本文来自方正证券研究所于2023年11月29日发布的报告《股票日内多空博弈激烈程度度量与“多空博弈”因子构建》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

股票日内的价格和成交量走势是多空双方投资者相互博弈的结果。一般来说，当某一方的力量较强时，股票短期内更有可能呈现出动量效应。但是，多空双方的分歧水平同样重要。从行为金融学的角度来看，当多空双方投资者之间的分歧程度较大时，无论短期内是多方投资者占优还是空方投资者主导，由于投资者之间的博弈程度较为激烈，股票都更有可能出现过度反应。

本文中我们将从分钟频交易数据出发，通过不同方式来衡量日内多空双方投资者的博弈激烈程度，以此来寻找在未来更有可能获得超额收益的股票，并据此构建了“多空博弈”因子。我们对“多空博弈”因子在月度频率上的选股效果进行测试，结果显示“多空博弈”因子表现较为出色，Rank IC为-9.73%，Rank ICIR为-5.51，多空组合年化收益率为40.12%，信息比率为4.51。此外，在剔除了常用的风格因子影响后，“多空博弈”因子仍然具有非常强的选股能力，Rank IC均值为-5.19%，Rank ICIR为-3.52，多空组合年化收益率为23.61%，信息比率3.12。

主流宽基指数中，“多空博弈”因子在沪深300、中证500、中证1000指数成分股内均表现不俗，Rank IC均值为-5.08%、-6.57%、-8.64%，多空组合年化收益率为18.23%、20.99%、36.19%。

在此前的多因子选股系列研究中，我们分别构建了“适度冒险”、“完整潮汐”、“勇攀高峰”、“球队硬币”、“云开雾散”、“飞蛾扑火”、“草木皆兵”、“水中行舟”、“花隐林间”、“待著而救”等10个量价因子。我们将“多空博弈”因子与上述因子正交化后简单等权合成为综合量价因子，其表现相较于单个因子大幅提升。综合量价因子Rank IC均值为-12.39%，Rank ICIR为-5.34，多空组合年化收益率为45.94%，信息比4.09%，月度胜率93.08%。

报告正文

股票日内的价格和成交量走势是多空双方投资者相互博弈的结果。一般来说，当某一方的力量较强时，股票短期内更有可能呈现出动量效应。但是，多空双方的分歧水平同样重要。从行为金融学的角度来看，当多空双方投资者之间的分歧程度较大时，无论短期内是多方投资者占优还是空方投资者主导，由于投资者之间的博弈程度较为激烈，股票都更有可能出现过度反应。

本文中我们将从分钟频交易数据出发，通过不同方式来衡量日内多空双方投资者的博弈激烈程度，以此来寻找在未来更有可能获得超额收益的股票，并据此构建了“多空博弈”因子。

2 “成交量博弈”因子构建及测试

多空双方投资者的博弈激烈程度刻画的是双方投资者对股票价格影响的激烈程度，多方投资者买入股票，从而抬升股票价格，空方投资者卖出股票，从而压低股票价格，因此，双方博弈的激烈程度一般会体现在收益率的波动或成交量的大小上，即收益率波动越大，或成交量越高，双方的博弈有可能越激烈。然而直接使用收益率的波动率或成交量的大小无法准确刻画博弈的激烈程度，因此本文中我们选择同时使用价格和成交量的数据对博弈激烈程度进行描述。

2.1 “成交量博弈-收益率”因子构建

我们根据日内分钟频收益率的方向和大小来判断当前时刻属于多方投资者还是空方投资者占据主导，以及占主导一方的相对力量大小。然后根据成交量来衡量当前时刻占据主导力量的一方的相对力量大小，再将两者相结合来刻画日内多空双方力量的博弈激烈程度，具体步骤如下：

1）对于每个股票，剔除开盘前5分钟以及收盘前3分钟数据，将每分钟成交量按照过去5分钟的收益率从小到大进行排序，获得排序后的1分钟成交量。

2）将上述排序后的每分钟成交量，累加求和，得到正序成交量之和，然后按照同样的方式，将每分钟成交量按照过去5分钟的收益率从大到小排序后再累加求和，得到倒序成交量之和。

3）将上述正序成交量减去倒序成交量之后再累加求和，即可得到日频因子“日成交量博弈-收益率”因子。

4）每月月底，首先对“日成交量博弈-收益率”因子进行均值距离化（截面标准化后减去均值并取绝对值），然后分别计算其过去20天的移动均值和标准差，记为“月均成交量博弈-收益率”因子和“月稳成交量博弈-收益率”因子，最后再将二者等权合成为“成交量博弈-收益率”因子。其中，“月均成交量博弈-收益率”因子表示过去20日相对市场均值的平均博弈激烈程度，而“月稳成交量博弈-收益率”因子则表示过去20日相对市场均值的博弈激烈程度的稳定性。

