近年来，A股市场机构化趋势明显，量化私募机构的管理规模也迅速扩大，产生了一批管理规模超过百亿的量化私募机构。与此同时，传统的风格因子波动增大，从市场获取超额收益的难度在增加。

因子拥挤是因子收益下降的原因之一。因子代表着市场某方面的非有效性、或者是一段时期内的定价失效。当某类因子收益高的时候，会吸引更多的资金进入，从而出现因子拥挤，降低因子的预期收益。一旦新的因子被公开，套利资金的介入会使得错误定价收窄，因子收益也会跟着下降。因此，在多因子选股模型中，因子的开发和更新迭代变得越来越重要。

以传统日频价量和更低频财务数据为基础的因子开发是一种研究途径。由于基础因子广为人知，在此基础上进行因子挖掘的收益提升空间相对有限。而且日频数据由于本身的数据量和信息量有限，过度挖掘会增大过拟合的风险。

以高频价量数据为基础的因子开发在当下具有更大的收益提升空间。与低频因子相比，高频数据在用于量化投资中存在一定优势。

首先，高频价量数据的体量明显大于低频数据。以分钟行情为例，用压缩效果较好的mat格式存储2020年全市场股票的分钟行情数据（包括分钟频的开高低收价格数据、买卖盘挂单数据等），约为12GB。如果是快照行情（目前上交所和深交所都是3秒一笔）或者level 2行情，数据量要大很多。因此，高频数据因子挖掘对信息处理能力和处理效率的要求较高。而且，日内数据，尤其是level 2数据，一般要额外付费，甚至需要自行下载存储实时行情，在此基础上构建的因子拥挤度较低。

其次，高频价量数据一般是多维的时间序列数据，数据中噪声比例较高，而且与ROE、PE这类低频指标本身就具有选股能力不同的是，原始的高频行情数据一般不能直接用作选股因子，而要通过信号变换、时间序列分析、机器学习等方法从高频数据中构建特征，才能作为选股因子。此类因子与低频信号的相关性较低，而且由于因子开发流程相对复杂，不同投资者构建的因子更具有多样性。

此外，高频数据开发的因子一般调仓周期较短，意味着在检验因子有效性的时候，同一段测试期具有更多的独立样本。例如，在一年的测试期内，只有12个独立的样本段用于检验月频调仓的因子，与之相比，有约50个独立的时段用于检验周频调仓因子，有超过240个独立的时段用于检验日频调仓的因子。独立样本的增多有助于检验高频因子的有效性。

高频数据挖掘因子的难点在于数据维度大、噪声高。凭借专业投资者的经验或者是参阅已发表的文献，可以从高频数据中提炼出一部分有选股能力的特征。此外，机器学习方法擅长从数据中寻找规律和特征，是高频数据因子挖掘的有力工具。

以传统日频价量和更低频财务数据为基础的因子开发是一种研究途径。由于基础因子广为人知，在此基础上进行因子挖掘的收益提升空间相对有限。而且日频数据由于本身的数据量和信息量有限，过度挖掘会增大过拟合的风险。

对于低频信息的挖掘，从最近几年的进展上看，低频里的增量信息成果越来越少。从数据维度上看，低频的因子建模更多是从一些另类数据或者是新的方法、理论成果中出发构建相关的因子。如另类数据角度，从互联网中的股吧、新闻、关注度等角度，或者是专利数据、供应链相关数据等。新的理论成果如从图网络等角度出发构建相关的因子。

本篇专题报告基于个股的“关联度”角度出发，研究个股所在区域关联度角度构建因子。

二、关联度因子研究进展

传统的有效市场假说认为，在完全有效的金融市场上，价格能够及时、充分反映资产的所有公开信息以及私有信息。但是，Kalok等(2005)[3]、刘菁哲(2010)[12]等众多学者通过实证研究发现，股票市场中存在着“领先滞后效应”，即不同公司对相同基本面信息的反应速度存在差异，一些公司能够迅速对新信息做出反应，另一些公司对于新信息的反应存在时滞。

本报告对国内外学者基于行业关联、科技关联、供应链关联、地理关联信息的“领先滞后效应”研究成果进行了简单梳理。对于行业关联信息，Cohen和Lou(2012)[5]实证检验了，面对影响全行业的信息事件，单一经营部门公司的股价能够更迅速的反映新信息，同时对于多经营部门公司未来股票收益存在显著预测能力。胡聪慧等(2015)[10]采用A股上市公司数据验证了这一结论，并证实了集团公司股价变动的滞后性主要在于投资者关注度与处理能力有限性，以及行业估值的复杂性。向诚等(2018)[13]实证说明了行业内受关注度最高的30%公司组合的收益率，显著引领受关注度最低30%公司组合的未来收益率。段丙蕾等(2022)[9]认为行业关联回报率仅在月度层面显著，在周度层面不显著。同时，Parsons和Sabbatucci(2018)[1]对于行业关联公司的收益预测能力的有效性提出质疑。他们认为，随着证券分析师覆盖率不断提升，股票价格的有效性增强；随着个股证券分析师重复率上升，股票价格反映的行业一致预期信息越多，因此基于行业关联构建的股票投资策略效果可能衰减。

