日终收盘价对当日成交投资者的心理影响
　　根据行为金融学中的遗憾规避理论，非理性的投资者在做决策时，会倾向于避免产生后悔情绪并追求自豪感，避免承认之前的决策失误。当日收盘价作为一个重要的价量指标，在现有的A股高领量价数据研究中尚未被充分挖掘。在本篇报告中，我们经过探究发现，收盘价对于当日有过交易行为的投资者有着重要的心理影响，进而影响到后续的交易行为。投資者在收盘价低于其当日买入成本价时会更倾向于继续持有，且离于收盘价买入的成交量占比越离、相较于收盘价的价格偏离越大，股票西临更小的卖出压力，进而产生更高的预期收益:反之，投資者在收盘价离于当日卖出价时更倾向于坚持之前判断不再买回，且低于收盘价卖出的成交量占比越大、相较于收盘价的价格偏离越大，股票雨临的买入动力越弱，进而产生更低的预期收益。利用此现象我们分别以成交量占比和成交价格偏离构建出了遗憾规避因子，在中证1000指数成分股上经过测试得到了较好的预测效果。
　　遗憾规避因子的改进
　　进一步思考，我们探究这一现象在小单投资者身上是否有更显著的效果。我们将小于当日日均订单成交量的订单定叉为小单，发现小单成交中这一非理性现象更加明显，IC均值均有一定程度提升，且在低于收盘价卖出类因子。上提升效果更加明显。另外，由于尾盘期间(14:30-14:57)投資者的交易行为可能蕴含了更多信息，我们将因子改为仅考虑尾盘期间的交易，发现其预测效果得到进一步提升。最终将小单+尾盘两种改进方式进行结合，发现其优于任何一种单一改进方式。其中卖出反弹占比因子(LCVOLES)和卖出反弹价格偏离因子(LCPES)表现尤其突出，LCPES的多空年化收益率达到96.31%,夏普比率达到8.77.
　　结合遗憾规避因子构建的中证1000指数增强策略
　　考虑到交易手续费对于实际收益的影响，我们将因子降为周顿后进行合成，发现虽然其收益表现相较于日频因子有所下降，但合成因子FRegretFactorW的多空年化收益率依然达到37.12%，夏普比率为4.09.经过市值中性化后的因子FRegretFactorWAdjCI多空年化收益率为36.97%，夏普比率提升至5.00.两者的多头组合年化超额收益率均达到了10%以上，风险调整后IC在0.60以上。
　　经过测试发现该因子与传统风格因子、前期报告中的量价背离因子和线性重构因子相关性都较低。在与3个有效的风格因子和量价背离因子、线性重构因子合成后，其IC均值达到8.55%。利用六个因子合成构建中证1000指数增强策略，年化超额收益率达到20.79%，信息比率为4.05.
　　风险提示
　　1、以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。
　　2、策略依据一定的假设通过历史数据回测得到，当交易成本提离成其他条件改变时，可能导致策略收益下降甚至出现亏损。
　　

研究报告全文：根据行为金融学中的遗憾规避理论非理性的投资者在做决策时会倾向于避免产生后悔情绪并追求自豪感避免承认之前的决策失误当日收盘价作为一个重要的价量指标在现有的A股高频量价数据研究中尚未被充分挖掘在本篇报告中我们经过探究发现收盘价对于当日有过交易行为的投资者有着重要的心理影响进而影响到后续的交易行为投资者在收盘价低于其当日买入成本价时会更倾向于继续持有且高于收盘价买入的成交量占比越高相较于收盘价的价格偏离越大股票面临更小的卖出压力进而产生更高的预期收益反之投资者在收盘价高于当日卖出价时更倾向于坚持之前判断不再买回且低于收盘价卖出的成交量占比越大相较于收盘价的价格偏离越大股票面临的买入动力越弱进而产生更低的预期收益利用此现象我们分别以成交量占比和成交价格偏离构建出了遗憾规避因子在中证1000指数成分股上经过测试得到了较好的预测效果进一步思考我们探究这一现象在小单投资者身上是否有更显著的效果我们将小于当日日均订单成交量的订单定义为小单发现小单成交中这一非理性现象更加明显IC均值均有一定程度提升且在低于收盘价卖出类因子上提升效果更加明显另外由于尾盘期间1430-1457投资者的交易行为可能蕴含了更多信息我们将因子改为仅考虑尾盘期间的交易发现其预测效果得到进一步提升最终将小单尾盘两种改进方式进行结合发现其优于任何一种单一改进方式其中卖出反弹占比因子LCVOLES和卖出反弹价格偏离因子LCPES表现尤其突出LCPES的多空年化收益率达到9631夏普比率达到877考虑到交易手续费对于实际收益的影响我们将因子降为周频后进行合成发现虽然其收益表现相较于日频因子有所下降但合成因子FRegretFactorW的多空年化收益率依然达到3712夏普比率为409经过市值中性化后的因子FRegretFactorWAdjCI多空年化收益率为3697夏普比率提升至500两者的多头组合年化超额收益率均达到了10以上风险调整后IC在060以上经过测试发现该因子与传统风格因子前期报告中的量价背离因子和线性重构因子相关性都较低在与3个有效的风格因子和量价背离因子线性重构因子合成后其IC均值达到855利用六个因子合成构建中证1000指数增强策略年化超额收益率达到2079信息比率为4051以上结果通过历史数据统计建模和测算完成在政策市场环境发生变化时模型存在失效的风险2策略依据一定的假设通过历史数据回测得到当交易成本提高或其他条件改变时可能导致策略收益下降甚至出现亏损敬请参阅最后一页特别声明1金融工程专题报告内容目录一遗憾规避因子的构建与日频有效性验证411投资者成交后收盘价对投资者的心理作用412遗憾规避因子的构建413因子改进与效果对比6131小单改进6132尾盘改进