广发证券-陈原文-量化投资专题-基于个股羊群效应的选股因子研究-高频数据因子研究系列三-2020-05-05 (2).pdf

识别风险，发现价值 请务必阅读末页的免责声明 1 1/4343 Table_Page 金融工程|量化投资专题 2020 年 5 月 5 日 证券研究报告 基于基于个股羊群效应个股羊群效应的选股因子研究的选股因子研究 高频数据高频数据因子研究系列因子研究系列三三 报告摘要报告摘要：传统多因子选股。传统多因子选股。在国内 A 股市场，传统的多因子量化选股模型得到了广泛的应用，在实际表现中，传统的多因子模型在过去几年中也表现出较为稳定的超额收益率。但随着传统多因子模型应用越来越广泛，历史长期有效的因子逐渐失效，对新因子的挖掘提出了迫切的需求。新因子挖掘。新因子挖掘。传统的因子指标挖掘主要集中于财务报表、个股中低频率的价量等相关的数据维度，而这部分数据维度的增量价值的挖掘已逐渐饱和，需从其他新的数据维度中挖掘新的因子指标，本篇报告从个股日内高频数据出发尝试挖掘出新的因子指标。基于基于个股个股高频数据高频数据的的因子构建因子构建。本篇专题结合个股在微观市场结构中的特征，采用 LSV 模型刻画个股的羊群效应程度，其中利用个股日内高频交易明细区分主动买卖单，从而能够计算出特定股票买卖双方的相对强弱。策略实证结果分析策略实证结果分析。在实证区间内，本篇专题报告对因子指标的有效性在不同股票样本池里进行了较为详细测算。实证结果表明，因子指标在全市场、中证 800 指数成分股、中证 500 指数对个股收益率区分度较为明显，且分档收益单调性也较为明显。在周频调仓下，因子指标在全市场范围内选股，从 2007 年至今 IC 均值为 0.047，正 IC 占比为 69.90%。全市场多头组合在回测期内表现优异，对冲中证 500 指数之后年化收益率为 24.61%，年化波动率为 9.30%，信息比率为 2.59。利用 LSV 模型计算得到的因子经过去极值、中性化和标准化处理之后，策略结果得到改善。在周频调仓下，全市场多头组合对冲中证 500 指数之后的年化收益率为 24.98%，年化波动率为 8.62%，信息比率为2.84。在沪深 300 指数成分股内选股表现改善也较为明显。核心假设风险核心假设风险。本文所做的数据测算完全基于过去数据的推演，市场未来环境可能发 生变化。投资者制定投资策略时，必须结合市场环境和自身投资理念。图图：因子在全市场因子在全市场选股表现选股表现 数据来源：Wind,广发证券发展研究中心 图：图：因子在因子在中证中证 500 中中选股表现选股表现 数据来源：Wind,广发证券发展研究中心 分析师：分析师：陈原文 SAC 执证号：S0260517080003 0755-82797057 分析师：分析师：罗军 SAC 执证号：S0260511010004 020-66335128 分析师：分析师：安宁宁 SAC 执证号：S0260512020003 SFC CE No.BNW179 0755-23948352 请注意，陈原文,罗军并非香港证券及期货事务监察委员会的注册持牌人，不可在香港从事受监管活动。相关研究：相关研究：基于日内高频数据的短周期选股因子研究-高频数据因子研究系列二 2019-08-15 基于日内高频数据的短周期选股因子研究-高频数据因子研究系列一 2019-05-06 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 2 2/4343 Table_PageText 金融工程|量化投资专题 目录索引目录索引 一、引言.5（一）传统多因子研究.5（二）羊群效应.8 二、因子构建.9 三、实证分析.10（一）数据说明.10（二）策略构建.10（三）实证分析全市场选股.10（四）实证分析中证 800 内选股.14（五）实证分析中证 500 内选股.17（六）实证分析沪深 300 选股.20 四、因子进一步处理和分析.23（一）因子处理.23（二）处理后因子分板块表现.24（三）行业中性后分板块表现.35 五、总结.41 六、风险提示.41 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 3 3/4343 Table_PageText 金融工程|量化投资专题 图表索引图表索引 图 