本文借鉴Dou, Kogan and Wu构建基金共同资金流的思路，构建股票的季度共同资金流敞口因子；并验证该因子在选股中的有效性。
　　首先，构建股票的共同资金流敞口因子。基于主动权益基金的资金流信息，通过主成分方法（PCA）提取基金资金流量波动的共同成分——共同资金流。资金流敞口因子（flow beta）为股票收益率在共同资金流上的暴露（回归系数）的绝对值大小，表示共同资金流对股票收益率的影响程度。
　　在A股市场因子构建中有以下三点本土化改进：第一，在对基金资金流进行主成分分析之前，对基金资金流数据采用衰退指数加权。第二，采取季度基金资金流的TTM数据。第三，美股市场flow beta因子为共同资金流变量的回归系数beta，本文对回归系数beta取绝对值来度量敏感程度的绝对大小。
　　接下来，本文使用上市交易的全部沪深A股2012-2022年的数据检验该因子的有效性。随着共同资金流敞口因子的增大股票组合平均收益率单调递减，因子的IC均值为-0.057，IC为负的比例为73.81%，ICIR为-0.77。多头组合年化收益率12.78%，相对沪深300年化超额收益率为9.98%，相对万得全A年化超额收益率为6.11%。
　　其次，为了探讨共同资金流敞口因子是否提供了关于股价的新信息，本文进行了Fama-Macbeth回归分析，结果发现，在控制市场贝塔、市值、账面市值比、动量、异质波动率、换手率因素的影响之后，该因子与股票横截面收益的负相关关系显著性下降但仍然显著存在。证明了该因子和股票收益的关系并未完全包含在这些因子中，能够在选股时提供新的信息。
　　最后，敏感性分析结果显示，在基金资金流的不同构建方式、不同市场指数、不同滚动窗口期下，资金流敞口因子的IC均值并没有较大变化，因子的有效性并没有发生改变，说明该因子的有效性对参数并不敏感。
　　风险提示：本文的研究是基于对历史数据的统计和分析，因子的历史收益率不代表未来收益率。若市场环境发生变化，因子的最终表现可能发生改变。
　　

研究报告全文：2023年01月03日证券研究报告金融工程专题报告因子选股系列基于权益基金共同资金流的选股因子研究摘要西南证券研究发展中心本文借鉴DouKoganandWu构建基金共同资金流的思路构建股票的季度分析师郑琳琳共同资金流敞口因子并验证该因子在选股中的有效性执业证号S1250522110001T首先构建股票的共同资金流敞口因子基于主动权益基金的资金流信息通电话13127711820a邮箱zhengllswsccomcnb过主成分方法提取基金资金流量波动的共同成分共同资金流资金流PCAl联系人盛宝丹敞口因子flowbeta为股票收益率在共同资金流上的暴露回归系数的绝对值e大小表示共同资金流对股票收益率的影响程度电话1776122940692021邮箱sbdyfswsccomcnA在A股市场因子构建中有以下三点本土化改进第一在对基金资金流进行主u成分分析之前对基金资金流数据采用衰退指数加权第二采取季度基金资金流相关研究th的TTM数据第三美股市场flowbeta因子为共同资金流变量的回归系数beta1金凤展翅上海国企ETF迎重要投资机o本文对回归系数beta取绝对值来度量敏感程度的绝对大小遇2022-12-04r2华安沪深300指数增强策略ETF投资接下来本文使用上市交易的全部沪深A股2012-2022年的数据检验该因子价值分析2022-12-04的有效性随着共同资金流敞口因子的增大股票组合平均收益率单调递减因子的3博时基金金晟哲平衡成长与估值把IC均值为-0057IC为负的比例为7381ICIR为-077多头组合年化收益率握周期行业轮动2022-12-021278相对沪深300年化超额收益率为998相对万得全A年化超额收益率4华商基金李双全抵御风险能力强行为611业配置灵活2022-11-275基于有效选股因子的三维基金经理风其次为了探讨共同资金流敞口因子是否提供了关于股价的新信息本文进行格刻画体系原理与应用了Fama-Macbeth回归分析结果发现在控制市场贝塔市值账面市值比动2022-11-17量异质波动率换手率因素的影响之后该因子与股票横截面收益的负相关关系6基于基金特征与机器学习的选基研究显著性下降但仍然显著存在证明了该因子和股票收益的关系并未完全包含在这些2022-11-09因子中能够在选股时提供新的信息7基金业绩归因模型