机构行为alpha的细分结构:龙虎榜、机构调研、大宗交易 | 开源金工
开源证券金融工程首席分析师 魏建榕
摘要
龙虎榜机构专用与私募席位的alpha
机构专用分类:我们按照是否换手交易,将机构专用席位分为不换手机构专用和换手机构专用。逻辑上来讲,不换手机构专用能代表真实机构动向。换手机构专用近几年上榜交易频率增加,交易个股市值相对偏小,换手机构专用的协同营业部中伴随有量化私募身影。
机构专用事件收益:我们采用机构专用净流入金额、机构专用净流入占比、机构专用买卖席位数量等指标来刻画机构买入强度。不换手机构专用事件收益相对换手机构专用更优,其行为信息含量更高。在不换手机构专用样本内部,超额收益随交易强度单调变化。
私募营业部事件收益:量化私募营业部净流入2亿以上样本,区间正超额收益最高为+4.24% ;净流出1亿以上样本,区间负超额收益最低为-5.64%。权益私募营业部国信证券深圳振华路:买入额超过5000w样本20日超额收益为+4.84%,买入额超过1亿样本20日超额收益为+7.55%。
机构调研个股的超额收益
不同机构类型调研样本上,基金公司、投资公司等类型机构参与调研的样本占比靠前,其中基金公司调研样本超额收益表现相对较优。不同调研类型上,特定对象调研、电话会议占比最高,特定对象调研超额收益优于电话会议。
机构关注度影响机构调研收益水平。我们使用近期调研数量和机构持仓占比指标衡量被调研个股的机构关注度:近期被调研次数越少,超额收益整体越高;机构持仓占比越低,超额收益整体越高。
大宗交易信息蕴含的事件收益
大宗交易机构专用席位:在机构专用买入和卖出样本中,事件收益随着折溢价水平单调变化:买入样本中,低折溢价组正向超额收益显著,区间最高收益为2.1%;卖出样本中,折溢价高组负向超额收益显著,区间最低收益为-1.8%。
国信证券深圳振华路营业部:事件收益上,营业部20交易日整体超额收益为3.13%,成交额能够对样本进行有效分组:高买入额组20交易日超额收益为4.58%,低买入额组20交易日超额收益为1.67%。
机构行为的组合收益与景气赛道追踪
机构行为事件组合收益表现较优。我们从多头维度出发,构建机构行为事件组合。全时间区间内,组合年化收益率为30.9%,收益表现优于同期沪深300指数(15.2%)和中证500指数(20.3%),各净值指标也整体占优。
如何利用机构行为追踪新兴景气赛道:以龙虎榜机构专用为例,选择不换手机构专用,动态跟踪机构买入强度高的个股样本。若在特定细分行业出现多个高强度样本,这时辅助以主观信息与判断,则有可能对新兴景气赛道进行提前挖掘和跟踪,例如2021年以来的芯片、油运、火电、地产等不同细分赛道。
报告链接
点击文末阅读原文,提取码:kyjg
报告发布日期:2022-12-27
在股票市场中,各类机构参与者往往资金规模较大,相对具有投研能力优势和信息优势。机构行为动向中往往蕴含有丰富的alpha信息,因此如何跟踪和研究机构行为动向至关重要。目前市场上关于机构行为的各类研究中:基于公募基金持仓和个股机构股东信息的研究较多,但数据发布频率低且相对滞后;基于北向资金的研究已比较全面,开源金融工程团队领先市场推出了北向资金系列专题;基于大单资金流的指标,可用于监测机构交易行为,开源金工资金流系列专题已推出了大量独家的因子研究。本文的动机在于拓展信息和数据源,从龙虎榜、机构调研和大宗交易数据出发,进一步挖掘机构行为中的alpha信息。
01
龙虎榜机构专用与私募席位的alpha
龙虎榜能够反映当前市场热点的交易动向,各大上榜席位汇聚了市场上最活跃的资金力量。这其中也不乏各类机构资金的身影,包括机构专用席位、各类私募营业部席位等。我们以机构专用和私募营业部为例,分析机构交易行为和事件收益。