1：广发金融工程多因子选股框架一览.5 图 2：广发金融工程多因子选股平台一览.5 图 3：广发金融工程多因子选股平台框架一览.6 图 4：全市场三个月股价反转因子历史多空收益率表现一览.6 图 5：全市场三个月股价反转因子 IC 表现一览.7 图 6：全市场流通市值因子历史多空收益率表现一览.7 图 7：全市场流通市值因子 IC 表现一览.7 图 8:全市场选股 IC 值走势一览.11 图 9：全市场分组回测结果.12 图 10：全市场选股-对冲中证 500 指数策略净值走势表现一览.13 图 11：中证 800 内选股 IC 值走势一览.14 图 12：中证 800 内分组回测结果.15 图 13：中证 800 内选股-对冲中证 800 指数策略净值走势表现一览.16 图 14：中证 500 内选股 IC 值走势一览.17 图 15：中证 500 内分组回测结果.18 图 16：中证 500 内选股-对冲中证 500 指数策略净值走势表现一览.19 图 17：沪深 300 内选股 IC 值走势一览.20 图 18：沪深 300 内分组回测结果.21 图 19：沪深 300 内选股-对冲沪深 300 指数策略净值走势表现一览.22 图 20：处理后因子-全市场内选股 IC 值走势一览.24 图 21：处理后因子-全市场选股-对冲中证 500 指数策略净值走势表现一览.26 图 22：处理后因子-中证 800 内选股-IC 值走势一览.27 图 23：处理后因子-中证 800 内选股-对冲中证 800 指数策略净值走势.28 图 24：处理后因子-中证 500 内选股 IC 值走势一览.29 图 25：处理后因子-中证 500 内选股-对冲中证 500 指数策略净值走势.31 图 26：处理后因子-沪深 300 内选股 IC 值走势一览.32 图 27：处理后因子-沪深 300 内选股-对冲沪深 300 指数策略净值走势.33 图 28：行业中性-全市场选股-对冲中证 500 指数策略净值走势.35 图 29：行业中性-中证 800 内选股-对冲中证 800 指数策略净值走势.37 图 30：行业中性-中证 500 内选股-对冲中证 500 指数策略净值走势.38 图 31：行业中性-沪深 300 内选股-对冲沪深 300 指数策略净值走势.40 表表 1：广发金融工程大数据研究报告一览：广发金融工程大数据研究报告一览.8 表表 2:全市场选股全市场选股 IC-表现表现.11 表表 3：全市场选股：全市场选股-IC 分年度表现一分年度表现一览览.11 表表 4：全市场选股：全市场选股-分年度换手率统计分年度换手率统计.12 表表 5：全市场多头：全市场多头-对冲分年度表现一览对冲分年度表现一览.13 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 4 4/4343 Table_PageText 金融工程|量化投资专题 表表 6：中证：中证 800 内选股内选股 IC-表现表现.14 表表 7：中证：中证 800 内选股内选股-IC 分年度表现一览分年度表现一览.14 表表 8：中证：中证 800 内选股内选股-分年度换手率统计分年度换手率统计.15 表表 9：中证：中证 800 多头多头-对冲分年度表现一览对冲分年度表现一览.16 表表 10：中证：中证 500 内选股内选股 IC-表现表现.17 表表 11：中证：中证 500 内选股内选股-IC 分年度表现一览分年度表现一览.17 表表 12：中证：中证 500 内选股内选股-分年度换手率统计分年度换手率统计.18 表表 13：中证：中证 500 内多头内多头-对冲分年度表现一览对冲分年度表现一览.19 表表 14:沪深沪深 300 内选股内选股 IC-表现表现.20 表表 15：沪深：沪深 300 内选股内选股-IC 分年度表现一览分年度表现一览.20 表表 16：沪深：沪深 300 内选股内选股-分年度换手率统计分年度换手率统计.21 表表 17：沪深：沪深 300 内多头内多头-对冲分年度表现一览对冲分年度表现一览.22 表表 18：处理后因子选股：处理后因子选股 IC-表现表现.23 表表 19：各板块对冲策略结果表现：各板块对冲策略结果表现一览一览.24 表表 20:处理后因子处理后因子全市场选股全市场选股 