“蓝海启航”系列研究之五：基于供应链动量溢出效应的选股策略-20220512-招商证券-22页_1mb

基于供应链动量溢出效应的选股策略总结

核心内容

本报告围绕A股市场中供应链动量溢出效应，探讨其在量化选股中的应用价值。通过构建供应链动量因子，尤其是客户动量因子和双层级客户动量因子，发现其对股票未来收益具有较强的预测能力。报告指出，供应链数据的覆盖度近年来显著提升，使得该因子在实际应用中更具可行性。

主要观点

• 供应链数据覆盖度提升：上市公司主动披露供应链信息的意愿增强，秩鼎公司通过反向披露、股权穿透等技术方法显著提高了供应链关联度数据的覆盖度，使得数据可用于量化选股。
• 动量溢出效应的来源：市场并非完全有效，信息冲击和基本面相关性会沿着供应链传导，而投资者的有限关注导致价格反应存在时滞。
• 客户动量因子更有效：相比供应商动量因子，客户动量因子在IC测试和分位数测试中表现更优，具有更高的预测能力和稳健性。
• 双层级供应链动量因子提升效果：引入第二层级的供应链关系后，动量因子的预测能力和稳定性进一步增强，t统计量显著提升，IC均值也有所提高。
• 因子独特性：供应链动量因子与传统动量因子及其他大类因子相关性较低，表明其具有独特性，无法被其他因子完全解释。
• 选股策略表现优异：基于双层级客户动量因子构建的选股策略在沪深300、中证800和中证1000股票池中均显著跑赢基准，超额收益分别为9.65%、10.54%和5.97%，夏普比率也显著优于基准。

关键信息

供应链数据概述

• 数据来源：秩鼎公司提供供应链数据，覆盖4,000+ A股、2,000+港股、100+美股、20,000+发债主体和1,300,000+非公众企业。
• 数据处理：采用人工智能、机器学习和自然语言处理技术，从公司公告和第三方信息中抓取并人工复核数据。
• 关联度计算：客户与供应商的关联度基于交易金额加权，取值范围为0-100%，未披露或负值按0处理。
• 行业分布：客户数据覆盖石油石化、煤炭、有色金属等资源类行业；供应商数据覆盖商贸零售、食品饮料、银行、地产等下游行业。

供应链动量因子构建与测试

• 因子类型：
  • 关联度加权动量
  • 关联度最高公司动量
  • 市值最大的关联公司动量
• 测试方法：
  • RankIC测试：显示客户动量因子的t统计量普遍高于供应商动量因子，且在N=80时表现最佳。
  • 分位数测试：top组合表现优于bottom组合，多空组合(L-S)年化收益率显著高于基准。
• 参数稳健性：对交易日天数的微调对因子表现影响较小，表明其稳健性较强。
• 因子相关性：供应链动量因子与传统动量因子相关性约为20%，与其他大类因子相关性不超过5%，具有独特性。

选股策略构建与回测

• 策略设计：
  • 选取沪深300、中证800、中证1000指数成分股为样本池。
  • 剔除停牌、ST及涨跌停股票。
  • 每季度调仓一次，采用等权方式构建组合。
• 回测结果：
  • 沪深300：策略多头年化收益为10.51%，夏普比率为0.38，卡玛比率为0.45，显著优于基准。
  • 中证800：策略多头年化收益为11.08%，夏普比率为0.40，卡玛比率为0.57，显著优于基准。
  • 中证1000：策略多头年化收益为5.06%，夏普比率为0.12，卡玛比率为0.12，显著优于基准。

结论

• 供应链动量因子在A股市场中具有较强的有效性，尤其是客户动量因子和双层级客户动量因子。
• 该因子对股票未来收益具有较强的预测能力，且与传统因子相关性较低，具有独特性。
• 基于该因子构建的选股策略在不同股票池中均表现优异，超额收益显著，夏普比率和卡玛比率均高于基准。
• 未来可进一步将供应链数据应用于行业轮动、事件驱动等领域。

风险提示

• 报告结果基于历史数据，未来市场环境变化可能导致模型失效。
• 提及个股或基金仅表示与相关主题有关，不构成投资建议。