高阶量价因子5月回撤，APM模型仍录正收益 | 开源金工

admin1年前 (2023-06-07)研报704

开源证券金融工程首席分析师  魏建榕

执业证书编号：S0790519120001

开源证券金融工程分析师  高鹏（联系人）

微信号：13951784990

执业证书编号：S0790520090002

研究领域：基金研究、因子模型

开源证券金融工程研究员  盛少成（联系人）

微信号：15000762026

执业证书编号：S0790121070009

研究领域：因子模型、基本面量化

摘要

Barra风格因子表现跟踪

通过对Barra风格因子2023年5月收益测算可以发现：从大/小盘风格来看，小盘风格占优，5月市值因子录得了-3.13%的收益。从价值/成长维度看，价值风格略微占优，账面市值比因子录得了0.16%的收益，成长因子录得了-0.24%的收益。

开源交易行为因子概述

稳健的交易行为模式中，蕴藏有稳健的alpha源。我们基于交易行为的理念，陆续提出了理想反转因子、聪明钱因子、APM因子、理想振幅因子等独家选股因子，受到量化投资同行的认可。我们将上述因子汇总在一起，做定期的跟踪，以及时监控交易行为类因子的动态表现。

开源交易行为四因子的全历史表现

在全历史区间，理想反转、聪明钱、APM、理想振幅因子的IC分别为-0.053、-0.035、0.033、-0.056，rankIC分别为-0.065、-0.058、0.036、-0.075，信息比率分别为2.71、2.73、2.48、3.16，多空对冲月度胜率分别为78.5%、80.0%、80.0%、86.6%。开源交易行为合成因子在全历史区间的IC均值为0.072，多空对冲信息比率3.61，多空对冲月度胜率为83.0%。

5月份：理想反转、聪明钱、理想振幅录得负收益，APM录得正收益

2023年5月份，理想反转因子多空对冲收益为-0.14%，聪明钱因子多空对冲收益为-0.46%，APM因子多空对冲收益为0.58%，理想振幅因子多空对冲收益为-2.02%，开源交易行为合成因子多空对冲收益为-0.34%。

报告链接

点击文末阅读原文，提取码：kyjg

报告发布日期：2023-06-06

Barra风格因子表现跟踪

图1展示了常见Barra风格因子在2023年5月的收益。从大/小盘风格来看，小盘风格占优，5月市值因子录得了-3.13%的收益。从价值/成长维度看，价值风格略微占优，账面市值比因子录得了0.16%的收益，成长因子录得了-0.24%的收益。

开源交易行为因子概述

稳健的交易行为模式中，蕴藏有稳健的alpha源。循着这一研究理念，我们陆续提出了一系列基于交易行为的选股因子，受到量化投资同行的认可。其中：理想反转因子的交易行为逻辑是，A股反转之力的微观来源是大单成交，通过每日平均单笔成交金额的大小，可以切割出反转属性最强的交易日；聪明钱因子的交易行为逻辑是，从分钟行情数据的价量信息中，可以识别出机构参与交易的多寡，进而构造出跟踪聪明钱的因子；APM因子的交易行为逻辑是，在日内的不同时段，交易者的行为模式不同，反转强度也相应有所不同；理想振幅因子的交易行为逻辑是，基于股价维度可以对振幅进行切割，不同价态下振幅因子所蕴含的信息存在结构性差异。我们将上述因子汇总在一起，做定期的跟踪，以及时监控交易行为类因子的动态表现。

开源交易行为因子的绩效回顾

3.1 理想反转因子5月份多空对冲收益为-0.14%

图2展示了行业市值中性化后的理想反转因子多空对冲净值曲线，最新数据截止到2023年5月31日（下同）。在全历史区间内，理想反转因子的IC均值为-0.053，rankIC均值为-0.065，信息比率为2.71，多空对冲月度胜率为78.5%。2023年5月份，理想反转因子的多空对冲收益为-0.14%，近12个月的多空对冲月度胜率为75.0%。