的解析与探讨2022-10-29最后敏感性分析结果显示在基金资金流的不同构建方式不同市场指数8基于券商金股的行业轮动研究不同滚动窗口期下资金流敞口因子的IC均值并没有较大变化因子的有效性并没2022-09-08有发生改变说明该因子的有效性对参数并不敏感9基于相似股票历史收益的选股因子研究2022-05-20风险提示本文的研究是基于对历史数据的统计和分析因子的历史收益率不10基于吸收比率规避市场下行风险的资代表未来收益率若市场环境发生变化因子的最终表现可能发生改变产配置策略2022-02-09请务必阅读正文后的重要声明部分因子选股系列目录1共同资金流敞口与因子构建12因子有效性检验321数据处理与说明322分组检验323信息系数分析53相关性分析与回归分析64敏感性分析841基金资金流的替代指标842市场指数的选择943滚动窗口期数的选择105多空组合股票分析116A股市场与美股市场实践对比127总结与展望138风险提示13请务必阅读正文后的重要声明部分因子选股系列图目录图1第一主成分对样本方差的解释率2图2因子分组净值图4图3多空组合净值变化图5图4多头组合与市场指数净值变化图5图5因子IC序列和累计信息系数6图6不同基金资金流构建方式下因子分组净值图9图7不同市场指数下因子分组净值图10图8不同窗口期的IC均值10图9分组检验中组合内股票数量11图10回归系数beta的分组检验12表目录表1基金资金流的异常值1表2基金资金流TTM数据1表3基金报告披露说明3表4因子分组检验风险收益指标4表5因子信息系数分析6表6因子相关系数7表7单因子回归结果7表8多因子Fama-Macbeth回归结果8表9不同基金资金流构建方式下因子信息系数分析9表10不同市场指数下因子信息系数分析9表112022Q2因子值从小到大排序的前20名股票和后20名股票11请务必阅读正文后的重要声明部分因子选股系列1共同资金流敞口与因子构建共同资金流敞口因子flowbeta为股票收益率在基金共同资金流上的暴露回归系数的绝对值大小表示该股票对共同资金流的敏感程度共同资金流度量基金资金流量的共同成分通过主成分方法PCA对主动权益基金的资金流提取共同成分得到首先基金资金流fundflow的定义如下即当期经实际回报调整后的基金资产净值增长率TNATNA11TNA11其中TNA为期末基金净资产R为基金当期收益率是单位复权净值收益率对于基金资金流数据本文有以下两点处理第一在后续计算中采用基金资金流的TTM数据即为t期t-1期t-2期和t-3期资金流的平均值采取TTM数据平滑趋势和消除季节性影响第二基金资金流数据存在异常值比如海富通欣荣A基金519224OF在2017年三季度披露的基金净资产为32万元2017年四季度披露的基金净资产为9996万元该基金2017年四季度的资金流为30552393对于异常值本文采取3原则将超过正负3倍标准差以上的数据取值为临界值表1基金资金流的异常值期末基金净资产亿元当期基金收益率基金资金流2017-09-3000003283-2017-12-310999620630552393数据来源Wind西南证券整理通过以上处理我们得到主动权益基金的资金流的面板数据如下表所示每一列为一只基金的资金流序列表2基金资金流TTM数据日期000011OF000017OF000020OF000021OF2015-03-0100611359-00168-010652015-06-013810891101037-017112015-09-01010-0186801651-017012015-12-00701-0256002886-01355数据来源Wind西南证券整理其次对于表2所示矩阵通过主成分分析法得到第一主成分即为共同资金流第一主成分为原始向量的线性组合是基金资金流变化波动的主导因素其最大化样本方差具体步骤如下第一步考虑到事件对市场的影响会随着时间而衰减我们采用半衰期指数权重对基金资金流数据进行加权权重因子如式1所示表示半衰期取窗口期的一半T21时刻数据权重为表示时刻到当前时刻的期数111t请务必阅读正文后的重要声明部分1因子选股系列10511第二步标准化数据在列维度上对数据进行标准化使得每个维度的均值为0缺失值填充为0第三步使用主成分分析法PCA对样本矩阵进行降维提取资金流波动的共同主成分根据中心化的样本矩阵计算协方差矩阵协方差矩阵的对角线上的元素是