IC-表现表现.24 表表 21：处理后因子：处理后因子-全市场选股全市场选股-IC 分年度表现一览分年度表现一览.25 表表 22：处：处理后因子理后因子-全市场选股全市场选股-分年度换手率统计分年度换手率统计.25 表表 23：处理后因子：处理后因子-全市场多头全市场多头-对冲分年度表现一览对冲分年度表现一览.26 表表 24：处理后因子：处理后因子-中证中证 800 内选股内选股 IC-表现表现.27 表表 25：处理后因子：处理后因子-中证中证 800 内选股内选股-IC 分年度表现一览分年度表现一览.27 表表 26：处理后因子：处理后因子-中证中证 800 内选股内选股-分年度换手率统计分年度换手率统计.28 表表 27：处理后因子：处理后因子-中证中证 800 多头多头-对冲分年度表现一览对冲分年度表现一览.29 表表 28：处理后因子：处理后因子-中证中证 500 内选股内选股 IC-表现表现.29 表表 29：处理后：处理后因子因子-中证中证 500 内选股内选股-IC 分年度表现一览分年度表现一览.30 表表 30：处理后因子：处理后因子-中证中证 500 内选股内选股-分年度换手率统计分年度换手率统计.30 表表 31：处理后因子：处理后因子-中证中证 500 内多头内多头-对冲分年度表现一览对冲分年度表现一览.31 表表 32:处理后因子处理后因子-沪深沪深 300 内选股内选股 IC-表现表现.32 表表 33：处理后因子：处理后因子-沪深沪深 300 内选股内选股-IC 分年度表现一览分年度表现一览.32 表表 34：处理后因子：处理后因子-沪深沪深 300 内选股内选股-分年度换手率统计分年度换手率统计.33 表表 35：处理后因子：处理后因子-沪深沪深 300 内多头内多头-对冲分年度表现一览对冲分年度表现一览.34 表表 36：处理后因子选股且行业中性：处理后因子选股且行业中性-换手率统计换手率统计.34 表表 37：行业中性后各板块对冲策略结果表现一览：行业中性后各板块对冲策略结果表现一览.34 表表 38：行业中性：行业中性-全市场选股全市场选股-分年度换手率统计分年度换手率统计.35 表表 39：行业中性：行业中性-全市场多头全市场多头-对冲分年度表现一览对冲分年度表现一览.36 表表 40：行业中性：行业中性-中证中证 800 内选股内选股-分年度换手率统计分年度换手率统计.36 表表 41：行业中性：行业中性-中证中证 800 多头多头-对冲分年度表现一览对冲分年度表现一览.37 表表 42：行：行业中性业中性-中证中证 500 内选股内选股-分年度换手率统计分年度换手率统计.38 表表 43：行业中性：行业中性-中证中证 500 内多头内多头-对冲分年度表现一览对冲分年度表现一览.39 表表 44：行业中性：行业中性-沪深沪深 300 内选股内选股-分年度换手率统计分年度换手率统计.39 表表 45：行业中性：行业中性-沪深沪深 300 内多头内多头-对冲分年度表现一览对冲分年度表现一览.40 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 5 5/4343 Table_PageText 金融工程|量化投资专题 一、一、引言引言（一）传统多因子研究（一）传统多因子研究 传统的多因子选股策略在国内市场上广泛应用，在过去几年中传统的多因子选股策略在实际运作中取得了较为稳定的超额收益率。在国内市场中，传统的多因子选股框架中，从2007年至今较为有效的因子主要是反转类以及市值类的因子。在传统的多因子研究框架中，对因子的挖掘主要集中于上市公司财务报表、分析师预期相关数据以及相对频率较低的价量数据（如开盘价、收盘价、成交额等日频、周频相关的数据维度），调仓的频率也往往集中于月度频率等相对低频的调仓频率。图图 1：广发金融广发金融工程多因子选股框架工程多因子选股框架一览一览 数据来源：广发证券发展研究中心 图图 2：广发金融广发金融工程多因子选股工程多因子选股平台一览平台一览 数据来源：广发证券发展研究中心 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 6 6/4343 Table_PageText 金融工程|量化投资专题 图图 3：广发金融：广发金融工程多因子选股工程多因子选股平台框架一览平台框架一览 数据来源：广发证券发展研究中心 随着国内市场中对传统多因子选股的应用越来越广泛，以往有效的因子逐渐失效，而且对中低频率价量相关的数据以及财务报表等数据的因子挖掘已经逐渐饱和，已有的数据维度上增量价值信息有限，很难再在当前维度的数据中挖掘出持续有效的新维度的因子，对新的因子的挖掘提出了迫切的需求。