凸显效应（Salience Effect）：涨势凸显的股票被高估，跌势凸显的股票被低估。我们团队曾于2018年初发布报告《结合凸显理论的选股研究--行为金融研究系列三》，从有限注意理论出发，引人凸显理论(Salience Theory)以准确刻画有限注意投资者的认知思维，挖掘其中蕴含的投资机会。本报告参考近期凸显理论学术成果，结合A股涨跌幅限制等市场特征，构建凸显因子并实证检验。
　　 ST系列凸显因子构建：凸显理论是一种建立在有限关注基础之上的注意力分配机制，最终在进行决策时赋予表现凸显状态以超出客观概率更高的权重。（1）首先基于Cosmans和Frehen（2021），构建从收益率视角出发的基础凸显因子STR。（2）成交视角，A股的“量”同样可能呈现凸显特征，参考Sun等（2023），用换手率作为代理变量，构建凸显因子STT、STT2。（3）A股市场存在涨跌停限制，极端的价格都被截尾，参考何家璇等（2022），从“量”的角度并结合中国涨跌停制度对投资者关注的影响，构建凸显因子STV。
　　 A股实证分析：月频全市场选股方式下，STT2因子和STV因子总体效果较好。STT2因子的IC均值为-8.1%,ICIR为-1.14，IC胜率为86.7%，年化收益为33.0%，胜率为79.7%，信息比率为3.43。STV因子的IC均值为-7.3%,ICIR为-1.18，IC胜率为91.1%，年化收益为22.8%，胜率为77.2%，信息比率为2.42。
　　相关性分析：和Barra风格因子总体相关性较小，其中和残差波动因子、流动性因子存在一定相关性。ST因子内部，以换手率为核心的STT和STT2因子的相关性约46%，其他因子的内部相关性相对较小。
　　进一步检验：等权加权STV因子和STT2因子，因子表现整体增厚，IC均值为-9.6%,ICIR为-1.37，IC胜率为92.4%，年化收益为36.2%，胜率为81.0%，信息比率为3.36。区分选股池，ST系列因子在小盘股的选股效果更加突出。参数、、阈值X调整后的结果总体维持稳定。
　　风险提示。本专题报告所述模型用量化方法通过历史数据统计、建模和测算完成，所得结论与规律在市场政策、环境变化时可能存在失效风险；策略在市场结构及交易行为的改变时有可能存在策略失效风险。

研究报告全文：TablePage金融工程量化投资专题2023年3月23日证券研究报告TableTitle凸显理论之TableTitleA股价量应用图ST合成因子IC值信息RANKICIC累计右轴行为金融研究系列之七02001-5TableSummary0报告摘要-10-01-15-02凸显效应SalienceEffect涨势凸显的股票被高估跌势凸显的股200912312010093020110630201203302012123120130930201406302015033120151231201609302017063020180330201812282019093020200630202103312021123120220930-03-20票被低估我们团队曾于2018年初发布报告结合凸显理论的选股研究--行为金融研究系列三从有限注意理论出发引人凸显理论数据来源Wind广发证券发展研究中心SalienceTheory以准确刻画有限注意投资者的认知思维挖掘其中蕴含的投资机会本报告参考近期凸显理论学术成果结合A股涨跌幅分析师TableAuthor张钰东限制等市场特征构建凸显因子并实证检验SAC执证号S0260522070006系列凸显因子构建凸显理论是一种建立在有限关注基础之上的注ST021-38003734意力分配机制最终在进行决策时赋予表现凸显状态以超出客观概率更zhangyudonggfcomcn高的权重1首先基于Cosmans和Frehen2021构建从收益率分析师安宁宁视角出发的基础凸显因子STR2成交视角A股的量同样可能呈SAC执证号S0260512020003现凸显特征参考Sun等2023用换手率作为代理变量构建凸显SFCCENoBNW179因子STTSTT23A股市场存在涨跌停限制极端的价格都被截0755-23948352尾参考何家璇等2022从量的角度并结合中国涨跌停制度对投anningninggfcomcn资者关注的影响构建凸显因子STV分析师罗军股实证分析月频全市场选股方式下因子和因子总体效SAC执证号S0260511010004ASTT2STV果较好STT2因子的IC均值为-81ICIR为-114IC胜率为867020-66335128年化收益为330胜率为797信息比率为343STV因子的ICluojungfcomcn均值为-73ICIR为-118IC胜率为911年化收益为228胜请注意张钰东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率为信息比率为772242相关性分析和Barra风格因子总体相关性较小其中和残差波动因相关研究TableDocReport子流动性因子存在一定相关性ST因子内部以换手率为核心的STT高频数据的因子化研究多因2023-03-10和STT2因子的相关性约46其他因子的内部相关性相对较小子Alpha系列报告之四十进一步检验等权加权STV因子和STT2因子因子表现整体增厚八IC均值为-96