8133小单尾盘改进914思考与结论1115日频合成因子表现11二遗憾规避因子降频后的表现1321周频因子的IC和分位数组合表现1322周频合成因子表现14三结合遗憾规避因子构建的中证1000指数增强策略1631基于遗憾规避因子构建的中证1000指数增强策略1632遗憾规避因子与传统风格因子的相关性16四总结21风险提示21图表目录图表1收盘价区分示意图4图表2某股票逐笔成交数据示例5图表3遗憾规避因子IC指标日频5图表4遗憾规避因子多空组合净值日频6图表5遗憾规避因子多空组合指标日频6图表6小单改进遗憾规避因子IC指标日频7图表7小单改进遗憾规避因子多空组合净值日频7图表8小单改进遗憾规避因子多空组合指标日频8图表9尾盘改进遗憾规避因子IC指标日频8图表10尾盘改进遗憾规避因子多空组合净值日频9图表11尾盘改进遗憾规避因子多空组合指标日频9图表12小单尾盘改进遗憾规避因子IC指标日频9图表13小单尾盘改进遗憾规避因子多空组合净值日频10图表14小单尾盘改进遗憾规避因子多空组合指标日频10敬请参阅最后一页特别声明2金融工程专题报告图表15HCVOLES因子IC衰减10图表16LCVOLES因子IC衰减10图表17HCPES因子衰减11图表18LCPES因子衰减11图表19各因子多空夏普比率对比日频11图表20遗憾规避因子秩相关系数日频11图表21遗憾规避合成因子IC指标日频12图表22遗憾规避合成因子多空组合净值日频12图表23遗憾规避合成因子分位数组合年化超额收益率日频12图表24FRegretFactor因子分位数组合指标日频12图表25FRegretFactorAdjCI因子分位数组合指标日频12图表26遗憾规避因子IC指标周频13图表27遗憾规避因子多空组合净值周频14图表28遗憾规避因子多空组合指标周频14图表29遗憾规避因子秩相关系数周频14图表30遗憾规避合成因子IC指标周频14图表31遗憾规避合成因子多空组合净值周频15图表32遗憾规避合成因子分位数组合年化超额收益率周频15图表33FRegretFactorW因子分位数组合指标周频15图表34FRegretFactorWAdjCI因子分位数组合指标周频15图表35基于遗憾规避因子的中证1000指数增强策略表现16图表36基于遗憾规避因子的中证1000指数增强策略指标16图表37遗憾规避因子与其他类型因子的相关系数17图表38中证1000成分股中遗憾规避因子与其他因子IC指标周频17图表39中证1000成分股中遗憾规避因子与其他因子多空组合净值周频18图表40中证1000成分股中遗憾规避因子与其他因子多空组合指标周频18图表41基于遗憾规避因子与其他因子合成的中证1000指数增强策略表现19图表42基于遗憾规避因子与其他因子合成的中证1000指数增强策略指标19图表43基于遗憾规避因子与其他因子合成的中证1000指数增强策略分年度收益率20图表44不同手续费下策略超额净值对比20图表45不同手续费下策略指标对比20敬请参阅最后一页特别声明3金融工程专题报告在前期报告中我们利用高频快照数据所构建的量价背离因子经过线性转换和动态纠正的价格区间因子都取得了不错的效果其反映的市场微观结构为投资者提供了新的alpha来源随着高频因子受到投资者越来越广泛的关注我们将在这个领域上持续发力挖掘更多的alpha因子本篇报告作为Alpha掘金系列报告的第四篇我们利用高频逐笔成交数据从订单号和买卖标志入手构建出遗憾规避因子并利用该因子所反映的投资者非理性情绪进一步改进提升效果降频至周频后构建出能够满足机构投资者要求的中证1000指数增强策略11投资者成交后收盘价对投资者的心理作用行为金融学作为因子的重要来源之一目前已有的很多高频量价因子都以数据背后蕴含的投资者非理性行为作为逻辑基础本文主要探究投资者日内在发生买卖行为后当日收盘价对投资者会产生怎样的心理作用又会怎样影响投资者后续的交易行为遗憾理论RegretTheory又称遗憾规避理论FearofRegretTheory是行为金融学的重要理论之一该理论认为非理性的投资者在做决策时会倾向于避免产生后悔情绪并追求自豪感避免承认之前的决策失误例如投资者不愿卖出下跌浮亏的股票是为了避免由于失败投资所导致的遗憾和痛苦心情我们认为同样地当投资者卖掉手中股票后发现其开始不断上涨时也会为了避免产生遗憾和后悔情绪从而不会考虑再将其买回依据此观点我们提出如下推测考虑一位主动买入投资者在收盘后发现其当天买入的股票收盘价已低于其成本价由于处置效应的存在投资者在浮亏的情况下会存在惜售心理且高于收盘价买入的成交量占比越高价格偏离越大该股票的卖出抛压越小会有更高的预期收益反之若一位主动卖出的投资者在收盘后发现其已卖出股票的收盘价高于其卖出价他会倾向于继续坚持自己之前的判断即便后续价格回升也不会考虑再次买回且低于收盘价卖出的成交量占比越高价格偏离越大此类股票的买入动力越小会有更低的预期收益基于此假设我们分别通过成交量占比和成交价格偏离两个维度共构建了4个因子以衡量投资者这种非理性的交易行为对股票预期收益带来的影响图表1收盘价区分示意图2180买入后浮亏投资者倾向2160于在次一交易日继续持有214021202100卖出后价格反弹的投资者2080在次一交易日不会再买回206093000943349524093432939059480695713101522102422103758104704110943111840130216131123132023133346134252135632140540141447142825143729100619101048