1.1、龙虎榜机构专用席位的alpha
1.1.1、不换手机构专用vs换手机构专用
机构专用席位是公募基金、保险等机构的专用交易席位,在龙虎榜买卖席位明细中,不同机构不作区分均以“机构专用”列示。2016年8月份之后,机构专用席位的交易活跃度逐渐提升。从机构专用席位月度上榜个股数量和成交额来看(图1), 机构专用月均上榜个股数量为870只,月均成交额280亿,可以发现:机构专用是龙虎榜上活跃的交易席位。
2021年以来机构专用交易风格相对偏向中小市值个股。从不同年份机构专用交易个股市值分布来看(图2),近两年高市值个股占比降低,中小市值个股占比提升,机构专用交易风格2021年以来相对偏向中小市值个股。
进一步,我们尝试对机构专用进行分类。机构一般被限制日内反向交易,理论上龙虎榜上交易呈现为单向交易(只买入或只卖出)。但我们观察到部分机构专用席位在日内存在换手交易的情形。我们按照当日是否换手交易,将机构专用分为不换手机构专用和换手机构专用。逻辑上来讲,不换手机构专用能代表真实机构动向。
换手机构专用近几年上榜交易频率增加,交易个股市值相对偏小。从两类机构专用交易占比来看(图3),近几年换手机构专用交易占比提升。机构专用上榜个股市值分布上(图4),换手机构专用相对不换手机构专用交易个股市值相对偏小。
换手机构专用的协同营业部中伴随有量化私募身影。我们在报告《量化私募交易行为识别:龙虎榜营业部的新视角》中,识别出了若干量化私募营业部交易席位。我们列示了与换手机构专用同时上榜次数靠前的营业部情况(表1),可以发现:排名靠前的部分营业部中,出现有量化私募营业部的身影。
1.1.2、龙虎榜机构专用alpha:不换手机构专用更优
事件收益的核心在于如何刻画机构专用的买入强度,我们采用机构专用净流入金额、机构专用净流入占比、机构专用买卖席位数量等指标来刻画机构买入强度。样本划分上,首先区分不换手机构专用与换手机构专用,进一步将两类样本分为净流入和净流出,分别进行测试。
不换手机构专用事件收益更优,其行为信息含量更高。从测试结果来看(图5):在净流入样本中,不换手机构专用的正向超额收益水平相对更高;在净流出样本中,不换手机构专用的负向超额收益水平相对更高。在两类机构专用中,不换手机构专用更能代表真实机构动向,其行为信息含量更高,事件收益相对更优。不换手机构专用的行为动向更值得关注。
不换手机构专用事件超额收益随净流入金额单调变化。我们对不换手机构专用净流入样本和净流出样本,分别进一步进行5分组测试(图6,图7;其中相对强弱为多头组合空头组的相对收益差,下同)。在净流入和净流出样本中,随着净流入金额增加,超额收益呈现单调变化:净流入最高组20日累计正向超额收益为+8.76%,净流出最高组20日累计负向超额收益为-5.56%。
我们使用机构专用买卖席位数量衡量机构买卖强度。从不换手机构专用买卖数量的样本分布上看(图8),买入/卖出1个席位样本占比最高。我们按照机构专用买卖数量分组测试事件收益(图9)。随着机构专用买卖席位由负转正逐渐增大,不同分组超额收益整体单调变化。机构专用买卖数量能够很好的衡量机构买卖强度。
机构关注度越高,机构专用事件超额收益整体越强。我们使用近期调研数量和机构持仓占比指标,来衡量个股的机构关注度,并按照不同指标进行分组,测试事件收益(图10,图11)。机构持仓占比方面,在不换手机构专用净流入样本中,随着机构占比提升,超额收益逐渐增加。近期调研数量方面,在不换手机构专用净流入样本中,调研次数为0的样本超额收益最低。
1.2、龙虎榜私募营业部席位的alpha