同时，在国内市场中，由于小市值效应的长期较为显著的影响，传统的多因子选股策略往往受其影响，如在2017年，市场的风格较以往几年发生了急剧的变化，风格上主要集中于价值蓝筹类个股，传统的反转类、市值类等因子指标失效，市场上的传统多因子选股策略产品经历了较大的回撤。图图 4：全市场全市场三个月股价反转因子历史多空收益率表现一览三个月股价反转因子历史多空收益率表现一览 数据来源：广发证券发展研究中心 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 7 7/4343 Table_PageText 金融工程|量化投资专题 图图 5：全市场全市场三个月股价反转因子三个月股价反转因子IC表现表现一览一览 数据来源：广发证券发展研究中心 图图 6：全市场流通市值全市场流通市值因子历史多空收益率表现一览因子历史多空收益率表现一览 数据来源：广发证券发展研究中心 图图 7：全市场流通市值全市场流通市值因子因子IC表现表现一览一览 数据来源：广发证券发展研究中心 传统的多因子选股框架在因子指标维度上需要进一步丰富和扩展，挖掘出新的有效的因子指标，从当前可切入的数据维度上看，新的因子指标的挖掘主要集中在两大方向，一块为对另类数据的因子指标挖掘，如对股吧、社交媒体、搜索引擎、新闻等另类数据的挖掘，关于另类数据在市场的应用，可以参考广发证券金融工程s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 8 8/4343 Table_PageText 金融工程|量化投资专题 相关的系列研究成果；第二块为对高频价量相关的数据的因子指标挖掘，如对个股日内盘口数据、日内分钟、秒钟等级别的价量数据的因子挖掘。本篇专题报告将从第二个方向的角度出发，利用个股日内高频的相关数据进行因子指标的挖掘研究。本篇专题报告是关于高频数据因子研究的第三篇，之前两篇请见基于日内高频数据的短周期选股因子研究-高频数据因子研究系列一、基于日内高频数据的短周期选股因子研究-高频数据因子研究系列二 表表 1：广发：广发金融工程大数据研究金融工程大数据研究报告报告一览一览 基于网络新闻热度的择时策略互联网大数据挖掘系列之一 公告披露背后隐藏的投资机会互联网大数据挖掘系列之二 倾听股吧之声，洞察大盘趋势互联网大数据挖掘系列之三 那些年一起追过的财经小编选股策略互联网财经频道文本挖掘策略 基于互联网挖掘的热点选股策略互联网大数据挖掘系列之五 基于大数据挖掘的关联个股投资机会互联网大数据挖掘系列之六 基于大数据挖掘的Smart Beta策略互联网大数据挖掘系列之七 多维数据下的大数据择时策略研究互联网大数据挖掘系列之八 基于大数据挖掘的概念轮动策略互联网大数据挖掘系列之九 基于大数据挖掘的行业轮动策略互联网大数据挖掘系列之十 基于舆情的资产配置模型互联网大数据挖掘系列之十一 基于网络舆情的指数轮动策略研究互联网大数据挖掘系列之十二 基于网络舆情再探指数轮动策略互联网大数据挖掘系列之十三 数据来源：广发证券发展研究中心（二）羊群效应（二）羊群效应 无论是国外还是国内，投资者的投资行为一直是学术界及实业界热门研究的领域之一。而投资者的羊群行为，在行为金融学领域，一直是其中研究的一个热点。羊群行为通常被定义为投资者对他人行为的模仿。Devenow and Welch(1996)提出造成这一现象的原因有三点。第一个原因来源于报酬的外部性，指一个行为带来的回报随着实施这一行为的人数增加而增加。例如，投资者倾向于同时交易，这样能为他们带来更好的流动性。第二个原因来自于声誉问题和与委托代理理论。当一个基金经理人的业绩是相对于一个基准来评估时，例如，通过使用其他经理人的平均业绩或市场/行业指数的业绩评价该经理人的绩效，那么该经理人更加倾向于模仿这个基准的做法。虽然这样做会使得经理人丧失比平均水平表现的更好的潜力，但却能够防止由于相对表现较差而带来的损失。