3.2 聪明钱因子5月份多空对冲收益为-0.46%

图4展示了行业市值中性化后的聪明钱因子多空对冲净值曲线。在全历史区间内，聪明钱因子的IC均值为-0.035，rankIC均值为-0.058，信息比率为2.73，多空对冲月度胜率为80.0%。2023年5月份，聪明钱因子的多空对冲收益为-0.46%，近12个月的多空对冲月度胜率为75.0%。

3.3 APM因子5月份多空对冲收益为0.58%

图6展示了行业市值中性化后的APM因子多空对冲净值曲线。在全历史区间内，APM因子的IC均值为0.033，rankIC均值为0.036，信息比率为2.48，多空对冲月度胜率为80.0%。2023年5月份，APM因子的多空对冲收益为0.58%，近12个月的多空对冲月度胜率为91.7%。

3.4 理想振幅因子5月份多空对冲收益为-2.02%

图8展示了行业市值中性化后的理想振幅因子多空对冲净值曲线。在全历史区间内，理想振幅因子的IC均值为-0.056，rankIC均值为-0.074，信息比率为3.16，多空对冲月度胜率为86.6%。2023年5月份，理想振幅因子的多空对冲收益为-2.02%，近12个月的多空对冲月度胜率为75.0%。

开源交易行为合成因子的绩效回顾

本小节我们对上述交易行为因子进行合成，并对合成因子进行绩效分析。因子值方面，我们将上述交易行为因子在行业内进行因子去极值与因子标准化。因子权重方面，我们滚动选取过去12期因子ICIR值作为权重，加权形成交易行为合成因子。

图10展示了行业市值中性化后的交易行为合成因子多空对冲净值曲线和多头对冲各组均值组合的净值曲线。在全历史区间内，合成因子的IC均值为0.072，rankIC均值为0.096，多空对冲信息比率3.61，多空对冲月度胜率为83.0%。2023年5月份，合成因子的多空对冲收益为-0.34%，近12个月的多空对冲月度胜率为83.3%。

在全历史区间内，多头对冲组均值的年化收益率为9.23%，收益波动比为2.87，月度胜率为83.0%。

值得一提的是，合成因子在中证1000中的表现，要优于在中证800中，全历史区间内的信息比率分别为3.44和1.24（图12）。

开源交易行为因子的构造方法

5.1 理想反转因子的构造方法

理想反转因子是对传统反转因子进行W式切割得到的，具体步骤如下：

（1）对选定股票，回溯取其过去20日的数据；

（2）计算该股票每日的平均单笔成交金额（成交金额/成交笔数）；

（3）单笔成交金额高的10个交易日，涨跌幅加总，记作 $M_{high}$ ；

（4）单笔成交金额低的10个交易日，涨跌幅加总，记作 $M_{low}$ ；

（5）理想反转因子 $M = M_{high}–M_{low}$ ;

（6）对所有股票，都进行以上操作，计算各自的理想反转因子 $M$ 。

详细构造步骤请参考开源金工专题研究报告《A股反转之力的微观来源》

5.2 聪明钱因子的构造方法

聪明钱因子用来衡量聪明钱参与交易的相对价位高低，具体步骤如下：

（1）对选定股票，回溯取其过去10日的分钟行情数据；

（2）构造指标 $S_t=|R_t |/(V_t)^{0.25}$ ，其中 $R_t$ 为第t分钟涨跌幅， $V_t$ 为第t分钟成交量；

（3）将分钟数据按照指标 $S_t$ 从大到小进行排序，取成交量累积占比前20%的分钟，视为聪明钱交易；

（4）计算聪明钱交易的成交量加权平均价 $VWAP_{smart}$ ；

（5）计算所有交易的成交量加权平均价 $VWAP_{all}$ ；

（6）聪明钱因子 $Q=VWAP_{smart}/VWAP_{all}$ 。

详细构造步骤请参考开源金工专题研究报告《聪明钱因子模型的2.0版本》

5.3 APM因子的构造方法

APM因子用来衡量股价行为上午（或隔夜）与下午的差异程度，具体步骤如下：

（1）对选定股票，回溯取其过去20日数据，记逐日隔夜的股票收益率为 $r_t^{am}$ ，隔夜的指数收益率为 $R_t^{am}$ ；逐日下午的股票收益率为 $r_t^{pm}$ ，下午的指数收益率为 $R_t^{pm}$ ；