1.2.1、量化私募营业部交易行为事件收益显著
上文说到,我们在报告《量化私募交易行为识别:龙虎榜营业部的新视角》中,识别出了量化私募营业部。从量化私募营业部上榜个股数量与成交额上看(图12),2020年以后量化私募营业部交易活跃度提升,2021下半年以来交易活跃度有所回落。从事件收益上看:量化私募营业部净流入2亿以上样本,区间正超额收益最高为+4.24% ;量化私募营业部净流出1亿以上样本,区间负超额收益最低为-5.64%。量化私募营业部交易行为事件收益显著。
1.2.2、权益私募营业部识别:国信证券深圳振华路
我们通过比对个股季报前十大股东和大宗交易明细,匹配出国信证券深圳振华路营业部为知名私募基金经理GY_FL的交易席位。从2017年以来国信证券深圳振华路买入金额样本分布上看(图14,剔除1000w以下样本),营业部交易较为活跃,买入额超过5000w样本为29次。从事件收益上看(图15),营业部买入额超过5000w样本20日超额收益为+4.84%,营业部买入额超过1亿样本20日超额收益为+7.55%。我们也看了具体各个样本的收益情况,整体超额收益较为均匀。国信证券深圳振华路营业部买入行为超额收益显著。
举例来看,从龙虎榜买入明细可以发现,国信证券深圳振华路营业部在20210419大笔买入天齐锂业(002466.SZ)买入金额为4.2亿元。这表明该席位背后机构看好新能源上游锂资源行情。以20210419收盘价42.19计算,股价后续最高涨到143.17,最大涨幅为239.3%。
02
机构调研个股的超额收益
2.1、不同类型机构调研事件收益存在差异
我们在专题报告《机构调研个股的潜在超额收益的挖掘》中,对不同分类机构调研数据的alpha进行了事件收益测试。
从不同机构类型调研样本占比上看(图18),基金公司、投资公司等类型机构参与调研的样本占比靠前。不同机构类型调研事件收益表现上(图19),不同类型机构超额收益存在差异,其中基金公司调研样本超额收益表现相对较优。我们认为背后原因可能和不同机构的定价权差异有关:考虑到基金公司整体规模相对较大,假设在认可被调研公司逻辑的基础之上,其资金规模会对个股产生相对更大的正向冲击。
我们同样使用近期调研数量和机构持仓占比这两个指标,来衡量被调研个股的机构关注度。从近3个月被调研数量的样本分布上(图22),主要样本集中在0、1、2次。事件收益上,整体上被调研次数越少超额收益越高,调研0次样本超额收益最高为1.72%(图23)。
从机构持仓占比维度来看,所有样本的平均机构持仓占比水平为10.8%。我们按照机构持仓占比,对样本进行分组,并分组测算事件收益(图25)。机构持仓占比越低,个股超额收益水平整体越高,其中高机构占比组超额收益水平显著降低。结合上文近期调研数量分组的结论,我们可以大致得出结论:机构关注度低的个股在被调研后,可能蕴含有更高的alpha。
03
大宗交易信息蕴含的事件收益
3.1、大宗交易机构专用席位:交易行为与超额收益
机构专用作为大宗交易中比较活跃的席位,能够代表机构在大宗交易上的行为动向。在大宗交易中,机构专用月度买卖成交额水平较高(图26)。在大宗交易折溢价水平上,机构专用买入和卖出整体处于折价水平(图27)。
事件收益测算上,我们可以参考龙虎榜机构专用的买卖强度刻画方法,比如:机构专用数量、净买卖金额等指标,进一步进行分组测试。由于思路方法比较一致,这里不再赘述。我们从交易折溢价水平出发,对机构专用买入和卖出样本分别进行分组,测试不同样本事件收益(图28,图29)。