ICIR为-137IC胜率为924年化收益为362北向资金行业与风格轮动因2023-02-10胜率为810信息比率为336区分选股池ST系列因子在小盘股子差异化与数据细化的选股效果更加突出参数阈值X调整后的结果总体维持稳定弹性因子研究多因子Alpha2023-02-02风险提示本专题报告所述模型用量化方法通过历史数据统计建模和系列报告之四十六测算完成所得结论与规律在市场政策环境变化时可能存在失效风险策略在市场结构及交易行为的改变时有可能存在策略失效风险TableContacts识别风险发现价值请务必阅读末页的免责声明130TablePageText金融工程量化投资专题目录索引一研究背景5二凸显因子构建方法6一理论基础6二STR因子收益视角7三STT因子成交视角8四STV因子引入涨跌幅限制因素9三实证分析11一数据说明11二实证结果12三相关性分析17四进一步检验19一因子加权合成19二区分选股池21三回溯周期调整22四参数敏感性检验23五总结25六风险提示25七附录26一BARRA风格因子含义26八参考文献27识别风险发现价值请务必阅读末页的免责声明230TablePageText金融工程量化投资专题图表索引图1买卖不平衡程度和股票交易量收益率的关系10图2STR因子IC值信息12图3STR因子分组平均收益统计12图4STR因子多头空头累计收益13图5STR因子多空累计收益13图6STT因子IC值信息14图7STT因子分组平均收益统计14图8STT因子多头空头累计收益14图9STT因子多空累计收益14图10STT2因子IC值信息15图11STT2因子分组平均收益统计15图12STT2因子多头空头累计收益15图13STT2因子多空累计收益15图14STV因子IC值信息16图15STV因子分组平均收益统计16图16STV因子多头空头累计收益16图17STV因子多空累计收益16图18ST合成因子IC值信息20图19ST合成因子分组平均收益统计20图20ST合成因子多头空头累计收益20图21ST合成因子多空累计收益20表1ST系列因子总体绩效分析12表2STR因子分年度绩效表现13表3STT因子分年度绩效表现14表4STT2因子分年度绩效表现15表5STV因子分年度绩效表现16表6STR因子与Barra因子的相关性分析17表7STT因子与Barra因子的相关性分析17表8STT2因子与Barra因子的相关性分析18表9STV因子与Barra因子的相关性分析18表10ST系列因子内部相关性19表11ST因子合成后总体绩效分析19表12ST合成因子分年度绩效表现20表13STR因子区分股票池绩效分析21表14STT因子区分股票池绩效分析21表15STT2因子区分股票池绩效分析21表16STV因子区分股票池绩效分析21识别风险发现价值请务必阅读末页的免责声明330TablePageText金融工程量化投资专题表17ST系列因子区分回溯周期绩效分析22表18STR因子调整参数的绩效分析23表19STT因子调整参数的绩效分析23表20STT2因子调整参数的绩效分析23表21STV因子调整参数的绩效分析24表22Barra风格因子含义26识别风险发现价值请务必阅读末页的免责声明430TablePageText金融工程量化投资专题一研究背景传统金融市场理论通常假设市场上的每个投资者都是完全理性的都能高效地获取并分析市场信息并做出最优决策然而现实中的金融市场往往是非理性的在A股市场上个人投资者占比较高卖空存在限制股价异象繁生在这种情况下行为金融理论异军突起从投资者的实际决策心理出发较为系统地对现代主流金融理论提出挑战并有效地解释了众多市场异常行为近年来中国股市抱团现象越来越明显国际金融市场也出现了前所未有的散户运动在互联网技术创新自媒体传播做空机制缺陷等多种因素助推下投资者行为具有趋同的特征不仅个体投资者如此机构投资者也热衷于抱团持股使中国股市的价格结构发生裂变极少数股票市值急剧膨胀价格扶摇直上大部分股票价值中枢不断下移价格陷入慢慢阴跌之中这种价格现象呈现极强的凸显效应SalienceEffect即涨势凸显的股票被高估跌势凸显的股票被低估更好地理解这一现象对于深刻认识投资者的行为模式提高监管效能和增强对投资者的保护有重要的意义我们团队曾于2018年初发布报告结合凸显理论的选股研究--行为金融研究系列三从有限注意理论出发发现有限注意的投资者由于错误认知而低估高估股票价格并引人凸显理论SalienceTheory以准确刻画有限注意投资者的认知思维挖掘其中蕴含的投资机会近年来学术界关于凸显理论推出新的研究成果Cosmans和Frehen2021基于凸显理论构建了凸显因子海外学者们沿着该方向继续前进Cakici和Zaremba2022为该因子的有效性提供了来自全球股市的实证证据Mohrschladt2021结合凸显的价出现的时间顺序进一步改进了该指标通常认为A股和美股的市场特征存在差异如涨跌幅限制融券做空投资者结构等方面针对A股的研究方面Sun等2023成交信息同样存在凸显效应而何家璇等2022进一步考虑了涨跌停等因素的影响因此本报告将基于Cosmans和Frehen2021何家璇等2022和Sun等2023等文献结合A股市场特征构建STRSTVSTT等凸显因子并在A股市场进行实证检验识别风险发现价值请务必阅读末页的免责声明530