第三个原因是信息的外部性，指投资者通过观察其他投资人的行为来获取信息。这种外部性可能非常强，以至于投资者甚至会忽略自己的信息而依赖这种噪音信息。对于羊群行为的的研究一直是行为金融界的热点，Lakonishok、Shleifer和Vishny（1992）提供了一种测量投资者群体间相关联交易行为的模型。这个模型（LSV模型）的基本思想是量化投资者对特定资产的买卖压力。就整个市场而言，买单和卖单是保持平衡的。然而，对于一个特定的投资者群体以及一个特定的资产，可能有一个超额的买单或卖单，这也就是羊群行为。s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 9 9/4343 Table_PageText 金融工程|量化投资专题 羊群行为的存在对市场有效假说提出了挑战，市场有效假说认为所有投资者都是理性的，并且有着相同的信息集，因此可以形成一致的股价预期，市场上的股票价格能够真实的反映股票的内在价值。但是羊群行为的投资不一定是理性的。投资者不是通过对于公司的理性分析，而是通过观察和跟踪其他投资者的行为来进行投资，即不是所有的市场参与者都完全知情，因此羊群行为可能会使得股票价格偏离其基本面，从而影响股票的实际价值。Tan,Chiang,Mason(2008)等人的研究表明羊群行为会增加市场波动性和套利机会。羊群行为可能还会影响股票的价格变动过程，根据Grinblatt(1995)和Wermers(1999)等人的研究结果，羊群行为有利于信息的快速传递，从而使得股价能够随着信息快速变化，有助于价格发现过程。通常认为，短期羊群效应会伴随着价格的反转，即当出现买入（卖出）羊群行为时，未来股价可能会下跌（上涨）。同时，买入（卖出）效应越强烈，未来价格下跌（上涨）的幅度越大，即未来价格变动和羊群行为的剧烈程度相关。国内学者朱菲菲、李惠璇（2019）等人将“交易单规模”引入LSV模型中，实证分析了国内股票市场买入和卖出羊群行为发生的频率及相关的特征行为。本专题报告基于个股在日内交易明细数据构建基于羊群效应下的因子并研究该因子在不同市场板块上的有效性及策略表现结果。二、二、因子构建因子构建 根据Lakonishok和Christoffersen等人的研究，羊群行为度量为(,)=|(,)(,)+(,)|(,)其中B(i,T)代表在特定时间时间段（小时，天，周）内对于某只股票的买方驱动单的数量，S(i,T)代表特定时间段卖方驱动单的数量。为在该特定时间段内，所有股票的买单占其交易单比例的在横截面上平均值，即绝对值中的项代表了特定股票买单比例的相对水平。其中AF(i,T)是调整项，其表达式为(,)=(,)(1 ),|,|,=0 它假设投资者独立交易的情况下，个股买单比例相对平均水平的期望值。在该假设下，买方驱动单服从二项分布，B(i,T)B(,),其中,=(,)+(,)。根据个股买单比例的相对平均水平的值为正或者负，将羊群行为划分成买入羊群行为HB(i,T)和卖出羊群行为HS(i,T),其表达式如下所示 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 1010/4343 Table_PageText 金融工程|量化投资专题 (,)=(,)(,)(,)+(,)(,)=(,)(,)(,)+(,)为了计算在特定时间内的买单量和卖单量，本文使用天软数据库的划分标准。其高频数据库提供的是每5秒合成的交易数据（上海交易所）和每3秒合成的交易数据（深圳交易所）。本篇专题报告通过如下算法识别个股每笔买卖方向，具体如下：（1）、如果当前时刻股票成交价大于之前一笔（5s或3s前）的买一价，则被定义为买方驱动单；（2）、如果当前时刻股票成交价小于之前一笔的卖一价则被定义为卖方驱动单；（3）、如果当前时刻股票成交价等于之前一笔的成交价，则被分为第三类驱动单。当统计在一段时间内的买方和卖方驱动单时，买方B(i,T)=买方驱动单+第三类驱动单/2，卖方S(i,T)=卖方驱动单+第三类驱动单/2。三、三、实证分析实证分析（一）（一）数据说明数据说明 样本区间：2007年1月1日至今 样本范围：全市场、中证800指数成分股、中证500指数成分股及沪深300指数成分股 数据频率：个股每个交易日买卖单数量以及行情数据（二）（二）策略构建策略构建 实证区间：2007年1月1日至今 选股范围：全市场，剔除上市不满一年的股票，剔除ST股票，剔除交易日停牌和当日涨跌停的股票 分档方式：根据当期个股计算的HB(i,T)和HS(i,T)作为因子值，从小到大分成10档 调仓周期：周频换仓，Q1档为因子值最大的，Q10档为因子值最小的。