> **来源：[研报客](https://pc.yanbaoke.cn)** # 量化专题报告总结 ## 核心内容 本文是国盛金工《“量价淘金”选股因子系列研究》的第十六篇报告，旨在从时序视角挖掘与截面因子不同的Alpha信息，以补充多因子选股策略。研究围绕“个股异动”展开，提出“异动雷达事件簇”的概念，构建了基于资金流指标和超额收益方向的事件驱动信号，并探讨了其在不同策略中的应用效果。 ## 主要观点 1. **价格异动的局限性** 仅通过价格异动识别个股异动，其未来超额收益胜率不足50%，无法成为有效的Alpha信号。进一步将价格异动分为“逆势上涨”和“逆势下跌”两类，但两类事件的超额收益表现依然不佳。 2. **异动雷达事件簇的构建** 异动雷达事件簇通过引入资金流指标，结合不同时间段、不同维度的资金流数据，计算个股与基准指数资金流序列的相关系数，若相关系数 < 0，则认为该股发生异动。此外，考虑个股超额收益方向，构建“上涨异动”和“下跌异动”信号。 3. **信号筛选与合成** 通过有效性与相关性检验筛选出有效的异动信号，合成“异动雷达事件簇”，构建稳定的事件驱动策略。在中证800样本中，异动雷达综合信号的年化超额收益为7.51%，信息比率为2.48。加入负向信号剔除后，年化超额收益提升至9.77%，信息比率提高至2.92。 4. **拓展应用** - **与其他事件信号结合**：异动雷达信号与低位放量、高位放量、趋势资金等信号相关性较低，可以互相增强策略表现。例如，叠加高位放量信号后，年化超额收益从7.51%提升至8.65%。 - **行业轮动中的应用**：将异动信号映射至行业层面，构建行业异动因子，将其纳入“趋势-景气-拥挤”行业轮动模型。加入异动因子后，行业配置组合的绩效指标显著提升，如年化超额收益从6.78%提升至9.50%。 ## 关键信息 ### 事件簇构建流程 1. **计算相关系数**：使用不同维度的资金流指标，计算个股与基准指数在特定时间段内的相关系数，若 < 0，则视为异动。 2. **考虑超额方向**：根据个股相对基准指数的超额收益方向，判断是否为“上涨异动”或“下跌异动”。 3. **信号筛选与合成**：筛选有效信号，合成“异动雷达事件簇”，构建稳定的事件驱动策略。 ### 回测结果 - **异动雷达综合信号**：年化超额收益为7.51%，信息比率为2.48，最大回撤为4.13%。 - **加入负向信号剔除**：年化超额收益提升至9.77%，信息比率提升至2.92，最大回撤降低至2.85%。 - **行业异动因子**：月度IC均值为0.03，与趋势因子相关性仅为11%，在行业轮动策略中表现优异。 ### 信号与其他策略的结合 - **与量价信号结合**：异动雷达信号与高位放量信号叠加后，策略表现提升。 - **与基本面信号结合**：异动雷达信号与业绩预告盈余惊喜信号叠加后，超额收益显著提升，但触发频率较低。 ## 信号分类与表现 ### 异动雷达信号 - **综合信号**：年化超额收益为7.51%，信息比率为2.48，周均持股数量为137只。 - **负向剔除后**：年化超额收益提升至9.77%，信息比率提升至2.92，周均持股数量下降至60只。 ### 与其他信号的结合 - **异动雷达+高位放量**：年化超额收益从7.51%提升至8.65%，信息比率从2.48提升至2.57。 - **异动雷达+业绩预告盈余惊喜**：触发信号的样本数量较少，但超额收益表现显著提升。 ## 行业轮动应用 ### 方案1：异动+强趋势+低拥挤、剔除低景气 - 年化超额收益从6.78%提升至9.50%。 - 超额信息比率从0.74提升至1.09。 - 超额最大回撤从18.64%下降至9.62%。 ### 方案2：异动+强趋势+高景气、剔除高拥挤 - 年化超额收益从5.97%提升至9.04%。 - 超额信息比率从0.47提升至0.80。 - 超额最大回撤从30.72%下降至18.66%。 ## 风险提示 - 所有结论基于历史数据和模型测算，若市场环境发生剧烈变化，模型可能失效。 - 模型测算存在相对误差，不构成实际投资建议。 ## 相关研究 1. 《“量价淘金”选股因子系列研究（六）：创新高股票中的Alpha》 2. 《“量价淘金”选股因子系列研究（十一）：基于趋势资金日内交易行为的事件驱动策略》 3. 《“量价淘金”选股因子系列研究（十三）：事件簇：量价事件驱动信号的规模化生产》 4. 《“量价淘金”选股因子系列研究（十四）：基于流动性冲击事件的逐笔羊群效应因子》 5. 《“量价淘金”选股因子系列研究（十五）：高/低位放量事件簇：正负向信号的有机结合》 ## 总结 本文通过构建异动雷达事件簇，从时序角度挖掘Alpha信息，为多因子选股策略提供补充。异动雷达信号与基本面信号、其他量价信号结合，能有效提升策略表现。行业层面的应用进一步拓展了其价值，提升了行业配置组合的绩效。