TablePageText金融工程量化投资专题二凸显因子构建方法一理论基础1有限注意LimitedAttention现有文献表明投资者观察股票运行的注意力是有限的Odean1999Da等2011俞庆进张兵2012孙书娜孙谦2018有限注意最早由Kahneman1973提出他认为个体的认知能力是有限的需要在不同的事物上分配认知资源分配在一件事物上的注意力必然减少了个体对于另一事物的注意力并称这种现象为有限注意力传统的有效市场理论认为市场参与者完全理性且具有无限信息处理能力能够及时充分地将所有公开信息反应在股价中然而真实的市场由许多有限注意的投资者组成他们容易受到媒体宣传和市场情绪的影响特别是在互联网时代的今天投资者更是面临着空前的信息爆炸大量新闻消息评论甚至谣言充斥网络渠道使投资者不得不选择性地关注某些显著信息而忽略对其它信息的处理股票涨跌幅一直以来都是投资者进行投资活动的重要参考信息投资者的有限注意会对股票收益率形成正反馈机制当股票收益显著为正时有限注意的投资者过度关注于股价表现出的上涨趋势推动股价进一步上涨进而又吸引了其他投资者的注意导致股价短期内存在被高估的可能性同理当股票收益显著为负时有限注意的投资者过度关注于股价表现出的下跌趋势推动股价进一步下跌最终可能导致股价短期内将被低估的可能性精准投资由于投资者有限注意而被低估的股票将带来稳定收益在以投资者有限关注为出发点的诸多理论中凸显理论SalienceTheory在解释市场参与者分化与抱团并存的特征中表现优异被众多理论研究和金融实践者广泛应用2凸显理论SalienceTheory凸显理论是一种建立在有限关注基础之上的注意力分配机制由Bordalo等2012首次提出是指投资者在不确定条件下做出选择时注意力被表现凸显的状态所吸引最终在进行决策时赋予表现凸显状态以超出客观概率更高的权重凸显理论和前景理论ProspectTheory一脉相承都是研究投资者面对不确定性时如何做决策的选择理论二者都承认投资者有偏地感知客观概率前景理论提出的决策权重函数说明投资者的决策权重是各状态发生的客观概率的函数凸显理论基于投资者有限关注的视角更进一步提出投资者决策权重是各状态的凸显性Salience和客观概率的函数投资者在对比中决策其注意力被表现凸显的状态所吸引从而对于凸显的状态赋予更高的权重而忽视表现平平的状态举例说明假设股票A的收益率为5股票B的收益率为3毫无疑问股票A更能吸引投资者的注意但是在这例子中加入别的条件结果可能完全相反假设股票A的收益率为5同期市场平均收益率为4股票B的收益率为3同期市场平均收益为此时投资者的注意力就从股票转移到了股票上-1AB识别风险发现价值请务必阅读末页的免责声明630TablePageText金融工程量化投资专题3A股市场特征相对美股这类成熟的资本市场A股存在更大的套利限制姜富伟等2022由关注度驱动的散户交易在日成交量中占比极大A股呈现高换手率特征换手率远高于美股A股市场中高交易量对投资者注意力的吸引作用尤为显著已有研究也发现在中国市场上交易量和投资者关注有很大的联系权小锋吴世农2010黄创霞等20204因子构建步骤Cosmans和Frehen2021指出凸显溢价来源于投资者的认知偏差而非对基本面风险的补偿投资者有限的注意力资源限制了其关注所有可投资股票的可能性如果投资者过度关注驱动凸显效应那么凸显效应的显著程度应该随着投资者注意力的增加而提高构建凸显因子分三步第一凸显性函数刻画了什么因素影响投资者的关注度该函数可以给出每个收益状态的凸显值SalienceValue第二凸显权重函数给出凸显理论框架下投资者对不同收益状态的决策权重第三基于决策权重和客观权重计算凸显因子值二STR因子收益视角1凸显性函数SalienceFunctionCosmans和Frehen2021在Bordalo等2012基础上给出函数具体形式公式如下分子表明股票第S天的凸显性随着股票日收益与市场平均收益的距离的增大而增大分母表明凸显性具有敏感性递减的性质2凸显权重函数SalienceWeightFunction权重函数参考Cosmans和Frehen2021如下所示其中是由凸显性加权的决策权重代表客观概率ObjectiveProbability保持了基于凸显性函数确定的各收益状态的凸显性顺序不变就是状态S的凸显值的排序从1最凸显到T最不凸显参数01代表了凸显效应扭曲投资者决策权重的程度是投资者认知能力的代理变量识别风险发现价值请务必阅读末页的免责声明730TablePageText金融工程量化投资专题3凸显因子STR基于凸显性的资产定价理论给出凸显因子的定义即投资者受到凸显股票吸引的主观预期收益率与客观预期收益率之差凸显因子STR的定义如下所示三STT因子成交视角与欧美成熟股市不同由于涨跌停制度的实施和高换手率的过度交易特征中国市场的量比价更能反映投资者关注易志高茅宁2009田利辉王冠英2014徐加根等2015投资者同样也可能在股票交易等领域呈现凸显理论特征需要明确的是投资者的注意力分配机制在量与价上的差异基于Barber和Odean2008的研究价量分别体现了投资者注意力配置的相对原则和绝对原则凸显因子STT的经济含义是当样本期内股票换手较高的状态更为凸显时股票的STT值更大投资者对股票的过度需求使得当期股价被高估未来收益较低反之则反因此STT与预期收益负相关