101952102852103325104230105134105604110037110509111413112313112746130650131553132453132923133820134726135158140108141014141920142353143259144159144632145102145535100145来源Wind上交所深交所国金证券研究所12遗憾规避因子的构建本篇报告我们使用逐笔成交数据进行实证研究该数据记录了市场中实时发生的买卖成交信息包含成交的买卖双方订单号成交价成交量等数据能以最细的粒度展示交易细节为投资者提供了优质的alpha来源下表为某股票在2021年2月1日的部分逐笔成交数据其中卖单号和买单号分别为交易所针对该笔订单赋予的订单编号敬请参阅最后一页特别声明4金融工程专题报告图表2某股票逐笔成交数据示例日期时间成交价格成交量卖单号买单号20210201930003602133001001744971738392021020193000360213218100175399174501202102019300043021340010013061175509202102019300043021340010070208175509202102019300043021340010012365117550920210201930004302134001001755201755092021020193000430213100300175822173838202102019300043021310010017623717383820210201930005402132181001772461764662021020193000540213218100177799178492来源Wind上交所深交所国金证券研究所由于实际交易中买卖成交必然是一一对称的为区分成交的实际买卖方向我们根据买卖订单号的先后顺序给每笔成交数据赋予买卖标志若某笔交易是由买方先挂单卖出方后提交订单并与买单撮合成交则该笔交易实际为主动卖出方向会被记录为卖反之亦然我们根据每笔交易的成交量和买卖标志基于上述针对收盘价对投资者行为的推测构建了如下因子买入浮亏占比因子HCVOL卖出反弹占比因子LCVOL买入浮亏偏离因子HCP1卖出反弹偏离因子LCP1上述因子的基本思路为高于收盘价买入成交量占比越高则投资者当天买入情绪较高且浮亏占比较高未来抛压较低有着更高的预期收益同理高于收盘价买入的价格相较于收盘价偏离幅度越大则投资者浮亏现象越严重也会有更低的抛压带来更高的预期收益而低于收盘价卖出成交量占比越高或价格相较于收盘价向下偏离越大的股票投资者受到卖出行为的影响不愿轻易再次买回因此此类股票未来买入动力较低有更低的预期收益根据以上思路HCVOL和HCP均应为正向因子LCVOL应为负向因子而LCP由于所计算价格偏离为负数此因子值越低后续买入动力越弱预期收益越低应为正向因子由于A股的高频交易限制我们此处计算得到日频因子后以次日开盘价作为买入价格利用IC均值十分组测试方法针对2016年1月至2022年8月中证1000所有成分股进行测试我们首先对因子日频收益的预测能力进行检验下表展示了4个因子的IC统计指标可以看到四个因子都展现出了一定的预测能力T值均大于2基本符合上文中的推测其中HCVOLLCVOLLCP均表现较好IC均值均在2以上图表3遗憾规避因子IC指标日频因子平均值标准差最小值最大值风险调整后ICT统计量HCVOL208699-229828060301196LCVOL219857-256230360261027HCP0631164-43004876005216LCP440988-355440850451788来源Wind上交所深交所国金证券研究所敬请参阅最后一页特别声明5金融工程专题报告我们根据十分位组合构建出了因子的多空组合净值此处展示了多空净值曲线和几个关键指标发现四个因子在测试日期范围内均表现较好其中虽然部分因子在2021年下半年至2022年上半年出现一定回撤但近期又重新恢复上涨趋势整体而言稳定性和持续性均较好另外从多空组合的指标上看四个因子均获得了较高的年化收益率HCVOL的夏普比率达到了550图表4遗憾规避因子多空组合净值日频20181614121086420201614201714201814201914202014202114202214HCVOLLCVOLHCPLCP来源Wind上交所深交所国金证券研究所图表5遗憾规避因子多空组合指标日频因子年化收益率波动率夏普比率最大回撤多头组合年化超额收益率HCVOL53079655506661424LCVOL316711242828421029HCP5159161332013242057LCP446814883001246064来源Wind上交所深交所国金证券研究所13因子改进与效果对比从上述结果可以看出我们的推测基本成立投资者在收盘价低于其买入成本价时会倾向于次日继续持有且买贵的量越大成交量占比买入的成本越高成交价格偏离次日的抛压也就越低反之投资者在收盘价低于其卖出价格时倾向于继续坚持之前的卖出判断且卖亏的量越大成交量占比卖出价格越低成交价格偏离次日的买回动力越弱131小单改进进一步地我们思考是否此类因子所反映的投资者行为在所有投资者身上均有同样的效果呢如果将因子进行细分大单和小单投资者的表现是否一致由于小单交易普遍来自于个人投资者其所展现的非理性行为与情绪会更加显著可能会进一步加强由此带来的定价偏误也给我们改进因子留下了机会目前WIND提供的交易统计数据是以4万元20万元100