各个维度上的方差其余元素是两两维度间的协方差相关性协方差矩阵表现了各个维度上的方差以及不同维度间的相关性第二对协方差矩阵进行对角化得到正交矩阵和特征值矩阵按照特征值大小排序最大的特征值所对应的特征向量为第一主成分这个主成分是原始向量的线性组合其最大化样本方差是最能够代表原始数据的投影方法第三将原始矩阵通过这个特征向量映射成一维数据也就是本文的共同资金流下图展示第一主成分所能解释样本方差的比例2015年共同资金流能解释了所有主动权益基金资金流波动的大部分信息最高解释率达60以上近两年共同资金流的解释力度在30左右图1第一主成分对样本方差的解释率7060504030201002011-122012-122013-122014-122015-122016-122017-122018-122019-122020-122021-12第一主成分方差占比数据来源Wind西南证券整理最后对于每只股票使用5年20期滚动窗口至少有12期的非缺失观测值可用将股票季度超额收益对共同资金流回归得到回归系数0120其中r表示股票相对市场的超额收益率市场收益率取万得全A指数收益率对于不同股票而言自变量共同资金流都是一样的因此量纲一致其回归系数的绝对值大小可比表示自变量对因变量的影响程度绝对值的大小直接反映自变量对因变量的影响程度绝对值越大共同资金流对该股票收益的影响越大因此我们对共同资金流的回归系数取绝对值得到共同资金流敞口因子表示共同资金流对股票收益率的影响程度请务必阅读正文后的重要声明部分2因子选股系列2因子有效性检验21数据处理与说明第一因为基金净资产数据在季报中披露因此样本数据因子值股票收益率均为季频数据季度换仓换仓时间点为基金季报披露截止时间所在的月末比如一季报在4月份披露在4月末换仓持仓时间为567月份表3基金报告披露说明基金报告类型报告期披露截止时间下期股票收益率一季报0101-03310415567月二季报0401-063007158910月三季报0701-093010151112次年1月四季报1001-1231次年0115次年2次年3次年4月数据来源西南证券整理第二选取所有主动权益基金计算基金的共同资金流包括普通股票型偏股混合型灵活配置型和平衡混合型基金管理期间平均股票仓位不低于60平均港股仓位不高于10且各期港股仓位最高不高于20计算平均历史仓位时排除首发基金前2个季度的数据还在建仓期仓位不稳定第三使用上市交易的全部沪深A股作为回测对象排除ST股排除季度内停牌时间大于1个月的股票在股票收益率同共同资金流回归当中将股票上市后前6个月的数据剔除第四回测区间为201201-202210加上5年的回望期样本区间为200701-20221022分组检验为了检验因子的有效性对共同资金流敞口因子进行分组检验本文用过去5年基金和股票的季度数据计算因子值然后按照当期因子值大小将股票平均分为5组并且计算下一季度组内等权平均收益率本文只在基金季报披露截止时间月末调仓下表为因子分组检验结果在分组检验的基础上计算多空组合的t统计量判断显著性同时根据每一组的选股结果建立投资组合测算相应风险收益指标结果列表如下请务必阅读正文后的重要声明部分3因子选股系列表4因子分组检验风险收益指标组1组2组3组4组5组1组51245因子均值0000400011000200003200072--平均季度收益率383343342291212170222t统计量-----290267年化收益率127811011089853476670858年化夏普比率048041040031016088080最大回撤率372040473838438853837321218胜率5952547654765000500069056667注分别代表参数在1510的显著性水平下显著下同不再说明数据来源西南证券整理图2因子分组净值图454035302520151005002012-032013-032014-032015-032016-032017-032018-032019-032020-032021-032022-03组1组2组3组4组5数据来源Wind西南证券整理其中组2和组3差异不明显组1组2组4和组5随着共同资金流敞口的增大季度平均收益率单调递减分别将各组作为投资组合进行回测每季度在基金季报披露截止时间月末换仓一次从年化收益率Sharp比率最大回撤率以及胜率等指标来看因子值越小的组合表现越好各组