基于此投资者也可能对交易量较高的个股给予过高的关注度借鉴Hou等2009使用换手率作为交易量的代理指标与STR的构建逻辑相似我们构建STT因子我们在两方面做出尝试一方面在凸显性函数凸显权重函数用换手率替代计算主观预期收益率与客观预期收益率之差时仍旧以收益率作为代理变量以此构建凸显因子STT另一方面借鉴Sun等2023所有步骤均以换手率作为代理变量构建凸显因子STT21凸显性函数SalienceFunction2凸显权重函数SalienceWeightFunction识别风险发现价值请务必阅读末页的免责声明830TablePageText金融工程量化投资专题3凸显因子STT4凸显因子STT22四STV因子引入涨跌幅限制因素STR为代表的在美股构建的凸显因子大多从价的角度刻画了投资者注意力分配机制STR从价的角度刻画凸显的相对收益率对投资者关注的影响与投资决策的扭曲其具有价格能充分反映投资者关注的潜在假定这符合美股市场特征美股不设置针对普遍个股的涨跌停制度且对满足条件的账户适用T0交易规则这使得价格能充分变化美股市场的价与关注度高度相关然而如果在中国市场照搬STR因子的构建就存在违背凸显因子构建的潜在假定可能主要体现在两个方面其一我国A股市场存在涨跌停限制极端的价格都被截尾使得A股的价格不能像美股一样充分反映投资者关注同时涨跌停制度本身也对投资者关注有重要影响王朝阳王振霞2017Wang2017接近涨跌停时的绝对收益率也会被投资者极大关注其二套利限制与投资者结构共同决定了中国市场的交易量与关注度高度相关文献表明当投资者对一只股票不那么关注时其交易量会较少或换手率较低当投资者更关注某只股票时过度自信等行为偏差会促进过度交易Odean1999Scheinkman和Xiong2003因此参考何家璇等2022从量的角度并结合中国涨跌停制度对投资者关注的影响构建凸显因子STV识别风险发现价值请务必阅读末页的免责声明930TablePageText金融工程量化投资专题图1买卖不平衡程度和股票交易量收益率的关系数据来源Barber和Odean2008广发证券发展研究中心1凸显性函数SalienceFunction基于A股市场的投资者结构以及高换手率的市场特征投资者的决策极大地受到交易量的影响本文从量的角度给出凸显性函数的另一种形式turnoverturnover与美国市场不同的是中国股市设置了涨跌停制度涨跌幅机制设定的阈值无意中给投资者一个明确的止损止盈目标投资者赶在触发10阈值前卖出或买入使得涨跌幅接近10的股会更加凸显因此本文在衡量股票收益状态的凸显性时设置收益阈值对不同收益率区分处理1收益率绝对值超过阈值时认为是所有收益状态中最凸显的多日的收益率均超过了阈值则它们的凸显性按照收益率绝对值的大小降序排序2收益率绝对值未超过阈值时凸显性则按照当日换手率降序排序STV的凸显性函数如下1000XturnoverturnoverX1000的设定是为了确保绝对收益率超过X的状态是最凸显的2凸显权重函数SalienceWeightFunction权重函数同样参考Cosmans和Frehen2021如下所示识别风险发现价值请务必阅读末页的免责声明1030TablePageText金融工程量化投资专题3凸显因子STV基于凸显性的资产定价理论给出凸显因子的定义即投资者受到凸显股票吸引的主观预期收益率与客观预期收益率之差凸显因子STV的定义如下所示turnover三实证分析一数据说明选股范围全市场剔除科创板和注册制改革后的创业板股票预处理剔除摘牌涨跌停板STST上市未满1年的股票因子预处理三倍标准差去极值Z-Score标准化行业市值中性化回测区间2010010120230228分档方式根据当期股票的因子值从小到大分为十档调仓周期月度加权方式等权交易费用千分之三卖出时收取参数设置1回溯周期我们首先基于月度换仓频率计算因子数据每次滚动回溯过去1个自然月的日度数据构建因子2和Cosmans和Frehen2021等文献保持一致3和Cosmans和Frehen2021等文献保持一致4阈值X和何家璇等2022保持一致识别风险发现价值请务必阅读末页的免责声明1130TablePageText金融工程量化投资专题二实证结果本小节中主要将对ST系列因子在IC多空策略胜率以及换手率方面的回测表现进行整体展示月频全市场选股方式下所有因子均表现出负IC的特征即因子值相对较小的个股样本内的后续收益表现相对较好对各类因子总体而言STT2因子和STV因子的IC均值绝对值相对较高STT2因子的IC均值为-81ICIR为-114IC胜率为867多空年化收益为330多空胜率为797信息比率为343STV因子的IC均值为-73ICIR为-118IC胜率为911多空年化收益为228多空胜率为772信息比率为242表1ST系列因子总体绩效分析RANKICICIRIC胜率年化收益多空胜率年化波动率信息比率多空超额换股比例STR-38-079791846587711057868STT-47-08981614469069210117807STT2-81-11486733079796343303626STV-73-11891122877294242201864数据来源Wind广发证券发展研究中心注全市场选股的比较基准为中证500指数年化收益多空胜率和年化波动率等数据均基于月频处理