股票权重：在非行业中性的情况下，策略中股票的权重按照等权处理（三）（三）实证分析实证分析全市场选股全市场选股 s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 1111/4343 Table_PageText 金融工程|量化投资专题 表表 2:全市场选股全市场选股IC-表现表现 范围范围 IC 均值均值 IC 标准差标准差 IC 最大值最大值 IC 最小值最小值 正正 IC 占比占比 全市场全市场 0.047 0.095 0.335-0.361 69.90%数据来源：Wind、天软、广发证券发展研究中心 图图 8:全市场选股全市场选股IC值走势一览值走势一览 数据来源：Wind、天软、广发证券发展研究中心 表表 3：全市场选股：全市场选股-IC分年度表现一览分年度表现一览 分年度统计分年度统计 IC 均值均值 IC 标准差标准差 IC 最大值最大值 IC 最小值最小值 正正 IC 占比占比 2007 0.086 0.092 0.265-0.15 87.76%2008 0.092 0.108 0.335-0.069 78.85%2009 0.11 0.077 0.273-0.047 94.12%2010 0.08 0.097 0.271-0.165 82.35%2011 0.042 0.075 0.183-0.136 72.55%2012 0.046 0.084 0.24-0.135 66.00%2013 0.051 0.084 0.193-0.114 72.55%2014 0.008 0.096 0.171-0.281 62.26%2015 0.054 0.101 0.288-0.285 73.08%2016 0.026 0.079 0.304-0.142 62.00%2017-0.019 0.077 0.107-0.302 41.18%2018 0.028 0.085 0.212-0.199 62.75%2019 0.016 0.075 0.284-0.136 56.86%2020 至今至今-0.038 0.155 0.148-0.361 50.00%数据来源：Wind、天软、广发证券发展研究中心 从表2、表3以及图8的结果可以看出，因子指标从2007年开始至今因子的IC均值为0.047，标准差为0.095，在周频调仓的情况下，正IC占比为69.90%。滚动12期IC的均值也基本上处以零以上的位置，分年度统计中，多数年份的IC均值为正，且多数年份正IC占比在60%以上，2009年正IC占比较高，为94.12%。-40.00%-30.00%-20.00%-10.00%0.00%10.00%20.00%30.00%40.00%IC值12期滚动均值s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 1212/4343 Table_PageText 金融工程|量化投资专题 表表 4：全市场选股：全市场选股-分年度换手率统计分年度换手率统计 分年度统计分年度统计 均值均值(%)最大值最大值(%)最小值最小值(%)标准差标准差(%)累计累计(%)2007 80.06 92.59 61.95 13.65 3922.79 2008 81.07 91.45 68.10 5.84 4215.89 2009 86.55 93.48 73.88 4.03 4413.92 2010 84.68 92.70 77.21 4.34 4318.58 2011 81.34 87.50 71.25 3.69 4148.57 2012 82.88 89.90 74.61 3.62 4144.19 2013 84.11 91.63 73.13 4.40 4289.86 2014 83.38 94.52 71.56 4.22 4419.27 2015 82.02 98.99 69.05 5.79 4265.04 2016 83.55 89.58 76.76 2.94 4177.74 2017 81.61 