K其中：Ni,t=400，pi,t=0.75，pt=0.54計算可得：Lsvi,t=0.190129sLsvi,t=,tSLSV模型根據(jù)pi,t與pt相對的大小關(guān)系，將LSV指標分為買入羊群效應(yīng)和賣出羊群效應(yīng)兩類。以上述LSV因子計算為例：pi,t=0.75，pt=0.54，pi,t>pt，Lsvi,t=0.190129所以計算所得sLsvi,t=Lsvi,t=0.190129根據(jù)以上算法，本報告使用基金披露的半年報、年報持倉數(shù)據(jù)計算SLSV因子：選取基金的所有持倉股票計算SLSV_all因子；選取基金的前10大重倉股計算SLSV_top_10因子；選取基金的前20大重倉股計算SLSV_top_20因子；選取基金的前50大重倉股計算SLSV_top_50因子；選取基金的前100大重倉股計算SLSV_top_100因子。SLSV_ALL因子SLSV_all在時間序列上的排名因子表現(xiàn)出優(yōu)異的選股能力。因子年化多空收益12.47%，夏普比率0.92，IC均值-3.00，年化IC_IR達到0.90。SLSV_all在時間序列上的排名因子的分層效果區(qū)分度比較高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近12.95%的超額收益（其中Q1達14.02%的多頭超額收益，Q10為1.07%）。金融產(chǎn)品研究資料來源：WIND，中信建投86420資料來源：WIND，中信建投SLSV_top_10因子SLSV_top_10在時間序列上的排名因子表現(xiàn)出優(yōu)異的選股能力。因子年化多空收益17.30%，夏普比率0.74，IC均值-4.28，年化IC_IR達到0.83。SLSV_top_10在時間序列上的排名因子的分層效果區(qū)分度比較高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近19.12%的超額收益（其中Q1金融產(chǎn)品研究資料來源：WIND，中信建投5500Q資料來源：WIND，中信建投SLSV_top_20因子SLSV_top_20在時間序列上的排名因子表現(xiàn)出優(yōu)異的選股能力。因子年化多空收益20.55%，夏普比率1，IC均值-4.67，年化IC_IR達到0.96。SLSV_top_20在時間序列上的排名因子的分層效果區(qū)分度比較高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近21.25%的超額收益（其中Q1達金融產(chǎn)品研究資料來源：WIND，中信建投50資料來源：WIND，中信建投SLSV_top_50因子SLSV_top_50在時間序列上的排名因子表現(xiàn)出優(yōu)異的選股能力。因子年化多空收益21.19%，夏普比率1.23，IC均值-4.88，年化IC_IR達到1.14。SLSV_top_50在時間序列上的排名因子的分層效果區(qū)分度比較高。不同分組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近21.51%的超額收益（其中Q1金融產(chǎn)品研究資料來源：WIND，中信建投5500Q資料來源：WIND，中信建投SLSV_top_100因子SLSV_top_100在時間序列上的排名因子表現(xiàn)出優(yōu)異的選股能力。因子年化多空收益17.68%，夏普比率1.08，IC均值-4.42，年化IC_IR達到1.10。SLSV_top_100在時間序列上的排名因子的分層效果區(qū)分度比較高。不同分金融產(chǎn)品研究組間具有單調(diào)的年化超額收益（相對中證全指并且，Q1組相對Q10組具有將近18.21%的超額收益（其中Q1資料來源：WIND，中信建投50資料來源：WIND，中信建投五、行為金融學(xué)因子與其他大類因子的相關(guān)系數(shù)金融產(chǎn)品研究下表統(tǒng)計了行為金融學(xué)因子與其他大類因子的相關(guān)系數(shù)。