对于科技关联信息，Lee等(2019)[6]构建科技关联指标并进行实证分析，研究结论表明科技关联企业的收益对研究企业的收益具有很强的预测能力。国内学者借鉴Lee等(2019)[6]的科技关联指标构建方法，研究该指标在我国股票市场的适用性。李绪泉等(2020)[11]的实证分析结果说明，A股市场存在科技溢出效应。段丙蕾等(2022)[9]进一步证明了科技关联因子仅在周度上具有显著收益预测能力，认为造成这一结果的原因在于A股市场中存在较多博彩倾向的散户投资者，该类投资者追涨杀跌的交易行为缩短了科技关联信息融入股价所需的时间。

对于供应链关联信息，Cohen和Frazzini(2008)[4]、Menzly和Ozbas(2010)[7]验证了公司客户信息能够有效预测公司未来股票收益。国内学者对于供应链关联相关研究相对较少，现有的研究成果也未提供在控制变量基础上，供应链关联能够有效预测股票收益的证据(段丙蕾等, 2022)[9]。

对于地理关联信息，Peng和Lin在其发表论文《Investor Attention, Overconfidence, and Category Learning》(Journal of Financial Economics, 2006)[8]中提出，总部位于同一地理区位的公司，会受到相同基本面因素的影响，从而这些公司股价都会对新信息作出反应。基于这一研究思路，Parsons和Sabbatucci在其发表论文《Geographic Lead-Lag Effects》(The Review of Financial Studies，2018)[1]中提出地理关联公司的概念，具体指与研究个股处于相同地理区位不同行业的所有上市公司。认为地理关联公司股票与目标股票的价格变动存在领先滞后关系（本文将此关系简称为地理关联度），前者对后者未来收益具有预测能力。并且采用面板数据回归方法，实证检验了这一结论。研究结果表明：（1）在控制行业影响基础上，地理关联公司的基本面因素（EPS、销售收入、雇员数量等）变动对目标股票的基本面变动具有显著的解释能力。（2）地理关联公司股票的平均收益对目标股票未来收益具有显著的预测能力，地理关联公司股票的平均收益越高，目标股票未来收益越高。（3）由于证券分析师通常是基于行业而非省份分类的，因此，共同分析师覆盖率提升并不会导致地理关联度的领先滞后关系减弱甚至消失。

上一篇研究报告《基于地理关联度因子研究——多因子Alpha系列报告之（四十三）》针对地理关联度因子的理论逻辑、因子构建与改进思路、因子在A股市场中的实际应用效果进行了全面的探讨。重点分析了基于学术论文《Geographic Lead-Lag Effects》构建的地理关联度因子存在的局限性，并且构造了六种改进的地理相关系数类因子。实证分析结论表明，报告中构建的GEOGCORR、GEOGCORRP与GEOGCORRIP共3种地理相关系数类因子的分档效果明显。

考虑到上述地理相关系数类因子在回溯测试中具有较好的表现，同时，理论研究表明行业关联度信息对于股票未来收益存在显著的区分能力，因此，本篇报告将沿用地理相关系数类因子的构建方法，构造行业相关系数类因子，并探讨这类因子在A股的有效性。

《基于地理关联度因子研究——多因子Alpha系列报告之（四十三）》报告共构建了相关系数、相关系数变动、相关系数拆解三大类共6种因子。其中，相关系数、相关系数拆解类因子回测表现相对较好。因此，本篇专题报告基于这两大类因子构造方法构建行业相关系数类因子。具体的因子定义、构造逻辑与计算方法如下。

本篇报告定义行业相关系数因子(INDUCORR)，用以度量个股与其行业关联(不同省份相同申万一级行业)公司股票之间的整体相关程度，具体由个股和行业关联公司股票相关系数均值表示。

以股票i在t月月末的行业相关系数因子为例，具体计算方式如下。首先，在全市场范围剔除t月的st股、*st股、停牌股以及上市不满一年的股票；其次，筛选出与股票i办公地所属省份不同、申万一级行业相同的全部共N支股票j，并分别计算与股票i在t月日频收益序列的皮尔森相关系数，即CORR_(i,j,t)。最后，对所有相关系数进行加权求和(若不做特殊说明，w_(j,t)均设置为1/N，即等权)，得到股票i在t月月末换仓日的行业相关系数因子INDUCORR_(i,t)。

选股范围：全市场

股票预处理：剔除非上市、摘牌、ST/*ST、涨跌停板、上市未满1年股票

因子预处理：MAD去极值、Z-Score标准化、行业市值中性化

回测区间：2010.01.01 – 2022.10.31

分档方式：根据当期股票的因子值，从小到大分为十档 

调仓周期：每个月最后一个交易日以收盘价

调仓交易费用：千分之三（卖出时收取）