90.27 72.47 3.76 4161.91 2018 80.24 90.42 71.14 4.37 4092.21 2019 81.04 93.24 70.29 4.55 4132.88 2020 至今至今 81.86 88.95 75.36 4.72 654.89 All 82.50 98.99 61.95 5.84 55357.75 数据来源：Wind、天软、广发证券发展研究中心 图图 9：全市场分组回测结果：全市场分组回测结果 数据来源：Wind、天软、广发证券发展研究中心 全市场所有股票在横截面上根据因子值分成10组，分别构建投资组合，股票权重按照等权重分配，从图9结果可以看出，策略分档收益在回测期内单调性明显，即因子值对个股收益率区分度明显。0102030405060708090q1q2q3q4q5q6q7q8q9q10s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 1313/4343 Table_PageText 金融工程|量化投资专题 图图 10：全市场选股：全市场选股-对冲中证对冲中证500指数策略净值走势表现一览指数策略净值走势表现一览 数据来源：Wind、天软、广发证券发展研究中心 表表 5：全市场多头：全市场多头-对冲分年度表现一览对冲分年度表现一览 多头多头 多头对冲多头对冲中证中证 500 指数指数 年度年度 年化收益(%)累计收益(%)年化 波动率(%)最大回撤(%)信息比率 年化收益(%)累计收益(%)年化 波动率(%)最大回撤(%)信息比率 2007 360.06 346.23 36.05 15.28 9.79 100.97 98.19 18.26 3.23 5.42 2008-32.13 198.22 51.23 56.01-0.61 62.66 228.70 8.62 2.26 7.12 2009 250.01 970.26 31.85 9.09 7.69 52.85 406.71 6.06 2.22 8.54 2010 36.63 1371.40 26.94 24.14 1.33 24.12 531.66 7.19 3.48 3.29 2011-18.89 1088.40 23.37 27.04-0.79 21.10 667.85 4.77 1.83 4.33 2012 11.01 1219.19 23.79 20.07 0.45 12.84 766.45 6.84 4.43 1.84 2013 48.34 1872.33 19.45 15.92 2.44 26.60 1002.10 6.71 2.10 3.88 2014 45.39 2832.63 19.00 8.99 2.34 5.41 1065.46 7.75 10.72 0.68 2015 104.45 6069.75 52.74 54.43 1.94 48.25 1655.18 11.90 13.24 3.97 2016 3.02 6256.21 28.62 14.33 0.10 24.51 2085.44 6.52 3.72 3.68 2017-11.80 5491.99 16.17 16.04-0.71-12.87 1798.94 6.67 13.29-1.89 2018-29.06 3839.73 27.08 36.73-1.05 1.82 1834.23 7.60 6.32 0.23 2019 30.52 5069.52 21.97 18.01 1.36 4.30 1919.12 5.91 4.12 0.71 2020 至今至今-9.41 4988.44 31.01 11.86-0.30-27.94 1815.99 17.79 8.35-1.54 ALL 34.02 4988.44 31.85 57.37 1.05 24.61 1815.99 9.30 17.47 2.59 数据来源：Wind、天软、广发证券发展研究中心 从表5的结果中可以看出，多头组合策略整体的年化收益率34.02%，多头组合相对中证500指数在回测中取得了年化24.61%的收益率，信息比率为2.59，策略的最大回撤为17.47%。