我们认为，“成交量博弈-收益率”因子能够有效地识别出多空双方的博弈激烈程度。首先，成交量可以较好地体现多空双方的交易积极程度，成交量越大，说明多方投资者的买入意愿和空方投资者的卖出意愿均越大，从而说明多空双方的分歧程度越大。其次，通过引入收益率大小排序信息对成交量进行加权，可以对日内不同时间的分歧程度进行区分，并对以成交量进行衡量的分歧程度进行调整。例如，若成交量较小而收益率较大，则说明此时多方投资者的相对力量更大，该时刻的分歧程度对日内整体的博弈激烈程度的影响则会相应地上调。因此，上述的计算方式可以更准确地衡量日内整体的多空博弈激烈程度。

在计算“月均”和“月稳”因子之前，我们还对“日成交量博弈-收益率”因子进行了进一步调整，这是由于我们认为多空博弈的激烈程度较高或者较低都不利于股票未来获得超额收益。若多空博弈的激烈程度较高，则说明市场目前对股票分歧较大，更有可能出现短期的过度反应，未来难以形成稳定的上涨行情；若多空博弈的激烈程度较低，则说明市场目前对股票的分歧较低，可能表示股票当前已经处于合理的价格区间，难以出现预期差。反之，若多空博弈的激烈程度适中，则说明市场目前对股票存在良性分歧，多空双方投资者都保持合适的交易积极性，股票未来更有可能出现超额收益。

我们首先在全市场非ST股票中进行测试，同时剔除上市不满半年的次新股，调仓频率为月频，分组数量为10组，各分组内部等权加权，测试区间为2013年1月至2023年10月底（下同），各细分因子及其合成因子表现如下：

从测试结果来看，上述三个因子Rank IC分别为-7.52%、-6.46%、-7.39%，Rank ICIR为-5.31、-5.51、-5.57，多空组合年化收益率为28.74%、25.29%、28.30%，选股效果较为出色。

2.2 “成交量博弈-日内相对位置”因子构建

在判断当前时刻占据主导的投资者类型时，除了日内分钟频收益率，我们还可以使用日内相对位置，具体步骤如下：

1）对于每个股票，将1分钟成交量按照当前日内相对位置从小到大进行排序，获得排序后的1分钟成交量，其中“日内相对位置”的定义为当前“相对此前最低位的涨幅”（对应图4红色线）和“相对此前最高位的跌幅”（对应图4绿色线）的平均值。

2）将上述排序后的每分钟成交量，累加求和，得到正序成交量之和，然后按照同样的方式，将每分钟成交量按照日内相对位置从大到小排序后再累加求和，得到倒序成交量之和。

3）将上述正序成交量减去倒序成交量后再累加求和，即可得到日频因子“日成交量博弈-日内相对位置”因子。

4）每月月底，对“日成交量博弈-日内相对位置”因子进行均值距离化，并分别计算过去20天的移动均值和标准差，分别记为“月均成交量博弈-日内相对位置”因子和“月稳成交量博弈-日内相对位置”因子，最后再将二者等权合成为“成交量博弈-日内相对位置”因子。其中，“月均成交量博弈-日内相对位置”因子表示过去20日的平均博弈激烈程度，而“月稳成交量博弈-日内相对位置”因子则表示过去20日博弈激烈程度的稳定性。

我们对“月均成交量博弈-日内相对位置”、“月稳成交量博弈-日内相对位置”和“成交量博弈-日内相对位置”因子在月度频率上进行选股效果测试，测试结果如下：

从测试结果来看，上述三个因子Rank IC分别为-7.71%、-6.98%、-7.64%，Rank ICIR为-5.21、-5.53、-5.45，多空组合年化收益率为30.84%、27.62%、31.10%，选股效果较为出色。

2.3 “成交量博弈”因子定义表现测试

我们将上述构造的“成交量博弈-收益率”因子和“成交量博弈-日内相对位置”因子等权合成，得到“成交量博弈”因子。

从合成因子表现来看，“成交量博弈”因子Rank IC为-7.98%，Rank ICIR为-5.61，多空组合年化收益率为30.76%，信息比率为4.24，选股效果较为出色。

3 “振幅博弈”因子构建及测试

与“成交量博弈”因子类似，我们在衡量多空双方投资者分歧程度时，将成交量指标替换为振幅指标，然后使用日内分钟频收益率的方向和大小判断双方投资者的主导地位和相对力量大小，构造“振幅博弈”因子，具体步骤如下：