（2）将得到的40组隔夜与下午 $(r,R)$ 的收益率数据进行回归： $r_i=\alpha+\beta R_i + \epsilon_i$ ，得到残差项 $\epsilon_i$ ；

（3）以上得到的40个残差 $\epsilon_i$ 中，隔夜残差记为 $\epsilon_t^{am}$ ，下午残差记为 $\epsilon_t^{pm}$ ，进一步计算每日隔夜与下午残差的差值 $\delta_t=\epsilon _t^{am}-\epsilon _t^{pm}$ ；

（4）构造统计量 $stat$ 来衡量隔夜与下午残差的差异程度，计算公式如下（𝜇为均值，𝜎为标准差）：

$stat=\frac{\mu (\delta_t)}{\sigma(\delta_t)/\sqrt N}$

(5)为了消除动量因子影响，将统计量stat对动量因子进行横截面回归： $stat_j=bRet20_j+\epsilon_j$ ，其中 $Ret20$ 为股票过去20日的收益率，代表动量因子；

（6）将回归得到的残差值 $\epsilon$ 作为APM因子。

详细构造步骤请参考开源金工专题研究报告《APM因子模型的进阶版》

5.4 理想振幅因子的构造方法

理想振幅因子用来衡量股票高价态和低价态振幅信息差异程度，具体步骤如下：

（1）对选定股票，回溯取其最近20个交易日数据，计算股票每日振幅（最高价/最低价-1）；

（2）选择收盘价较高的25%有效交易日，计算振幅均值得到高价振幅因子 $V_{high}$ ；

（3）选择收盘价较低的25%有效交易日，计算振幅均值得到低价振幅因子 $V_{low}$ ；

（4）将高价振幅因子 $V_{high}$ 与低价振幅因子 $V_{low}$ 作差，得到理想振幅因子 $V=V_{high}-V_{low}$ 。

详细构造步骤请参考开源金工专题研究报告《振幅因子的隐藏结构》

风险提示

模型测试基于历史数据，市场未来可能发生变化。

相关报告回顾（可点击链接）：

[1] 市场微观结构研究 | A股反转之力的微观来源

[2] 市场微观结构研究 | 交易行为因子的2019年

[3] 市场微观结构研究 | 聪明钱因子模型的2.0版本

[4] 市场微观结构研究 | APM因子模型的进阶版

[5] 市场微观结构研究 | 振幅因子的隐藏结构

更多交流，欢迎联系：

开源证券金融工程团队 | 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

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。

法律声明

Legal Notices

开源证券股份有限公司是经中国证监会批准设立的证券经营机构，具备证券投资咨询业务资格。

本报告仅供开源证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。本报告是发送给开源证券客户的，属于商业秘密材料，只有开源证券客户才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。

本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。若本报告的接收人非本公司的客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。

本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。

开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。

本报告的版权归本公司所有。本公司对本报告保留[文]一切权利。除非另有书面显示，否则本报告中的所[章]有材料的版权均属本公司。未经本公司事先书面授[来]权，本报告的任何部分均不得以任何方式制作任何[自]形式的拷贝、复印件或复制品，或再次分发给任何[1]其他人，或以任何侵犯本公司版权的其他方式使用[7]。所有本报告中使用的商标、服务标记及标记均为[量]本公司的商标、服务标记及标记。

开源证券股份有限公司

地址：西安市高新区锦业路1号都市之门B座5层

邮编：710065

电话：029-88365835

传真：029-88365835