后续内容未特别说明则采取相同处理方式1STR因子图2STR因子IC值信息图3STR因子分组平均收益统计RANKICIC累计右轴0800600151040010020-1005000-20-3-020-005-4-040-01-5-0602009123120100831201104292011123020120831201304262013123120140829201504302015123120160831-015201704282017122920180831201904302019123120200831202104302021123120220831-6-080-02-7-100数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1230TablePageText金融工程量化投资专题图4STR因子多头空头累计收益图5STR因子多空累计收益空头累计收益多头累计收益多空累计收益235315252115051050020091231201007292011030120110919201204202012111320130618201401092014080520150305201509232016042120161116201706142018010320180731201902282019091920200420202011162021061120220105202208032009123120100715201101252011080520120221201208282013031420130925201404102014102120150430201511102016051920161129201706132017121820180702201901092019072320200206202008132021022620210902数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心表2STR因子分年度绩效表现年化收益率年化波动率信息比率最大回撤指数收益超额收益2010-51133-038147101-1512011765713140-3384142012874419818038420131953851504169272014395307238390-3512015649207063431-36720161477719123-17832520171496722335-0215120181474433715-33348020191528318234264-1122020518605963209-158202104108004100156-1522022525808935-203255数据来源Wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1330TablePageText金融工程量化投资专题2STT因子图6STT因子IC值信息图7STT因子分组平均收益统计RANKICIC累计右轴080060015004001-1020005-20000-3-020-005-4-01-5-040-015-6-0602009123120100831201104292011123020120831201304262013123120140829201504302015123120160831201704282017122920180831201904302019123120200831202104302021123120220831-02-7-080-025-8-100数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心图8STT因子多头空头累计收益图9STT因子多空累计收益空头累计收益多头累计收益多空累计收益25625154312051002009123120100708201101112011071520120117201207242013012420130805201402122014081120150211201508142016022320160819201702282017082820180305201808312019031220190909202003182020091620210325202109242009123120100729201103012011091920120420201211132013061820140109201408052015030520150923201604212016111620170614201801032018073120190228201909192020042020201116202106112022010520220803数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心表3STT因子分年度绩效表现年化收益率年化波动率信息比率最大回撤指数收益超额收益201012110211846101202011835016716-33842120121778022237031752013274713870416910520141655331216390-22520151187515734