1）对于每个股票，将1分钟振幅按照过去5分钟的收益率从小到大进行排序，获得排序后的1分钟振幅，其中振幅的定义为：振幅=（最高价-最低价）/收盘价。

2）将上述排序后的每分钟振幅，累加求和，得到正序振幅之和，然后按照同样的方式，将每分钟振幅按照过去5分钟的收益率从大到小排序后再累加求和，得到倒序振幅之和。

3）将上述正序振幅减去倒序振幅后再累加求和，即可得到日频因子“日振幅博弈”因子。

4）每月月底，先对日频因子进行均值距离化处理，再分别计算过去20天的“日振幅博弈”因子的均值和标准差，分别记为“月均振幅博弈”因子和“月稳振幅博弈”因子，最后再将二者等权合成为“振幅博弈”因子。其中，“月均振幅博弈”因子表示过去20日相对市场均值的平均博弈激烈程度，而“月稳振幅博弈”因子则表示过去20日相对市场均值的博弈激烈程度的稳定性。

我们对“振幅博弈”因子在月度频率上进行选股效果测试，测试结果如下：

从测试结果来看，“振幅博弈”因子Rank IC为-8.21%，Rank ICIR为-4.83，多空组合年化收益率为30.93%，信息比率为3.90，选股效果较为出色。

4 “多空博弈”因子构建及测试

4.1 “多空博弈”单因子表现测试

我们将上述构造的“成交量博弈”因子和“振幅博弈”因子等权合成，得到“多空博弈”因子。我们对“多空博弈”因子在月度频率上进行选股效果测试。

从合成因子表现来看，“多空博弈”因子Rank IC为-9.73%，Rank ICIR为-5.51，多空组合年化收益率为40.12%，信息比率为4.51，选股效果较为出色。对比两个细分因子的表现，“多空博弈”因子在Rank IC和多空收益上均有显著提升，说明通过成交量和振幅两个不同角度，能够更加全面地来刻画多空投资者的博弈激烈程度。

从十分组表现来看，各分组保持了较为严格的单调性，多头组合年化收益率24.85%，空头组合年化收益率-11.85%，整体区分能力较好。

分年度来看，“多空博弈”因子各年份表现均较为显著，大多数年份分组单调性较为明显。今年以来截至10月31日，多头组合上涨14.76%，空头组合下跌4.56%。

分行业来看，“多空博弈”因子在全部一级行业内都表现较为出色，大多数行业内Rank IC均值超过-8%。

4.2 剥离其他风格因子影响后“多空博弈”因子仍然表现较好

从上述测试结果来看，“多空博弈”因子选股能力出色，进一步，我们测试其与其他常见风格因子的相关性，如下图所示，“多空博弈”因子与流动性、波动率因子相关性较高，与其余因子相关性均较低。为进一步验证因子的增量信息，我们使用常用风格因子及行业因子对“多空博弈”因子进行正交化处理，得到“纯净多空博弈”因子，再检验其选股能力。

可以看到，在剔除了常用的风格因子影响后，“多空博弈”因子仍然具有较好的选股能力，Rank IC均值为-5.19%，Rank ICIR为-3.52，多空组合年化收益率为23.61%，信息比率3.12。

4.3 “多空博弈”因子在不同样本空间下的表现

为了检验“多空博弈”因子在其他样本空间下的选股表现，我们分别选取了沪深300成分股、中证500成分股、中证1000成分股作为股票池，测试其选股能力。可以看到，“多空博弈”因子在沪深300、中证500、中证1000指数成分股内均表现不俗，Rank IC均值为-5.08%、-6.57%、-8.64%，多空组合年化收益率为18.23%、20.99%、36.19%，多头组合年化超额收益分别为5.39%、4.70%和8.54%。

4.4 指数增强模型下“多空博弈”因子有效性检验

我们进一步通过指增模型来验证“多空博弈”因子在沪深300/中证500/中证1000/中证2000指数增强中的效果。这里我们仅通过“多空博弈”因子对股票收益进行打分预测，严格控制市值中性、行业中性、个股权重偏离在1%以内，同时约束指数成分股权重之和大于80%。

从组合历史表现来看，“多空博弈”因子在沪深300/中证500/中证1000/中证2000指数增强中均表现较好，年化超额收益分别为7.82%、10.48%、14.44%、13.99%。