合的历史净值具有较好的单调性多空组合组1-组5算术季度平均收益为17在99的置信水平下显著其年化收益率为670最大回撤率仅为732胜率达6905表现良好因此可以初步判定共同资金流敞口因子是有效的下图为多空组合组1-组5与12-45的历史净值图共同资金流敞口因子多空组合净值保持稳步增长在2019-2020年增长放缓出现小幅回撤请务必阅读正文后的重要声明部分4因子选股系列图3多空组合净值变化图2520151005002012-032013-032014-032015-032016-032017-032018-032019-032020-032021-032022-03组1-512-45数据来源Wind西南证券整理下图为多头组合组1与沪深300万得全A的历史净值图共同资金流敞口因子构建的多头组合优于沪深300和万得全A指数在2017-2018年期间多头组合净值与沪深300和万得全A指数的净值差距缩小在此期间多头组合表现稍差于市场指数2020年以来相对净值进一步扩大总的来说在整个样本期间多头组合年化收益率1278相对沪深300年化超额收益率为998相对万得全A年化超额收益率为611图4多头组合与市场指数净值变化图454035302520151005002012-032013-032014-032015-032016-032017-032018-032019-032020-032021-032022-03组1万得全A沪深300数据来源Wind西南证券整理23信息系数分析为了进一步证明因子的有效性我们对因子的信息系数IC进行分析信息系数是指当期因子值与下期股票收益率之间的秩相关系数IC越大表明因子对收益率的预测作用越强IR是IC均值与标准差的比值请务必阅读正文后的重要声明部分5因子选股系列表5因子信息系数分析因子IC均值IC标准差t统计量IC胜率IR比率IC002占比基金共同资金流敞口因子-006007-5017381-0778333数据来源Wind西南证券整理图5因子IC序列和累计信息系数01000005-05000-10-005-010-15-015-20-020-25-025-030-30ic值ic累计右轴数据来源Wind西南证券整理在样本期2012Q1-2022Q3内共同资金流敞口因子与股票下期收益率的IC均值在1显著性水平下均显著不为0说明两者间存在明显的负相关性因子的IC均值为-0057IC为负的比例为7381ICIR为-077说明了因子的有效性和稳定性从因子IC序列来看因子的IC值为正的点相对较少且值较小即其与下期收益率的负相关性不易改变从因子累计信息系数来看累计IC总体上以一个固定的速率保持平稳下降表明因子在样本期内都比较稳定综上通过分组检验和信息系数分析可以得出如下结论在样本期内共同资金流敞口因子有效且与股票下期收益率负相关3相关性分析与回归分析在本文的第二部分证明了共同资金流敞口因子的有效性选股因子的价值体现在它是否提供了未被市场定价的新信息若该因子提供的信息已被市场定价或者与其它已发现的因子信息重合即使它们是有效的也难以在选股中发挥作用因此本部分主要证明我们的因子提供了关于股价的新信息考察共同资金流敞口因子与其它因子的相关性能够直观地发现因子间的内在联系分别计算共同资金流敞口因子市场贝塔系数对数流通市值因子账面市值比因子动量因子异质波动率换手率因子之间的次序相关系数其中市场贝塔系数为过去60个月CAMP模型的贝塔值对数流通市值因子账面市值比因子为换仓月末的值异质波动率因子为过去一年CAMP模型的残差波动率动量因子为过去一年去除上个月的收益率换手率为过去3个月平均换手率请务必阅读正文后的重要声明部分6因子选股系列表6因子相关系数共同资金流敞口市场贝塔对数流通市值账面市值比动量异质波动率换手率共同资金流敞口100002003-019-001012011市场贝塔002100-001008-001003006对数流通市值003-001100003020-015-033账面市值比-019008003100-031-048-037动量-001-001020-031100031031异质波动率012003-015-048031100067换手率011006-033-037031067100数据来源Wind西南证券整理共同资金流敞口与市场贝塔市值动量相关性较弱信息重合度较低而与账面市值比异质波动率换手率相关度较高可能存在较