万元分别作为阈值将成交划分为小单中单大单和超大单然而在构建因子时为了保证不同股票间的可比性单纯用固定数值划分大小单显然不太合理考虑到逐笔成交中的成交量可能会存在一笔大单被拆分成多个小单成交的情况我们首先将同一订单号的成交进行汇总得到其真实订单成交量以图表1数据为例买单号为175509的订单实际成交量为400分别与4个不同的卖单成交其实际成交量应记为400另外若该笔成交为买单被拆分与多个卖单成交则记为买方交易反之为卖方交易我们以此方式确定每笔成交的买卖方向最终计算当日的所有实际交易量均值作为区分大小单的阈值将4个因子改为仅考虑小敬请参阅最后一页特别声明6金融工程专题报告单进行测试构建方式如下买入浮亏占比小单因子HCVOLS卖出反弹占比小单因子LCVOLS买入浮亏偏离小单因子HCPSN1卖出反弹偏离小单因子LCPSN1利用小单改进的4个因子IC指标和十分组测试的几个关键指标如下可以看出相较于原因子4个小单因子的IC均值均有一定程度改进风险调整后IC也有不同程度上升LCPS的风险调整后IC达到045图表6小单改进遗憾规避因子IC指标日频因子平均值标准差最小值最大值风险调整后ICT统计量HCVOLS261783-273226630331339LCVOLS307853-265833050361445HCPS0701171-42424915006242LCPS450995-355539970451817来源Wind上交所深交所国金证券研究所从多空组合指标来看LCVOLS和LCPS相较于原因子有较为明显的提升多空夏普比率分别上升至353和325但HCVOLS和HCPS的改进效果不佳图表7小单改进遗憾规避因子多空组合净值日频181614121086420201614201714201814201914202014202114202214HCVOLSLCVOLSHCPSLCPS来源Wind上交所深交所国金证券研究所敬请参阅最后一页特别声明7金融工程专题报告图表8小单改进遗憾规避因子多空组合指标日频因子年化收益率波动率夏普比率最大回撤多头组合年化超额收益率HCVOLS473310384561045914LCVOLS407611533538111437HCPS4957161830616362080LCPS480414803251517257来源Wind上交所深交所国金证券研究所132尾盘改进由于A股的T1交易机制一般认为尾盘期间的交易行为蕴含了更多的私有信息投资者尾盘期间的买入更不会受到短期波动的影响倾向于继续持有尾盘期间的卖出也不会轻易买回我们考虑将交易日下午230含-257不含定义为尾盘考察上述4个因子在尾盘期间的绩效表现对于HCVOL和LCVOL所计算成交量占比又可分为占尾盘期间成交量比例和占全天成交量比例具体构建方式如下买入浮亏占比尾盘因子全天HCVOLE1143014571买入浮亏占比尾盘因子尾盘HCVOLE2143014572卖出反弹占比尾盘因子全天LCVOLE1143014571卖出反弹占比尾盘因子尾盘LCVOLE2143014572买入浮亏偏离尾盘因子HCPE143014571卖出反弹偏离尾盘因子LCPE143014571用尾盘改进的6个因子IC指标和十分组测试的几个关键指标如下可以看出相较于原因子6个尾盘因子的IC均值均有一定程度改进其中买入浮亏占比因子的尾盘成交占尾盘比例效果较好卖出反弹占比因子的尾盘成交占全天比例效果较好图表9尾盘改进遗憾规避因子IC指标日频因子平均值标准差最小值最大值风险调整后ICT统计量HCVOLE1148529-213522540281121HCVOLE2204535-213419600381529LCVOLE1268616-194226570441748LCVOLE2221591-175122820371499HCPE105797-34263030013530LCPE437735-263829020592386来源Wind上交所深交所国金证券研究所从多空组合的各项指标来看各因子的尾盘改进均表现出较明显的提升其中LCPE的多空夏普比率达到815多头组合年化超额收益率为1370可以在一定程度上说明尾盘期间的交易蕴含了更多额外信息投资者后续也会更倾向于坚持自己之前的判断不易受到收盘价干扰使得遗憾规避因子在尾盘期间有更好的表现敬请参阅最后一页特别声明8金融工程专题报告图表10尾盘改进遗憾规避因子多空组合净值日频80706050403020100201614201714201814201914202014202114202214HCVOLE1HCVOLE2LCVOLE1LCVOLE2HCPELCPE来源Wind上交所深交所国金证券研究所图表11尾盘改进遗憾规避因子多空组合指标日频因子年化收益率波动率夏普比率最大回撤多头组合年化超额收益率HCVOLE12336758308762-060HCVOLE248027576353841665LCVOLE158848606845462521LCVOLE242518325114802110HCPE3996123832310401203LCPE880310808155771370来源Wind上交所深交所国金证券研究所133小单尾盘改进综上所述本文所研究的遗憾规避因子能揭示投资者的非理性行为且在小单投资者和尾盘期间表现更佳接下来本文尝试使用小单尾盘的双重限制模式进行改进以提升因子效果其中尾盘则根据上述测试效果选取买入浮亏占比的尾盘成交占尾盘比例HCVOLE2和卖出反弹占比的尾盘成交占全天比例HCVOLE1进行构建此处不再赘述因子的具体构建方式IC和十分组测试指标列示