20221211-开源证券-开源量化评论（68）_从龙头股领涨到行业动量_绝对与相对的统一框架_14页_1mb

金融工程研究团队总结：从龙头股领涨到行业动量的统一框架

核心内容

本报告由开源证券金融工程研究团队发布，核心内容围绕“行业动量”展开，提出了“龙头股模型”作为对行业动量效应的精细化表达，并进一步优化为“改进的行业龙头股模型因子ND”。报告通过实证分析揭示了龙头股在行业动量中的关键作用，并探讨了交易集中度对模型表现的影响。

主要观点

• 行业动量效应弱但存在：A股市场中，行业指数存在弱的动量效应，即过去表现较好的行业在未来仍可能表现较好，但这种效应并不稳定。
• 龙头股模型的提出：为了解释行业动量效应的不稳定性，团队提出了“龙头股模型”，通过分析行业内龙头股与普通股的收益差异，构建出更有效的行业动量因子。
• 参数优化：在测试中发现，当回看天数为10天，切割参数为70%时，龙头股模型因子表现最优，记为D(10,70)。
• 龙头股收益是模型预测性的主要来源：模型中，龙头股的绝对收益因子R_龙头对行业下月收益的预测能力显著高于普通股收益因子R_普通。
• 龙头股相对收益因子的构建：团队引入“领涨股”与“领跌股”的概念，构建了相对收益因子R_相对，该因子在行业三分组下表现稳健，RankIC均值为4.23%，RankICIR为0.66。
• 改进因子ND：通过将R_龙头与R_相对回归取残差后进行排序相加，得到改进因子ND，其RankIC均值为5.37%，RankICIR为0.84，胜率与盈亏比表现优异。
• 行业交易集中度影响模型表现：交易集中度较低的行业中，龙头股模型表现更好，说明模型在分散交易的行业中更具有效性。
• 模型局限性与风险提示：模型基于历史数据测试，未来市场可能发生重大变化，需谨慎使用。

关键信息

模型构建与测试结果

• Ret20因子：行业指数过去20日涨跌幅，RankIC均值为2.60%，RankICIR为0.30，表现较弱。
• 龙头股模型因子D(10,70)：RankIC均值为3.88%，RankICIR为0.62，显著性与稳定性均优于Ret20因子。
• 改进因子ND：RankIC均值为5.37%，RankICIR为0.84，三分组下月度多空胜率可达58.4%，盈亏比为1.50，表现优于原始模型。
• ND因子Top10行业组合：从2010年至今，年化超额收益为7.13%，同期行业等权基准为4.20%。2022年至今超额收益近3%。

龙头股模型因子的构造步骤

1. 选择行业成分股：以食品饮料行业为例，回溯过去20日或10日的成分股数据。
2. 排序与切割：按成交额或涨跌幅从大到小排序，累计占比达到λ（60%或70%）的股票认定为龙头股或领涨股。
3. 计算因子：
   • R_龙头：龙头股的平均涨幅。
   • R_普通：普通股的平均涨幅。
   • D = R_龙头 - R_普通：行业动量因子。
   • R_相对 = (R_龙头 - R_领涨)/(R_领涨 - R_领跌)：龙头股相对收益因子。
   • R_分位：龙头股在行业内的收益排名均值。
   • R_zscore：龙头股收益的标准化均值。
4. 合成改进因子ND：将R_龙头与R_相对回归取残差后，排序相加，形成新的因子ND。

行业交易集中度的影响

• 交易集中度：用行业龙头股数量占比衡量，占比越低，交易集中度越高。
• 趋势分析：2017年以来，A股行业平均交易集中度上升较快，尤其在“白马股”较多的行业（如家用电器、食品饮料）中更为明显。
• 模型表现：在交易集中度较低的行业中，ND因子表现更优，RankIC均值为7.07%，RankICIR为0.92。

风险提示

• 模型基于历史数据测试，未来市场可能发生重大变化，模型效果可能不再适用。
• 报告风险等级为R3（中风险），仅适用于专业投资者及风险承受能力为C3、C4、C5的普通投资者。

补充说明

• 分析师承诺：报告观点为分析师个人观点，报酬与推荐意见无直接或间接联系。
• 评级体系：采用相对评级体系，仅表示投资的相对比重建议，不构成具体买卖建议。
• 法律声明：报告仅供开源证券客户使用，未经授权不得复制、分发或使用。报告内容不构成投资建议，使用不当可能导致损失，公司不承担相关责任。

图表与数据说明

• 图1：显示Ret20因子的稳定度欠佳。
• 图2：显示龙头股模型因子在显著性与稳定度上优于Ret20因子。
• 图3：显示龙头股收益对普通股有强牵引作用。
• 图4：显示R_龙头因子与龙头股模型因子表现接近，但多空收益更高。
• 图5：显示R_相对因子的多空收益非常稳健。
• 图6：显示改进因子ND的多空收益稳定向上。
• 图7：显示ND因子Top10行业组合超额收益稳健。
• 图8：显示2022年至今ND因子Top10行业组合超额收益近3%。
• 图9：显示R_zscore因子表现优于R_分位。
• 图10：显示2017年以来行业平均交易集中度上升较快。
• 图11：显示家用电器、食品饮料等行业交易集中度较高。
• 图12：显示龙头股模型在交易集中度较低的行业中表现更好。

总结

本报告通过分析行业动量效应，提出了“龙头股模型”并进一步优化为“改进因子ND”，展示了龙头股在行业预测中的重要作用。模型在交易集中度较低的行业中表现更优，但需注意模型基于历史数据，未来市场可能变化。报告适用于专业投资者及特定风险承受能力的普通投资者，不构成具体投资建议。