大的信息重合因而我们采用Fama-Macbeth方法对股票的收益率进行回归分析进一步讨论共同资金流敞口因子的显著性首先进行单因子回归回归方程为1其中为股票在第期的因子暴露度为因子收益率单因子回归结果列表如下表7单因子回归结果共同资金流敞口市场贝塔对数流通市值账面市值比动量异质波动率换手率回归系数-2280-0005-00110011-0001-56391-0336T统计量-261-119-175061-001-212-193判定系数060030361228143068213数据来源Wind西南证券整理从单因子回归结果可知市场贝塔账面市值比动量因子收益率并不显著市值换手率因子在10的水平下显著异质波动率因子在5的水平下显著共同资金流敞口因子在1的水平下显著单因子回归并不能发现因子间的信息重叠程度为了检验共同资金流敞口因子是否提供了新的信息我们需要将其它因子作为控制变量进行多因子回归分析回归方程设定如下1其中代表因子k的因子收益率为股票i在第t期的因子暴露度多因子Fama-Macbeth回归结果如下请务必阅读正文后的重要声明部分7因子选股系列表8多因子Fama-Macbeth回归结果回归方程回归结果共同资金流敞口市场贝塔对数流通市值账面市值比动量异质波动率换手率判定系数回归系数-2127-0016129T统计量-238-215回归系数-1577-0010404T统计量-228-154回归系数-20720009252T统计量-285059回归系数-18010002174T统计量-266017回归系数-1659-52958275T统计量-239-091-091回归系数-1572-0496251T统计量-174-258回归系数-0754-0011-001400060019-22382-0746898T统计量-170-183-271046239-047-471数据来源Wind西南证券整理在回归方程至中分别将市场贝塔市值账面市值比动量异质波动率换手率作为控制变量共同资金流敞口因子的回归系数的显著性都没有发生改变均在90的置信水平下显著表明共同资金流敞口因子与各个因子的信息重合度较低其中当换手率作为控制变量时该因子显著性下降其与换手率因子重合度相对较高方程纳入了所有的解释变量共同资金流敞口因子的回归系数的显著性下降但依旧在90的置信水平下显著综上在排除了市场贝塔市值账面市值比动量异质波动率换手率因素的影响之后共同资金流敞口和股票收益的关系并未完全包含在这些因子中能够在选股时提供新的信息4敏感性分析对上文因子构建过程中所涉及到的参数的选择进行敏感性分析包括基金资金流的其他计算方式市场指数的选择滚动窗口期数的选择41基金资金流的替代指标基金资金流常见的另外一种构建方式如下其中分母是上期末净资产而不是上文中上期末净资产与当期收益率的乘积TNATNA11TNA1请务必阅读正文后的重要声明部分8因子选股系列在这种基金资金流的构建方式计算中共同资金流敞口因子与股票下期收益率的IC均值为-0056IC为负的比例为7381ICIR为-079分组检验中组间依旧保持良好的单调性表9不同基金资金流构建方式下因子信息系数分析因子IC均值IC标准差t统计量IC胜率IR比率IC002占比基金共同资金流敞口因子-006007-5127381-0798095数据来源Wind西南证券整理图6不同基金资金流构建方式下因子分组净值图4035302520151005002012-032013-032014-032015-032016-032017-032018-032019-032020-032021-032022-03组1组2组3组4组5数据来源Wind西南证券整理42市场指数的选择计算股票超额收益率时市场指数的选择除了代表整个A股市场得万得全A指数常用的还有沪深300指数用沪深300指数收益率计算股票超额收益率然后将股票超额收益率与共同资金流变量进行回归用沪深300指数替换万得全A指数后共同资金流敞口因子与股票下期收益率的IC均值为-0057IC为负的比例为6905ICIR为-056分组检验中组间依旧保持良好的单调性表10不同市场指数下因子信息系数分析因子IC均值IC标准差t统计量IC胜率IR比率IC002占比基金共同资金流敞口因子-006010-3646905-0569524数据来源Wind西南证券整理请务必阅读正文后的重要声明部分9因子选股系列图7不同市场指数下因子