5 高频因子低频化系列因子整体表现出色

5.1 “多空博弈”因子ICIR、多空收益表现优于其他因子

在此前的多因子选股系列研究中，我们分别构建了“适度冒险”、“完整潮汐”、“勇攀高峰”、“球队硬币”、“云开雾散”、“飞蛾扑火”、“草木皆兵”、“水中行舟”、“花隐林间”、“待著而救”等10个量价因子，其中除“球队硬币”因子数据源为日频数据外，其余所有因子均根据分钟频数据计算得到，为了降低因子换手率，我们对所有的因子进行了月度频率的平滑处理，即高频因子低频化处理。

1）“适度冒险”——《成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一》

2）“完整潮汐”——《个股成交量的潮汐变化及“潮汐”因子构建——多因子选股系列研究之二》

3）“勇攀高峰”——《个股波动率的变动及“勇攀高峰”因子构建——多因子选股系列研究之三》

4）“球队硬币”——《个股动量效应的识别及“球队硬币”因子构建——多因子选股系列研究之四》

5）“云开雾散”——《波动率的波动率与投资者模糊性厌恶——多因子选股系列研究之五》

6）“飞蛾扑火”——《个股股价跳跃及其对振幅因子的改进——多因子选股系列研究之六》

7）“草木皆兵”——《显著效应、极端收益扭曲决策权重和“草木皆兵”因子——多因子选股系列研究之八》

8）“水中行舟”——《个股成交额的市场跟随性与“水中行舟”因子——多因子选股系列研究之九》

9）“花隐林间”——《推动个股价格变化的因素分解与“花隐林间”因子——多因子选股系列研究之十》

10）“待著而救”——《大单成交后的跟随效应与“待著而救”因子——多因子选股系列之十一》

上述因子虽然由高频数据计算得到，但是在月度频率上仍然有较为出色的选股能力，以下为我们对十个量价因子的测试，测试区间为2013年1月至2023年10月底，可以看到，所有因子的Rank ICIR绝对值都在4.0以上。

从以上各因子之间的相关性来看，“多空博弈”因子与部分因子相关性较高，其中与“适度冒险”、“云开雾散”因子相关性分别为67.41%和61.80%。

5.2 “多空博弈”因子与其他量价因子合成后Rank IC提升至-12.39%

进一步我们将上述11个因子正交化后简单等权合成为综合量价因子，其表现相较于单个因子大幅提升。

综合量价因子Rank IC均值为-12.39%，Rank ICIR为-5.34，多空组合年化收益率为45.94%，信息比4.09%，月度胜率93.08%。

从分组表现来看，综合量价因子各年份表现均较为出色，多头组合年化收益率为27.95%，空头组合年化收益率为-14.58%，今年以来截至10月31日，多头组合上涨16.04%，空头组合下跌3.35%。

同样我们剔除常见风格因子影响后得到纯净综合量价因子，其Rank IC均值为-7.32%，Rank ICIR为-3.94，多空组合年化收益率为29.09%，信息比3.28，月度胜率82.17%，仍然非常有效。

5.3 周频调仓下综合量价因子多头组合年化收益达到40.71%

同样，我们在周度频率上对综合量价因子进行测试，自2013年以来截至2023年10月底，因子多头组合年化收益率约为40.71%，空头组合年化收益率为-23.75%。

5.4 高频因子低频化系列历史表现跟踪

今年以来，大多数因子表现仍然较为出色，截至2023年11月24日，11个细分因子等权合成的综合量价因子全市场十分组多空组合相对收益为19.83%，多头组合超额收益为10.28%。

6 风险提示

本报告基于历史数据分析，历史规律未来可能存在失效的风险；市场可能发生超预期变化；各驱动因子受环境影响可能存在阶段性失效的风险。

   方正金工团队  

 

曹春晓

方正证券研究所

金工首席分析师

曹春晓：南京大学金融工程硕士，9年金融工程研究经验。在多因子选股、风格轮动、行业配置、基金研究等领域具有丰富的研究经验，曾获得新财富、水晶球权威评选三次第二、三次第三。

刘洋：金融学硕士，7年基金评价研究经验，长期从事公募基金产品的研究和评价，连续多年担任公募基金业金牛奖评委。

陈泽鹏：布里斯托大学硕士，2年量化研究经验，在基本面量化、行业轮动、事件驱动策略有相关研究，擅长定量分析。

邓璐：厦门大学硕士，2年多基金研究经验，具备定性与定量结合的研究能力，擅长基金评价和基金产品研究。

庞敏：清华大学、新加坡国立大学金融学硕士，曾就职于买方，擅长数据挖掘与分析，主要研究方向为公募基金产品的定性评价。

近期报告

本篇文章来源于微信公众号: 春晓量化