20D_PTV40D_PTVCAF_BPCAF_EPSLSV_allSLSV_top_10SLSV_top_20SLSV_top_50SLSV_top_100AmountAvg_1M-0.030.0100.08-0.03-0.02-0.02-0.01-0.020.040.070.840.43-0.19-0.1-0.12-0.14-0.16-0.12-9-0.05-0.02-0.03-0.03-0.040.060.430.72-0.13-0.09-0.1-0.11-0.11Earnings_SQ_YoY00.01-0.060.030.110.080.09LnFloatCap60.14-0.09-0.04-0.05-0.06-0.07Momentum_12m0.120.14-0.32-0.190.360.360.39Momentum_1m0.780.53-0.11-0.090.050.050.060.060.06Momentum_24m0.040.04-0.44-0.220.220.24Momentum_3m0.360.53-0.17-0.120.040.030.040.040.04Momentum_6m0.22-0.23-60.040.05-0.370.150.0600.010.020.04ROE_SQ_YoY0.010.02-0.040.050.070.050.050.060.070.050.07-0.340.310.03-0.01-0.0100.020.050.06-0.370.180.0500.010.020.03SP_TTM0.040.070.480.34-0.11-0.05-0.06-0.08-0.09Sales_SQ_YoY-0.02-0.02-0.15-0.040.120.070.080.09TurnoverAvg1M-0.19-0.22-0.07-0.120.090.040.040.060.08TurnoverAvg3M-0.25-0.31-0.07-0.130.090.040.040.060.07TurnoverAvg6M-0.24-0.32-0.07-0.130.050.050.070.09Volatility1M-0.26-0.27-0.25-90.090.120.13Volatility3M-0.33-0.42-0.28-10.140.16Volatility6M-0.32-0.44-0.28-50.180.1920D_PTV10.680.010.02-0.010.020.020.01040D_PTV0.6810.030.04-0.04-0.01-0.01-0.02-0.03CAF_BP0.010.031-0.19-0.11-0.13-0.14-0.16CAF_EP0.020.041-0.11-0.08-0.09-0.1-0.1SLSV_all-0.01-0.04-0.19-0.1110.690.770.860.93SLSV_top_100.02-0.01-0.11-0.080.6910.890.820.77SLSV_top_200.02-0.01-0.13-0.090.770.8910.910.86SLSV_top_500.01-0.02-0.14-0.10.860.820.9110.94SLSV_top_1000-0.03-0.16-0.10.930.770.860.941數(shù)據(jù)來源：wind、中信建投在前景理論因子中，20D_PTV因子與動量因子中的Momentum_1m的相關(guān)性較高；40D_PTV因子與動量因子中的Momentum_1m和Momentum_3m的相關(guān)性較高。在錨定效應(yīng)因子中，CAF_BP因子與BP_LR因子的相關(guān)性較高；CAF_EP因子與EP_TTM因子的相關(guān)性較高。羊群效應(yīng)因子與其他大類因子的相關(guān)性較低，總體來看效果也是最顯著的一類因子。能夠作為新的因子加入多因子模型。六、總結(jié)和思考本篇報告分析了行為金融學(xué)在量化選股中的應(yīng)用，結(jié)果證明基于“人性的弱點”為基礎(chǔ)的行為金融學(xué)在量化選股中具有優(yōu)秀的效果。我們根據(jù)行為金融學(xué)中的錨定效應(yīng)、前景理論和羊群效應(yīng)構(gòu)建了行為金融學(xué)因子，并對三類因子進行了單因子測試。在這三類因子中，表現(xiàn)最好的因子是羊群效應(yīng)因子，五個羊群效應(yīng)因子的多空年化收益在13%-22%之間，其中SLSV_top_20和SLSV_top_50因子在月頻調(diào)倉情況下的多空年化達到了20.55%和21.19%，Q1組相對Q10組的超額收益分別為21.25%和21.51%，是我們重點推薦的因子。我們還對行為金融學(xué)因子與其他大類因子進行了相關(guān)性分析，發(fā)現(xiàn)羊群效應(yīng)因子與其他大類因子的相關(guān)性較低，總體來看效果也是最顯著的一類因子，能夠作為新的因子加入多因子模型。金