分组净值图4035302520151005002012-032013-032014-032015-032016-032017-032018-032019-032020-032021-032022-03组1组2组3组4组5数据来源Wind西南证券整理43滚动窗口期数的选择在计算共同资金流敞口时需用股票历史季度收益率对共同资金流进行回归窗口期的选择一方面需要考虑样本量的大小一方面需要考虑窗口期数据缺失的样本大小接下来考虑窗口期数的选择带来的影响计算16期4年至40期10年不同窗口大小的IC均值样本数据为2007年至2022年的数据回望期窗口大小不一致后导致回测期样本大小的不一致例如40期滚动窗口时回测区间为2017年至2022年因此图中IC均值并不能完全可比不同滚动窗口期下共同资金流敞口因子与股票下期收益率的IC均值变化不大较为平稳图8不同窗口期的IC均值00016期18期20期22期24期26期28期30期32期34期36期40期-001-002-003-004-005-0050-0050-0051-0049-0055-0056-0056-0057-0059-0060-006-0061-0062-007IC均值数据来源Wind西南证券整理请务必阅读正文后的重要声明部分10因子选股系列5多空组合股票分析在分组检验中将满足条件的股票分位5组每个组合包含的股票数量如下2012年Q1每个组合包含220只股票总共1100只股票2022年Q2每个组合648只股票总共3240只股票图9分组检验中组合内股票数量7006005004003002001000数据来源Wind西南证券整理下表展示2022年Q27月末构建的组合组合1中因子值从小到大排序前20名的股票组合5因子值从小到大排序倒数20名的股票以及股票下期8910月份收益率组合1中因子值最小的20只股票为对共同资金流变量最不敏感的股票组合5中因子值最大的20只股票为对共同资金流变量最敏感的股票组合5中的这20只股票中有17只股票的下期收益率都在-15以下有14只股票的下期收益在-20以下总的平均收益率为-2381而组合1的20只股票的平均收益率为-660表112022Q2因子值从小到大排序的前20名股票和后20名股票组别因子值排名股票名称下期收益率组别因子值排名股票名称下期收益率1联化科技-021-1富满微-24502科大国创-284-2润和软件-3343鼎龙股份029-3中通客车-25014银座股份275-4锦泓集团-21235凯众股份-1163-5阳光电源5706杰瑞股份-1603-6郑州煤电-750组1前20组5后207易成新能-2210-7吉翔股份-32348兰石重装-1626-8浙江建投-25419国机通用-998-9海南椰岛-353310安泰科技-1448-10科沃斯-369811国投电力-223-11大豪科技-244812快克股份-012-12中远海控-1815请务必阅读正文后的重要声明部分11因子选股系列组别因子值排名股票名称下期收益率组别因子值排名股票名称下期收益率13青岛银行-1020-13天际股份-278314江河集团378-14赛力斯-395715皖能电力000-15朗姿股份-423416北方导航-806-16奥园美谷-329917华中数控-712-17胜华新材-297818中航电子-395-18天赐材料-188619物产金轮-1267-19森特股份-150120环球印务-086-20华鹏飞-2132平均值---660平均值---2381数据来源Wind西南证券整理6A股市场与美股市场实践对比本文在借鉴DouKoganandWu构建基金共同资金流的思路之上在A股实践中的本土化改进有以下三点第一在对基金资金流数据进行主成分分析之前对基金资金流数据采用衰退指数加权赋予时间越近的数据越大的权重时间越远的数据越低的权重考虑到事件对市场的影响随着时间而衰减第二美股市场基金资金流数据为月度数据月度当期基金资金流对滞后一期资金流收益率回归得到残差项残差项为当期真正资金流在A股实践中季度当期基金资金流对滞后一期资金流回归取残差项该残差项作为当期真正资金流进行后续计算跟前文采取季度资金流TTM数据计算的因子结果差不多首先季度数据本来就是低频数据样本量有限其次为避免多次回归带来参数化设置过多因此最终采用季度资金流TTM数据第三美股市场flowbeta因子为共同资金流变量的回归系