多因子系列报告之八:高频因子,日内分时成交量蕴藏玄机-20171123-光大证券-22页-2mb
报告摘要
高频因子:日内分时成交量蕴藏玄机总结
核心内容
本报告探讨了A股市场日内分时成交量的周期性模式及由此构建的成交量比值因子VR(Volume Ratio)的选股能力。通过分析不同时段成交量占比因子与股票未来收益的关系,发现上午和下午开盘前30分钟的成交量具有显著的预测性,且预测方向相反。基于此,构造了VR因子,并通过不同加权方式(简单移动平均和指数加权)进行低频化处理,验证其有效性与稳定性。
主要观点
- 日内成交量模式:A股市场日内成交量呈现“W”型周期性模式,即上午和下午开盘前30分钟成交量较高,形成两个峰值,而尾盘30分钟成交量不具备显著预测能力。
- VR因子构造:VR因子为上午开盘前30分钟成交量与下午开盘前30分钟成交量的比值。当上午成交量较小或下午成交量较大时,VR因子值越低,对股票次月收益的预测能力越强。
- 有效性与稳定性:VR因子在不同窗宽下表现出良好的预测性,移动平均窗宽越小,预测能力越显著。同时,VR因子在有效性测试中表现出较高的IC均值和IR值,显示其具有较强的选股能力。
- 加权方式对比:简单移动平均的VR因子在回测效果上优于指数加权平均,尤其在年化收益率、夏普比率等方面表现更优。
- 中性化处理:即使经过波动、市值、流动性及行业中性化处理,VR因子仍具备一定的预测能力,IC均值为-2.13%,IR绝对值达0.42。
- 费率敏感性:VR因子对交易费率较为敏感,当冲击成本较高时,60日移动平均VR因子表现优于月度平均VR因子。
- 策略表现:月度算术平均VR因子在回测中表现突出,年化收益率可达15.5%,夏普比率为0.95,最大回撤为31.9%。而25日指数加权平均VR因子年化收益率为14.5%,夏普比率为0.89。
- 分层效果:VR因子具有良好的单调性和分层效应,随着因子值上升,组合收益下降,且各组之间净值曲线有明显区分。
关键信息
- VR因子定义:VR因子 = 上午开盘前30分钟成交量 / 下午开盘前30分钟成交量。
- 数据清洗:采用绝对中位数法去除极值,进行截面标准化处理,降低离群点对因子收益的影响。
- 回测框架:使用2010年2月至2017年7月的A股数据,每月调仓一次,等权配置100只股票。
- 有效性指标:IC均值绝对值高于6%,IR绝对值大于0.5,表明VR因子具备良好的预测性和稳定性。
- 策略表现:
- 月度算术平均VR因子:年化收益率15.5%,夏普比率0.95,最大回撤31.9%。
- 25日指数加权平均VR因子:年化收益率14.5%,夏普比率0.89。
- 费率影响:随着费率上升,VR因子年化收益率下降,换手率降低。
- 中性化影响:中性化后VR因子的预测能力减弱,但仍有显著的IC均值和IR值。
- 历史表现:VR因子在2010年至2017年期间,年胜率为62.5%,跑赢基准的年平均超额收益为10.4%,跑输基准的年平均超额收益为-3.3%。
风险提示
- 测试结果基于模型和历史数据,模型可能存在失效风险。
- 随着投资者结构改善,噪音交易者数量可能减少,VR因子的预测能力可能下降。
图表与数据
- 图1:某股票尾盘放量拉升的日内价格走势图。
- 图2:上证综指日内分钟成交量呈周期性“W”型。
- 图3:日内不同时点月度平均vcpt因子IC均值。
- 图4:日内不同时点月度平均vcpt因子IR值。
- 图5:噪音交易者早盘交易潮成因。
- 图6:VR因子构造示意图。
- 图7:VR原始因子分布。
- 图8:极值处理后的VR因子分布。
- 图9:VR因子不同市值中位数与平均数。
- 图10:VR因子行业分布中位数差异细微。
- 图11:VR因子不同参数下IC均值相对稳定。
- 图12:VR因子不同参数下IR值随移动平均天数增加而降低。
- 图13:VR因子不同参数下组合年化收益率对比。
- 图14:VR因子RankIC序列呈现显著的负相关性。
- 图15:VR因子具有良好的单调性。
- 图16:VR因子与其他大类因子历史IC值相关性检验。
- 图17:中性化后的VR因子RankIC均值降低。
- 图18:中性化后的VR因子单调性下降。
- 图19:不同费率下VR因子选股组合与中证500净值走势。
- 图20:VR因子选股组合相对中证500净值走势。
- 图21:不同参数VR因子选股换手率随回溯天数增加而降低。
- 图22:月度平均与60日移动平均VR因子选股收益率对比。
表格数据
- 表1:上午&下午开盘前30分钟分时段成交量占比指标测试结果。
- 表2:不同窗宽的算术平均移动平均下VR因子有效性测试指标。
- 表3:不同窗宽的指数加权移动平均下VR因子有效性测试指标。
- 表4:因子选股策略回测框架。
- 表5:月度算术平均VR因子回测效果。
- 表6:25日指数加权平均VR因子回测效果。
- 表7:因子分组回测框架。
- 表8:月度算术平均VR因子分层回溯测试。
- 表9:不同费率下VR因子(d=m, w=1)选股组合回测指标。
- 表10:VR因子选股组合分年度回测指标。
分析师信息
- 分析师:刘均伟(执业证书编号:S0930517040001)
- 联系方式:021-22169151,liujunwei@ebscn.com
联系人信息
- 联系人:古翔
- 联系方式:021-22169325,guxiang@ebscn.com
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载