在机构专用买入和卖出样本中,事件收益水平随着折溢价水平单调变化。在机构专用大宗买入样本中,低折溢价组正超额收益显著,区间最高收益为2.1%;在机构专用大宗卖出样本中,折溢价高组负超额收益显著,区间最低收益为-1.8%。
在大宗交易中,知名私募基金经理GY_FL席位国信证券深圳振华路营业部交易较为频繁。我们统计了该营业部2017年以来大宗交易买入情况(图30),主要交易发生在2019年以后。特别是在2020年,营业部某些月份成交额甚至超过30亿。
我们列示了营业部买入额靠前的20只股票明细,以及对应平均买入折溢价水平。从折溢价水平上看,不同个股买入均处于折价水平,因此营业部通过大宗交易买入的目的可能是低价获取个股筹码。例如中兴通讯的平均折价水平为-17.7%,整体买入成本要显著低于市场价格。
事件收益上,我们测算了营业部买入的整体收益,并按照成交额分为高买入额和低买入额两组进行事件收益测试(图31)。营业部20交易日整体超额收益为3.13%,成交额能够对样本进行有效区分:高买入额组20日超额收益为4.58%,低买入额组20日超额收益为1.67%。
04
机构行为的组合收益与景气赛道追踪
4.1、机构行为事件组合收益表现较优
我们可以基于不同机构的交易行为,多重思路构建机构行为事件组合。多头维度上,龙虎榜机构专用买入、龙虎榜私募买入(量化+主动)、机构调研、大宗交易机构专用买入、大宗交易私募席位买入事件均具有正向超额收益;空头维度上,龙虎榜机构专用卖出、龙虎榜量化私募卖出、大宗交易机构专用卖出事件均具有负向超额收益。
这里我们从多头维度出发,构建机构行为事件组合。我们将上述具有正向超额收益行为事件进行简单筛选与叠加,其中龙虎榜机构专用买入样本持仓10交易日,其余样本持仓20交易日。组合内不同个股交易考虑了不同事件次日的可交易性、次日收益用日内收益率代替以及资金在个股间分配的成本等因素。
从机构行为事件组合收益上看(图32,表3):全时间区间内,组合年化收益率为30.9%,收益表现优于同期沪深300指数(15.2%)和中证500指数(20.3%),各净值指标也整体占优。但从不同时间区间来看,相对超额水平存在波动,这与事件收益类策略的样本分布和风格偏离有关。
4.2、如何追踪新兴景气赛道:以龙虎榜机构专用为例
最后我们尝试提出一种量化与主动结合的思路。以龙虎榜机构专用为例:我们选择代表真实机构的不换手机构专用,动态跟踪机构买入强度高的个股样本,这里的高强度可以从净买入额、买入席位数量、净买入成交额占比等维度刻画。若在特定行业或赛道出现多个高强度样本,这时辅助以主观信息与判断,则有可能对新兴景气赛道进行提前挖掘和跟踪。下表列举了2021年以来的部分案例,主要包括芯片、油运、火电、地产等不同板块和细分赛道。虽然不同阶段识别需要结合主观,但我们觉得这为景气赛道的判断和把握提供了一个重要的参考维度。
05
风险提示
模型测试基于历史数据,市场未来可能发生变化。
end
团队介绍
开源证券金融工程团队,致力于提供「原创、深度、讲逻辑、可验证」的量化研究。团队负责人:魏建榕,开源证券研究所所长助理、金融工程首席分析师、金融产品研究中心负责人,复旦大学理论物理学博士,浙江大学金融硕士校外导师、复旦大学金融专硕校外导师。专注量化投资研究10余年,在实证行为金融学、市场微观结构等研究领域取得了多项原创性成果,在国际学术期刊发表论文7篇。代表研报《蜘蛛网CTA策略》系列、《高频选股因子》系列、《因子切割论》系列,在业内有强烈反响。2016年获新财富最佳分析师第6名、金牛分析师第5名、水晶球分析师第6名、第一财经最佳分析师第5名。团队成员:魏建榕/张翔/傅开波/高鹏/苏俊豪/胡亮勇/王志豪/盛少成/苏良/何申昊。
本篇文章来源于微信公众号: 建榕量化研究