开源量化评论（83）：从隔夜价格行为到股票关联网络-20231219-开源证券-18页_1mb

金融工程专题：隔夜涨跌协同性构建股票关联网络及牵引因子研究

1. 研究背景与方法

• 本研究通过股票关联网络分析，探索隔夜涨跌对个股间涨跌传导的影响机制。
• 方法：从资金流视角扩展至价格行为，通过调整后的余弦相似度计算隔夜涨跌协同性，构建股票关联网络，区分方向与幅度协同，剔除跳空缺口等干扰因子。

2. 股票关联网络构建

• 基于隔夜涨跌协同性，统计2014-2023年全市场股票数据，构建股票关联网络。
• 关联度计算公式：基于余弦相似度，通过平移缩放使指标分布在0-1区间。
• 行业细分性：同行业/细分行业股票关联度显著高于全市场平均水平，关联网络延续性较强。

3. 牵引因子构建与回测

3.1 原始因子 Traction_OR

• 方法：基于局部关联股票涨幅，构建预期收益基准，计算残差得到反转逻辑。
• 表现：RankIC均值453%，年化收益1148%，IR247%，最大回撤827%；更偏向中小市值股票。

3.2 优化因子 Traction_ORE

• 操作：剔除跳空缺口影响，提纯隔夜涨跌样本。
• 表现：RankIC均值43%，年化收益131%，IR263%，最大回撤627%；胜率72%，在中小市值更有效。

3.3 合成因子 Traction_comb

• 构建：融合基金资金流、北向托管券商、小单交易及隔夜价格4类牵引因子。
• 表现：RankIC均值56%，年化收益1929%，IR399%，最大回撤347%；胜率77%，显著优于单因子。

4. 主要发现

• 因子有效性：Traction系列因子在不同市场层级表现依次增强（如跳空剔除后，国证2000股票池表现最优）。
• 组合收益：合成因子回测期收益累计达1929%，年化波动率较低（最大回撤347%），显著超越单因子表现。
• 风险提示：模型基于历史数据，市场环境变化将影响预判准确性。

注：本报告核心内容提炼自开源证券金融工程研究团队对隔夜涨跌协同性分析体系的专业报告，完整报告包含详细的数据回测与图表支撑。