431-31320162266733619-17840320172075438310-0220920181995039807-33353220191775731119264-872020817211322209-1282021-3677-047107156-19220221256918327-203328数据来源Wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1430TablePageText金融工程量化投资专题3STT2因子图10STT2因子IC值信息图11STT2因子分组平均收益统计RANKICIC累计右轴150015010001-2050005-40000-6-005-050-01-8-015-100-102009123120100831201104292011123020120831201304262013123120140829201504302015123120160831201704282017122920180831201904302019123120200831202104302021123120220831-02-150-025-12-03-14-200数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心图12STT2因子多头空头累计收益图13STT2因子多空累计收益空头累计收益多头累计收益多空累计收益55044033022011000200912312010070820110111201107152012011720120724201301242013080520140212201408112015021120150814201602232016081920170228201708282018030520180831201903122019090920200318202009162021032520210924200912312010072220110215201108262012032020121009201305022013112020140610201412232015071320160127201608152017030820170919201804122018103020190521201912042020062420210111202107302022022220220906数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心表4STT2因子分年度绩效表现年化收益率年化波动率信息比率最大回撤指数收益超额收益20104381502923210133720112867836415-33862420123388241106033352013326764300416915720143498939432390-412015517117442004318620164928458309-17867020173476157404-0234920182927240711-3336252019313100312422644920201439814537209-6620211651191398115610202230910828539-203512数据来源Wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1530TablePageText金融工程量化投资专题4STV图14STV因子IC值信息图15STV因子分组平均收益统计RANKICIC累计右轴100020050-201-40000-6-050-01-8-10-100-022009123120100831201104292011123020120831201304262013123120140829201504302015123120160831201704282017122920180831201904302019123120200831202104302021123120220831-12-03-14-150数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心图16STV因子多头空头累计收益图17STV因子多空累计收益空头累计收益多头累计收益多空累计收益16314251210281561405200200912312010070120101227201106242011121620120618201212102013061720131210201406092014120120150528201511232016051820161114201705112017110320180503201810262019042320191021202004152020101420210408202109302009123120100729201103012011091920120420201211132013061820140109201408052015030520150923201604212016111620170614201801032018073120190228201909192020042020201116202106112022010520220