“求索动量因子”系列研究（五）：成交量对动量因子的修正，殊途同归的聪明版-20230612-东吴证券-35页_991kb

“求索动量因子”系列研究（五）总结

核心内容

本研究旨在通过引入成交量信息，对动量因子进行改进，以提升其稳定性与选股能力。研究发现，日内与隔夜的价量关系具有不同的特征与逻辑：日内高换手率与日内收益相关，提供反转信号；而前一交易日高换手率与隔夜收益相关，提供动量信号。基于此，研究构建了“聪明”动量因子，通过结合日内与隔夜的价量关系，显著提升了动量因子的表现。

主要观点

• 日内与隔夜价量逻辑不同：日内价量关系反映的是市场参与者在交易时段内的行为，而隔夜价量关系则涉及信息泄露与知情交易者的反应。
• “聪明”指标的引入：通过计算每分钟的标准化股价涨跌幅，衡量知情交易的参与度，进而锁定“聪明”时段，提升日内因子的信号强度。
• 改进后的动量因子表现优异：新动量因子在回测期内展现出更高的年化收益、信息比率和胜率，同时最大回撤更低。

关键信息

1. 传统动量因子表现

• 在2014/01/01-2023/04/30期间，传统动量因子的年化收益率为20.23%，年化波动率为18.34%，信息比率为1.10，月度胜率为62.16%，最大回撤为20.88%。
• 传统动量因子在2023年以来几乎失效，稳定性较差。

2. 改进后的动量因子表现

• “聪明”动量因子（mom_1430smart）：
  • 年化收益率：27.01%
  • 年化波动率：9.68%
  • 信息比率：2.79
  • 月度胜率：76.58%
  • 最大回撤：8.49%
• 纯净“聪明”动量因子：
  • 年化收益率：14.16%
  • 年化波动率：5.40%
  • 信息比率：2.62
  • 月度胜率：80.18%
  • 最大回撤：3.28%

3. 日内因子改进

• 通过将日内交易时段切割为上午和下午，并使用“聪明”指标识别高知情交易时段，改进后的日内因子（daysmart）信息比率达到2.45。
• 使用“聪明”时段换手率对上午和下午收益进行切割，得到的“聪明”日内因子与“聪明”隔夜因子结合后，信息比率进一步提升至2.79。

4. 隔夜因子改进

• 使用前一交易日最后半小时（14:30-15:00）的换手率作为隔夜成交量的代表，计算出新的理论隔夜波动率，使得隔夜因子的选股能力提升。
• 改进后的隔夜因子（night_1430）信息比率达到2.10，年化收益率提升至18.19%。

5. 动量因子的稳定性与表现

• “聪明”动量因子在多个年份中表现稳定，尤其在2023年（至4月底）仍保持正收益，信息比率约为2.03，最大回撤为1.74%。
• 与传统动量因子相比，“聪明”动量因子的年化收益率和信息比率更高，胜率也有所提升。

6. 因子相关性分析

• “聪明”动量因子与旧版动量因子的相关系数为0.596，表明其在底层逻辑上与传统因子不同。
• 与Barra风格因子相关性较低，显示出较强的独立性。

7. 参数敏感性测试

• 改进后的“聪明”动量因子在回看40或60个交易日时，依然表现出优于传统因子的选股能力，信息比率与旧版动量因子相近。

结论

通过引入“量”的信息，研究成功改进了动量因子的稳定性与选股能力。新因子在多个维度上优于传统因子，特别是在信息比率、年化收益率和胜率方面表现突出。此外，新因子在剔除行业和风格因子干扰后，依然保持良好表现，显示出较强的市场适应性。

风险提示

• 所有统计结果基于历史数据，未来市场可能发生重大变化。
• 单因子模型存在风险。
• 数据测算可能存在误差。

图表与数据概览

• 图1至图36展示了不同因子在回测期间的净值走势与绩效指标。
• 表1至表17提供了各因子在不同时间段和样本空间下的绩效对比。
• 数据来源：Wind资讯，东吴证券研究所