0102030405060708090中证500策略净值超额净值s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 1414/4343 Table_PageText 金融工程|量化投资专题 （四）（四）实证分析实证分析中证中证 800 内选股内选股 表表 6：中证：中证800内选股内选股IC-表现表现 范围范围 IC 均值均值 IC 标准差标准差 IC 最大值最大值 IC 最小值最小值 正正 IC 占比占比 中证中证 800 0.043 0.115 0.376-0.392 64.68%数据来源：Wind、天软、广发证券发展研究中心 图图 11：中证：中证800内选股内选股IC值走势一览值走势一览 数据来源：Wind、天软、广发证券发展研究中心 表表 7：中证：中证800内选股内选股-IC分年度表现一览分年度表现一览 分年度统计分年度统计 IC 均值均值 IC 标准差标准差 IC 最大值最大值 IC 最小值最小值 正正 IC 占比占比 2007 0.087 0.107 0.311 -0.165 81.63%2008 0.087 0.115 0.335 -0.125 75.00%2009 0.101 0.097 0.335 -0.093 84.31%2010 0.063 0.126 0.306 -0.201 68.63%2011 0.045 0.097 0.288 -0.212 66.67%2012 0.035 0.098 0.285 -0.134 62.00%2013 0.048 0.103 0.282 -0.178 68.63%2014 0.009 0.123 0.200 -0.352 58.49%2015 0.059 0.125 0.273 -0.297 71.15%2016 0.046 0.100 0.362 -0.149 60.00%2017-0.004 0.113 0.244 -0.301 49.02%2018-0.010 0.101 0.235 -0.323 47.06%2019 0.006 0.103 0.376 -0.227 50.98%2020 至今至今-0.048 0.190 0.180 -0.392 50.00%数据来源：Wind、天软、广发证券发展研究中心 从表6、表7以及图11的结果可以看出，因子指标从2007年至今的IC均值为0.043，标准差为0.115，在周频调仓的情况下，正IC占比为64.68%。滚动12期IC的均值也基本上处以零以上的位置，分年度统计中，多数年份的IC均值为正，且多数年份正IC占比在60%以上，2009年正IC占比较高，为84.31%-50.00%-40.00%-30.00%-20.00%-10.00%0.00%10.00%20.00%30.00%40.00%50.00%IC值12期滚动均值s h i q i n g s h e n g 史庆盛 2 0 2 2-0 4-1 5 1 4:1 1:3 7 识别风险，发现价值 请务必阅读末页的免责声明 1515/4343 Table_PageText 金融工程|量化投资专题 表表 8：中证：中证800内选股内选股-分年度换手率统计分年度换手率统计 分年度统计分年度统计 均值均值(%)最大值最大值(%)最小值最小值(%)标准差标准差(%)累计累计(%)2007 77.67 94.37 64.38 17.84 3806.06 2008 81.42 93.15 70.67 5.90 4234.01 2009 85.17 96.00 74.67 4.95 4343.65 2010 82.99 96.10 72.37 6.17 4232.63 2011 82.04 92.11 67.11 5.04 4183.89 2012 82.44 96.00 69.74 5.17 4121.86 2013 82.55 93.51 63.64 6.29 4209.80 2014 81.04 92.00 58.67 6.16 4295.18 2015 78.70 95.52 51.47 7.25 4092.30 2016 81.31 90.54 68.49 5.16 4065.48 2017 80.26 92.00 71.05 5.06 4093.19 2018 79.25 90.54 65.33 6.18 4041.87 2019 79.37 91.25 65.00 6.33 4047.82 2020 至今至今 80.16 92.50