数beta本文对回归系数beta取绝对值在A股市场实践中当对回归系数beta不取绝对值时回归系数beta的分组检验为下图图10回归系数beta的分组检验4035302520151005002012-032013-032014-032015-032016-032017-032018-032019-032020-032021-032022-03组1组2组3组4组5数据来源Wind西南证券整理请务必阅读正文后的重要声明部分12因子选股系列从上图分组检验可知组1为因子值最小的组合为回归系数beta最小的组合即为股票跟共同资金流变量负相关程度最大的组合组5为因子值最小的组合为回归系数beta最大的组合即为股票跟共同资金流变量正相关程度最大的组合组合1和组合5的预期回报表现都不好由此可知股票对共同资金流变量的敏感性越高不管是正向敏感还是负向敏感股票都有着越低的预期回报因此最后对回归系数beta取绝对值来度量敏感程度的绝对大小最后A股市场和美股市场结论相反美股市场结论为股票的共同资金流敞口因子与股票下期收益率正相关高flowbeta的股票有着越高的预期回报A股市场结论相反股票的共同资金流敞口因子与股票下期收益率负相关高flowbeta的股票有着越低的预期回报7总结与展望本文基于主动权益基金的资金流信息通过主成分方法PCA提取基金资金流量波动的共同成分共同资金流资金流敞口因子flowbeta为股票收益率在共同资金流上的暴露回归系数的绝对值大小表示共同资金流对股票收益率的影响程度其次通过分组检验信息系数分析证明了资金流敞口因子在选股中的有效性结果表明共同资金流敞口因子与股票下期收益率显著负相关性因子的IC均值为-0057IC为负的比例为7381ICIR为-077此外通过Fama-Macbeth回归分析在控制市场贝塔市值账面市值比动量异质波动率等因素的影响之后共同资金流敞口和股票收益的关系并未完全包含在这些因子中能够在选股时提供新的信息最后敏感性分析结果显示在基金资金流的不同构建方式不同市场指数不同滚动窗口期下资金流敞口因子的IC均值并没有较大变化因子的有效性并没有发生改变说明该因子的有效性对参数并不敏感8风险提示本文的研究是基于对历史数据的统计和分析因子的历史收益率不代表未来收益率若市场环境发生变化因子的最终表现可能发生改变请务必阅读正文后的重要声明部分13因子选股系列参考文献WinstonWeiDouLeonidKoganandWeiWu2022CommonFundFlowsFlowHedgingandFactorPricing请务必阅读正文后的重要声明部分14因子选股系列分析师承诺本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师报告所采用的数据均来自合法合规渠道分析逻辑基于分析师的职业理解通过合理判断得出结论独立客观地出具本报告分析师承诺不曾因不因也将不会因本报告中的具体推荐意见或观点而直接或间接获取任何形式的补偿投资评级说明报告中投资建议所涉及的评级分为公司评级和行业评级另有说明的除外评级标准为报告发布日后6个月内的相对市场表现即以报告发布日后6个月内公司股价或行业指数相对同期相关证券市场代表性指数的涨跌幅作为基准其中A股市场以沪深300指数为基准新三板市场以三板成指针对协议转让标的或三板做市指数针对做市转让标的为基准香港市场以恒生指数为基准美国市场以纳斯达克综合指数或标普500指数为基准买入未来6个月内个股相对同期相关证券市场代表性指数涨幅在20以上持有未来6个月内个股相对同期相关证券市场代表性指数涨幅介于10与20之间公司评级中性未来6个月内个股相对同期相关证券市场代表性指数涨幅介于-10与10之间回避未来6个月内个股相对同期相关证券市场代表性指数涨幅介于-20与-10之间卖出未来6个月内个股相对同期相关证券市场代表性指数涨幅在-20以下强于大市未来6个月内行业整体回报高于同期相关证券市场代表性指数5以上行业评级跟随大市未来6个月内行业整体回报介于同期相关证券市场代表性指数-5与5之间弱于大市未来6个月内行业整体回报低于同期相关证券市场代表性指数-5以下重要声明西南证券股份有限公司以下简称本公司具有中国证券监督管理委员会核准的证券投资咨询业务资格本公司与作者在自身所知情范围内与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