20250530-开源证券-金融工程定期_开源交易行为因子绩效月报（2025年5月）_12页_1mb

金融工程定期报告总结：

本报告分析了2025年5月的Barra风格因子表现及开源交易行为因子的配置效果。首先，Barra风格因子在当月均表现不佳，市值因子收益为-212%，价值/成长维度中账面市值比因子收益为-10%，成长因子收益为-25%，盈利预期因子收益为-26%。这表明市场整体呈现偏向大盘的走势，且成长类资产表现较弱。

其次，开源交易行为因子的绩效回顾显示，理想反转因子、聪明钱因子、APM因子和理想振幅因子在5月的多空对冲收益均为负值：理想反转因子为-63%，聪明钱因子为-86%，APM因子为-103%，理想振幅因子为-150%。其中，理想反转因子全历史信息比率为252，多空对冲月度胜率为780%；聪明钱因子信息比率为273，胜率为819%；APM因子信息比率为228，胜率为771%；理想振幅因子信息比率为299，胜率为834%。合成因子在5月多空对冲收益为-158%，近12个月胜率为833%，全历史信息比率为328，胜率为823%。尽管合成因子在5月表现略差，但其长期胜率和信息比率均优于单个因子。此外，合成因子在中小股票池（如国证2000、中证1000）中的效果显著优于中证800，信息比率分别为295、292和130，说明其对小市值股票的预测能力更强。

开源交易行为因子的构造方法包括：

1. 理想反转因子：通过分析过去20日的每日平均单笔成交金额，区分高成交与低成交的10个交易日，计算涨跌幅差值作为因子值。
2. 聪明钱因子：基于分钟行情的价量数据，筛选成交量累积占比前20%的交易时段，计算交易均价的比值。
3. APM因子：分析日间隔夜与下午的收益率差异，通过回归模型得出残差项，消除动量因子影响后形成因子值。
4. 理想振幅因子：根据过去20日的每日振幅（最高价/最低价-1），筛选高价和低价交易日的振幅均值，计算其差值作为因子值。

报告指出，上述因子的绩效分析基于历史数据，存在市场波动不确定性导致模型失效的风险。同时，合成因子在中小股票池中表现更优，适合特定投资场景。研究团队建议投资者审慎参考，结合自身情况评估风险承受能力，并非仅依赖评级或因子数据做出决策。

关键数据对比：

• 全历史区间，理想反转因子IC均值为-0.050，rankIC为-0.061；
• 聪明钱因子IC均值为-0.037，rankIC为-0.061；
• APM因子IC均值为0.029，rankIC为0.034；
• 理想振幅因子IC均值为-0.054，rankIC为-0.073；
• 合成因子IC均值为0.067，rankIC为0.092。

总体来看，5月交易行为类因子表现普遍疲软，但长期稳定性较强，尤其在中小市值市场中更具优势。投资者需注意模型的局限性及市场变化对结果的影响。