寻找另类Alpha因子系列之一：基于新闻舆情数据的选股因子-20200824-中泰证券-28页_1mb

基于新闻舆情数据的选股因子总结

核心内容

本文探讨了基于新闻舆情数据构建选股因子的方法，旨在通过捕捉市场情绪变化来寻找另类Alpha因子。研究主要围绕新闻情绪因子的构建、改进与在不同市值股票中的表现展开，并提出了多种新闻舆情相关的多头策略。

主要观点

• 新闻舆情对股价的影响：新闻情绪不仅影响中短期估值，也反映市场对公司未来业绩的预期，对股价预测具有重要意义。
• 新闻情绪因子构建：通过整合新闻情感值和新闻数量，构建新闻情绪因子，能够更全面地反映市场情绪对股价的影响。
• 因子改进：通过筛选包含基本面信息的强相关新闻数据，有效提升了因子的多空年化收益率、最大回撤和相对基准胜率。
• 市值差异：新闻情绪因子在大市值股票中表现稳定，而在小市值股票中存在反转效应，因此需结合基本面信息以提升效果。
• 多头策略：通过高情绪、低标准差、高正向情感占比的组合策略，能够进一步提升因子收益，年化收益率可达31.22%。

关键信息

一、新闻情绪因子构建与改进

• 新闻情绪因子：对个股每月新闻情感值求和，既体现新闻的正负向评价度，也体现新闻热度。
• 改进方式：
  • 增加新闻热度的刻画（新闻数量）；
  • 补充新闻类型筛选（包含基本面信息）；
  • 补充新闻相关度筛选（强相关）。
• 改进效果：
  • 多空年化收益率由3.65%提升至8.10%；
  • 最大组多头年化收益率由5.63%提升至14.53%；
  • 最大回撤由-32%缩小至-27.5%；
  • 相对基准月胜率由63%提升至69%。

二、新闻情绪因子在不同市值下的表现

• 超大市值组：新闻情绪因子表现最佳，多空年化收益达8.99%，且分层单调性稳定。
• 流通市值最低30%组：反转效应明显，需结合基本面信息提升因子效果。
• 结论：在小市值股票中，应优先选择包含基本面信息的强相关新闻，以规避低情绪带来的负收益风险。

三、其他刻画方法

• 新闻情绪差值因子：情绪变化最大组收益跑输其余四组，表明情绪边际变化对股价影响有限。
• 情绪分歧度因子：
  • 标准差下的分歧度因子无明显单调性；
  • 结合情绪绝对值后，高一致性的高舆情组合表现最佳；
  • 正向情感得分占比越高，次月收益越佳。

四、新闻舆情多头策略

• 三种多头策略：
  1. 高情绪组合：选择当月包含基本面信息的新闻情感值之和最高的股票；
  2. 高情绪、低标准差组合：选择新闻情感值高且标准差低的股票；
  3. 高正向情绪占比组合：选择正向情感得分占比最高的股票。
• 叠加策略：在强相关且去重的新闻数据基础上，筛选高情绪、低标准差、高正向情感占比的股票，形成最优多头组合。
• 组合表现：
  • 年化收益率达31.22%；
  • 最大回撤为-17.2%；
  • 相对基准月胜率为70%。

风险提示

1. 单因子测试结果依赖于历史数据，可能存在失效风险；
2. 监管政策或外部环境的超预期变动可能影响市场风格。

投资评级说明

• 股票评级：
  • 买入：预期未来6~12个月内相对基准指数涨幅在15%以上；
  • 增持：预期未来6~12个月内相对基准指数涨幅在5%~15%之间；
  • 持有：预期未来6~12个月内相对基准指数涨幅在-10%~+5%之间；
  • 减持：预期未来6~12个月内相对基准指数跌幅在10%以上。
• 行业评级：
  • 增持：预期未来6~12个月内对同期基准指数涨幅在10%以上；
  • 中性：预期未来6~12个月内对同期基准指数涨幅在-10%~+10%之间；
  • 减持：预期未来6~12个月内对同期基准指数跌幅在10%以上。
• 基准说明：A股以沪深300指数为基准，新三板以三板成指或三板做市指数为基准，港股以摩根士丹利中国指数或标普500指数为基准。

重要声明

• 本报告基于可信的公开资料或实地调研资料，反映作者的研究观点；
• 本报告中的信息、意见和预测可能随时调整，不构成投资建议；
• 本报告仅供本公司客户使用，不因接收人收到本报告而视为客户。