如下可以发现4个小单尾盘改进因子最终均表现出较强的收益能力优于之前的任何一种单一改进方式其中LCVOLES和LCPES的表现尤其突出LCPES的多空年化收益率为9631夏普比率达到877图表12小单尾盘改进遗憾规避因子IC指标日频因子平均值标准差最小值最大值风险调整后ICT统计量HCVOLES251554-216820840451821LCVOLES348589-176026170592375HCPES113813-35133013014557LCPES451751-253130820602414来源Wind上交所深交所国金证券研究所敬请参阅最后一页特别声明9金融工程专题报告图表13小单尾盘改进遗憾规避因子多空组合净值日频1009080706050403020100201614201714201814201914202014202114202214HCVOLESLCVOLESHCPESLCPES来源Wind上交所深交所国金证券研究所图表14小单尾盘改进遗憾规避因子多空组合指标日频因子年化收益率波动率夏普比率最大回撤多头组合年化超额收益率HCVOLES56117767235052193LCVOLES79868569334802978HCPES4025125232110511271LCPES963110988775821536来源Wind上交所深交所国金证券研究所此外我们还考察了改进后四个因子的IC衰减情况发现四个因子IC衰减速度存在较大差异具体情况如下图所示相较于卖出反弹类因子买入浮亏类两个因子的衰减速度较快图表15HCVOLES因子IC衰减图表16LCVOLES因子IC衰减300800040080002507000350700060003006000200500025050001502004000400010015030003000050100200020000501000000100012345678910000000-05000012345678910HCVOLES-IC均值HCVOLES-胜率LCVOLES-IC均值LCVOLES-胜率来源Wind上交所深交所国金证券研究所来源Wind上交所深交所国金证券研究所敬请参阅最后一页特别声明10金融工程专题报告图表17HCPES因子衰减图表18LCPES因子衰减150600050080004507000100500040060003500504000300500025040000003000123456789102003000150-05020002000100-10010000501000000000-15000012345678910HCPES-IC均值HCPES-胜率LCPES-IC均值LCPES-胜率来源Wind上交所深交所国金证券研究所来源Wind上交所深交所国金证券研究所14思考与结论由上述因子的构造过程和改进测试结果我们可以得到以下几点基本结论本文所推测的投资者的非理性情绪得到证实买入浮亏的投资者会倾向于继续持有卖出反弹的投资者更倾向于继续坚持自己的判断不再买回且此现象会给股票的预期收益带来显著的影响4个因子在加入小单限制后IC指标均得到一定程度提升说明此类因子所蕴含的非理性情绪更易出现在小单个人投资者上4个因子在仅考虑尾盘期间的交易之后收益均得到提升说明尾盘期间的交易蕴含了更多的额外信息投资者更倾向于坚持自己在尾盘的判断后续不会轻易反向操作相较于卖出反弹类因子买入浮亏类因子的IC衰减速度显著更快我们认为这可能与投资者注意力分配不对称有关由于买入后浮亏的股票会持续出现在投资者的账户中投资者会持续给予关注并不断产生痛苦纠结的情绪最终可能会忍痛卖出但对于卖出后股票反弹的投资者由于股票已经不在其账户中体现投资者对于该股的关注度就会大幅减少随着时间推移其更不可能买回因此相较于买入浮亏类因子卖出反弹类因子展现出了更强的持续性图表19各因子多空夏普比率对比日频多空夏普HCVOLLCVOLHCPLCP原因子550282320300小单456353306325尾盘635684323815小单尾盘723933321877来源Wind上交所深交所国金证券研究所15日频合成因子表现在得到上述经过小单尾盘改进的4个因子后我们进一步考虑通过因子合成的方式加强其收益表现和稳定性以降低单个因子阶段性失效所带来的波动我们首先考察4个因子的秩相关系数由下表可以看出HCVOL和LCVOL有较强的负相关性其余因子的相关性相对较低我们考虑通过合成的方式改善投资组合的表现图表20遗憾规避因子秩相关系数日频HCVOLLCVOLHCPLCPHCVOL100LCVOL-062100HCP042-045100LCP050-048005100来源Wind上交所深交所国金证券研究所敬请参阅最后一页特别声明11金融工程专题报告在进行因子合成前我们首先对因子进行分位数变换标准化将四个因子进行等权合成再对合成因子进行行业市值中性化处理后得到了日频的合成因子从下表展示的IC指标来看相较于4个因子而言合成后的风险调整IC有一定程度提升分别达到了064和077图表21遗憾规避合成因子IC指标日频因子平均值标准差最小值最大值风险调整后ICT统计量FRegretFactor404629-244524990642581FRegretFactorAdjCI398515-176520580773101来源Wind上交所深交所国金证券研究所同时多空净值的收益水平和稳定性也有一定提升单调性也非常明显合成因子的多空夏普比率达到了1060多头组合的年化超额收益率为3138经过市值行业中性化后的合成因子表现又有进一步提升多空夏普比率为