制静默措施的利益冲突证券期货投资者适当性管理办法于2017年7月1日起正式实施本报告仅供本公司签约客户使用若您并非本公司签约客户为控制投资风险请取消接收订阅或使用本报告中的任何信息本公司也不会因接收人收到阅读或关注自媒体推送本报告中的内容而视其为客户本公司或关联机构可能会持有报告中提到的公司所发行的证券并进行交易还可能为这些公司提供或争取提供投资银行或财务顾问服务本报告中的信息均来源于公开资料本公司对这些信息的准确性完整性或可靠性不作任何保证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升可跌过往表现不应作为日后的表现依据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本公司不保证本报告所含信息保持在最新状态同时本公司对本报告所含信息可在不发出通知的情形下做出修改投资者应当自行关注相应的更新或修改本报告仅供参考之用不构成出售或购买证券或其他投资标的要约或邀请在任何情况下本报告中的信息和意见均不构成对任何个人的投资建议投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险本公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任本报告及附录版权为西南证券所有未经书面许可任何机构和个人不得以任何形式翻版复制和发布如引用须注明出处为西南证券且不得对本报告及附录进行有悖原意的引用删节和修改未经授权刊载或者转发本报告及附录的本公司将保留向其追究法律责任的权利请务必阅读正文后的重要声明部分因子选股系列西南证券研究发展中心上海地址上海市浦东新区陆家嘴东路166号中国保险大厦20楼邮编200120北京地址北京市西城区金融大街35号国际企业大厦A座8楼邮编100033深圳地址深圳市福田区深南大道6023号创建大厦4楼邮编518040重庆地址重庆市江北区金沙门路32号西南证券总部大楼邮编400025西南证券机构销售团队TableSalesPerson区域姓名职务座机手机邮箱蒋诗烽总经理助理销售总监021-6841530918621310081jsfswsccomcn崔露文高级销售经理1564296031515642960315clwswsccomcn王昕宇高级销售经理1775101837617751018376wangxyswsccomcn薛世宇销售经理1850214642918502146429xsyswsccomcn上海汪艺销售经理1312792053613127920536wyyfswsccomcn岑宇婷销售经理1861624326818616243268cyryfswsccomcn陈阳阳销售经理1786311185817863111858cyyyfswsccomcn张玉梅销售经理1895715733018957157330zymyfswsccomcn李煜销售经理1880173251118801732511yfliyuswsccomcn李杨销售总监1860113936218601139362yflyswsccomcn张岚销售副总监1860124180318601241803zhanglanswsccomcn杜小双高级销售经理1881092293518810922935dxsyfswsccomcn北京王一菲销售经理1804006035918040060359wyfswsccomcn王宇飞销售经理1850098186618500981866wangyufswsccom巢语欢销售经理1366708498913667084989cyhswsccomcn郑龑广深销售负责人1882518974418825189744zhengyanswsccomcn杨新意销售经理1762860991917628609919yxyswsccomcn张文锋销售经理1364263978913642639789zwfswsccomcn广深陈韵然销售经理1820880135518208801355cyryfswsccomcn龚之涵销售经理1580800192615808001926gongzhswsccomcn丁凡销售经理1555998968115559989681dingfyfswsccomcn请务必阅读正文后的重要声明部分