1217多头组合的年化超额收益率为3149图表22遗憾规避合成因子多空组合净值日频图表23遗憾规避合成因子分位数组合年化超额收益率日频90400080300070602000501000403000020-1000100-2000-3000-4000FRegretFactorFRegretFactorAdjCIFRegretFactorFRegretFactorAdjCI来源Wind上交所深交所国金证券研究所来源Wind上交所深交所国金证券研究所图表24FRegretFactor因子分位数组合指标日频组合年化收益率波动率Sharpe比率最大回撤率年化超额收益率跟踪误差信息比率超额最大回撤率Top33112766120308631386215055601277527001033454259745557136821709267306437401540408377362313172654050434811503813023264622261602451754543751216095174258500752570053740017856-3482580-0135510-510392-13030577-10632613-0416659-1205401-30159418-19382564-0768110-2078448-4647901Bottom-31672553-1249332-3292539-6109309市场16025930065290L-S94938951060535来源Wind上交所深交所国金证券研究所图表25FRegretFactorAdjCI因子分位数组合指标日频组合年化收益率波动率Sharpe比率最大回撤率年化超额收益率跟踪误差信息比率超额最大回撤率Top33392723123298631495495744481280026841043205261341762730421661264706338681480390380371敬请参阅最后一页特别声明12金融工程专题报告组合年化收益率波动率Sharpe比率最大回撤率年化超额收益率跟踪误差信息比率超额最大回撤率31364265605144391191386309317439526300155370230376061775511526100045267-050363-01411726-3502576-0145449-517385-13431497-8772597-0346096-1030376-27452558-19592581-0768154-2098417-5047922Bottom-30892553-1219292-3216500-6439261市场16425930065290L-S93107651217458来源Wind上交所深交所国金证券研究所21周频因子的IC和分位数组合表现由上述日频因子的表现可以看出收盘价对投资者交易行为产生的心理影响对于次日股票收益率的横截面差异有较好的预测作用但对于机构投资者来说日频调仓的手续费较高难以获得实际收益因此我们上述日频因子降频至周频后考察其表现考虑到因子衰减速度较快的特性就具体降频方式而言我们采用加权移动平均法即对于最近连续的五个交易日更近的交易日给予其更高的权重在中证1000指数成分股上以周频调仓的方式每周第一个交易日的开盘价成交进行测试其IC与分位数组合的主要指标如下可以看出4个因子降为周频后表现基本都有所下降其中HCPES由于衰减速度过快在周频的调仓周期上直接失效图表26遗憾规避因子IC指标周频因子平均值标准差最小值最大值风险调整后ICT统计量HCVOLES098539-15742618018330LCVOLES177676-20412761026478HCPES-210960-27952489-022-398LCPES524867-205626110601101来源Wind上交所深交所国金证券研究所从多空组合指标来看HCVOLES的收益表现相比日频情况也大幅衰减不过两个卖出反弹类因子LCVOLES和LCPES依然保持了不错的收益表现多空年化收益率分别为1777和3604夏普比率为193和305敬请参阅最后一页特别声明13金融工程专题报告图表27遗憾规避因子多空组合净值周频9876543210201614201714201814201914202014202114202214HCVOLESLCVOLESHCPESLCPES来源Wind上交所深交所国金证券研究所图表28遗憾规避因子多空组合指标周频因子年化收益率波动率夏普比率最大回撤多头组合年化超额收益率HCVOLES8968201091453467LCVOLES1777923193749616HCPES-5201360-0384517-859LCPES36041180305619646来源Wind上交所深交所国金证券研究所22周频合成因子表现从下表的相关系数可以看出上述表现较好的LCVOLES和LCPES两个因子相关性较低仅为-032因此我们利用同样的方式对两因子进行等权合成图表29遗憾规避因子秩相关系数周频HCVOLESLCVOLESHCPESLCPESHCVOLES100LCVOLES-024100HCPES029-031100LCPES028-032-028100来源Wind上交所深交所国金证券研究所从因子的各项指标来看IC均值均在4以上风险调整后IC均达到060以上较单个因子的IC有一定提升图表30遗憾规避合成因子IC指标周频因子平均值标准差最小值最大值风险调整后ICT统计量FRegretFactorW429717-148130910601090FRegretFactorWAdjCI424584-114522550731325来源Wind上交所深交所国金证券研究所从多空组合指标来看十分组的单调性较好FRegretFactorW的多空年化收益率达到3712夏普比率为409将该因子进行行业市值中性化后多空年化收益率为3697夏普比率提升至500两者的多头组合年化超额收益率敬请参阅最后一页特别声明14金融工程专题报告也均达到了10以上不过依然能明显看到因子空头组合贡献了大多数多空收益图表31遗憾规避合成因子多空组合净值周频图表32遗憾规避合成因子分位数组合年化超额收益率周频915008100076500500043-5002-100010-1500-2000-2500FRegretFactorWFRegretFactorWAdjCIFRegretFactorWFRegretFactorWAdjCI来源Wind上交所深交所国金证券研究所来源Wind上交所深交所国金证券研究所图表33FRegretFactorW因子分位数组合指标周频组合年化收益率波动率Sharpe比率最大回撤率年化超额收益率跟踪误差信息比率超额最大回撤率Top108625240433577102151219946217892493032470672146115659326382538025485458443013634336292488025458656340513939244222444017520334739208960952982463012491622937906051260872456004506601739600413637-3802407-0165743-460452-10229688-6702421-0285947-746472-1584283Bottom-19152286-0848178-2009576-3497782市场07324110035221L-S3712907409626来源Wind上交所深交所国金证券研究所图表34FRegretFactorWAdjCI因子分位数组合指标周频组合年化收益率波动率Sharpe比率最大回撤率年化超额收益率跟踪误差信息比率超额最大回撤率Top1103248404437811025425241438165924920264931588404145573279824950324437727413176276356924630234946492381129529461224270254693526353149454500224630005045-070373-0191354602824870015083-040393-01011127-1562432-0065726-237422-05617908-6692402-0285884-754449-1684141Bottom-18942308-0828198-1987516-3857782市场07924100035221L-S3697740500397来源Wind上交所深交所国金证券研究所敬请参阅最后一页特别声明15金融工程专题报告31基于遗憾规避因子构建的中证1000指数增强策略为了探究本文构建的遗憾规避因子实际交易效果我们首先基于该因子构建中证1000指数增强策略回测期为2016年1月至2022年8月以每周第一个交易日的开盘价买入进行周频调仓每次对前5的股票等权买入以中证1000指数为基准进行比较同时为有效降低换手率过高给策略收益带来的负面影响我们加入换手率缓冲的调整方式降低调仓成本在千分之二的手续费率下测试结果如下图表35基于遗憾规避因子的中证1000指数增强策略表现1816141210806040202016114201711420181142019114202011420211142022114遗憾恐惧增强策略中证1000指数超额净值来源Wind上交所深交所国金证券研究所可以看出基于遗憾规避因子所构建的中证1000指数增强策略相较于基准有明显的优势超额净值稳步上升策略的年化超额收益率为771信息比率为101超额最大回撤为1357图表36基于遗憾规避因子的中证1000指数增强策略指标统计指标遗憾规避增强策略中证1000指数年化收益率502-228年化波动率25182396夏普比率020-010最大回撤51125511双边换手率周度4930年化超额收益率771跟踪误差761信息比率101超额最大回撤1357来源Wind上交所深交所国金证券研究所32遗憾规避因子与传统风格因子的相关性进一步地我们希望探究本文所发现的遗憾规避因子与其他类型因子之间的相关性考察其是否提供了真正独立的alpha我们首先计算了合成后的周频遗憾规避因子与传统风格因子间的秩相关系数从如下数据可以看出该因子与风格因子间相关性都较低相关性最高的为动量因子仅为011与前期报告中的量价背离因子和线性重构因子同样具有较低的相关性其与线性重构因子的相关系数011也处于相对较低水平敬请参阅最后一页特别声明16金融工程专题报告图表37遗憾规避因子与其他类型因子的相关系数02018016014012010080060040020来源Wind上交所深交所国金证券研究所为此我们考虑将遗憾规避因子与在中证1000指数上表现较好的其他因子进行合成构建中证1000指数增强策略经过我们的检验发现一致预期Consensus成长Growth和技术TechniqueRegM三个风格因子在中证1000上表现较好从下表可以看出我们将三个因子合成CGT后得到的IC均值为592风险调整后IC为080结合前期报告的研究成果我们将三个因子与量价背离因子CGTC线性重构因子进行合成CGTCVmr最后再与遗憾规避因子进行合成CGTCVmrFRegret测试此因子所带来的增量收益发现最终的合成因子IC指标得到进一步提升均值为855风险调整后IC达到106图表38中证1000成分股中遗憾规避因子与其他因子IC指标周频因子平均值标准差最小值最大值风险调整的ICt统计量ConsensusFactor134565-14781749024437GrowthFactor249752-17812539033610TechniqueregM719827-167928320871604CorrFactorWAdjCI627674-115823350931713VMRWFactorAdjCI431800-26732376054954FRegretFactorWAdjCI424584-114522550731325CGT592744-169826940801467CGTC767750-167930951021888CGTCVmr805795-233033041011867CGTCVmrFRegret855804-233030871061961来源Wind上交所深交所国金证券研究所我们将六因子组合进行十分组测试从多空组合指标可以看出CGTCVmrFRegret的收益表现相较于CGTCVmr因子组合有明显提升多空年化收益率达到7543夏普比率达到668且多头组合的年化超额收益率也达到了2350敬请参阅最后一页特别声明17金融工程专题报告图表39中证1000成分股中遗憾规避因子与其他因子多空组合净值周频454035302520151050201614201714201814201914202014202114202214ConsensusGrowthTechniqueRegMCorrFactorWAdjCIVMRWFactorAdjCICloseFactorWAdjCICGTCGTCCGTCVmrCGTCVmrFRegret来源Wind上交所深交所国金证券研究所图表40中证1000成分股中遗憾规避因子与其他因子多空组合指标周频因子年化收益率波动率夏普比率最大回撤多头组合年化超额收益率ConsensusFactor11929081311350591GrowthFactor193210511841378606TechniqueregM45761141401704974CorrFactorWAdjCI38759524071038890VMRWFactorAdjCI32649753351440868FRegretFactorWAdjCI36977405003971025CGT4469117438115041592CGTC5674111750813411899CGTCVmr708911636099832219CGTCVmrFRegret754311306689442350来源Wind上交所深交所国金证券研究所为进一步考察因子的实盘盈利能力我们以合成了其他因子的遗憾规避因子构建中证1000指数增强策略回测期为2016年1月至2022年8月以每周第一个交易日的开盘价买入进行周频调仓每次对前10的股票等权买入以中证1000指数为基准进行比较同时为有效降低换手率过高给策略收益带来的负面影响我们加入换手率缓冲的调整方式降低调仓成本在千分之二的手续费率下测试结果如下可以看出基于合成后因子构建的增强策略超额收益明显超额净值稳定向上增强策略的年化超额收益率为2079信息比率为405超额最大回撤为382敬请参阅最后一页特别声明18金融工程专题报告图表41基于遗憾规避因子与其他因子合成的中证1000指数增强策略表现43532521510502016114201711420181142019114202011420211142022114遗憾恐惧增强策略中证1000指数超额净值来源Wind上交所深交所国金证券研究所图表42基于遗憾规避因子与其他因子合成的中证1000指数增强策略指标统计指标遗憾规避增强策略中证1000指数年化收益率1814-228年化波动率24132396夏普比率075-010最大回撤36035511双边换手率周度5071年化超额收益率2079跟踪误差513信息比率405超额最大回撤382来源Wind上交所深交所国金证券研究所分年度来看策略在所有年份均取得正的超额收益且每一年的超额收益均在5以上可见此因子自2016年以来保持了较好的稳定性敬请参阅最后一页特别声明19金融工程专题报告图表43基于遗憾规避因子与其他因子合成的中证1000指数增强策略分年度收益率80006000400020000002016201720182019202020212022-2000-4000-6000遗憾恐惧增强策略中证1000指数来源Wind上交所深交所国金证券研究所注2022年数据截至2022年8月31日对于周度调仓的策略手续费率直接影响了策略整体的收益表现为此我们在不同手续费率的情况下进行了对比同时也针对不同手续费率进行换手率缓冲的参数调优从下图可以看出随着手续费率提高策略收益逐步下降不过在较严格的千分之三手续费率下年化超额收益率依然有1835信息比率达到368超额最大回撤为531图表44不同手续费下策略超额净值对比4843383328231813082016114201711420181142019114202011420211142022114万分之五千分之一千分之二千分之三来源Wind上交所深交所国金证券研究所图表45不同手续费下策略指标对比统计指标万分之五千分之一千分之二千分之三年化收益率2290212518141576敬请参阅最后一页特别声明20