803数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心表5STV因子分年度绩效表现年化收益率年化波动率信息比率最大回撤指数收益超额收益20102371032311810113620111776128913-33851520121815533000031782013282763712016911320141706426733390-22020154781393442843147201629511326039-17847320172438927440-0224620182967141511-333629201926960451092640520203211802859209-176202115144010152156-14120223387147914-203541数据来源Wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1630TablePageText金融工程量化投资专题三相关性分析针对ST系列因子本部分将展示其与常见风格因子以及因子内部的相关性特征1与Barra因子相关性分析本部分的Barra风格因子参考BarraCNE5因子算法基于天软科技数据计算整理计算逻辑详见附录相关性结果来看ST系列因子和常见风格因子的相关性总体相对较小相对而言和残差波动因子流动性因子存在一定相关性表6STR因子与Barra因子的相关性分析账面市值非线性市STR动量市值成长杠杆残差波动流动性盈利贝塔比值STR1000-5500-18059464-49-37-3507动量-55100017658-963912711114-35779市值0017610001581871926343-7828366成长-18581581000111-1917257-22-2416杠杆05-961871111000-103-132127-8331118残差波动9439119-19-1031000516-31386-46361流动性642712617-1325161000-186392-30272盈利-4911343257127-313-1861000-119367101贝塔-3714-78-22-8386392-1191000-10439账面市值-35-35728-24311-463-302367-1041000-07比非线性市07793661618617210139-071000值数据来源Wind天软科技广发证券发展研究中心表7STT因子与Barra因子的相关性分析账面市值非线性市STT动量市值成长杠杆残差波动流动性盈利贝塔比值STT10004739-0413129295-1881-2118动量47100017658-963912711114-35779市值3917610001581871926343-7828366成长-04581581000111-1917257-22-2416杠杆13-961871111000-103-132127-8331118残差波动12939119-19-1031000516-31386-46361流动性2952712617-1325161000-186392-30272盈利-1811343257127-313-1861000-119367101贝塔8114-78-22-8386392-1191000-10439识别风险发现价值请务必阅读末页的免责声明1730TablePageText金融工程量化投资专题账面市值-21-35728-24311-463-302367-1041000-07比非线性市18793661618617210139-071000值数据来源Wind天软科技广发证券发展研究中心表8STT2因子与Barra因子的相关性分析账面市值非线性市STT2动量市值成长杠杆残差波动流动性盈利贝塔比值STT2100016623833462774383140-7623动量166100017658-963912711114-35779市值23817610001581871926343-7828366成长33581581000111-1917257-22-2416杠杆46-961871111000-103-132127-8331118残差波动27739119-19-1031000516-31386-46361流动性4382712617-1325161000-186392-30272盈利3111343257127-313-1861000-119367101贝塔4014-78-22-8386392-1191000-10439账面市值-76-35728-24311-463-302367-1041000-07比非线性市23793661618617210139-071000值数据来源Wind天软科技广发证券发展研究中心表9STV因子与Barra因子的相关性分析账面市值非线性市STV动量市值成长杠杆残差波动流动性盈利贝塔比值STV1000-0427-09-02206165-7725-10844动量-04100017658-963912711114-35779市值2717610001581871926343-7828366成长-09581581000111-1917257-22-2416杠杆-02-961871111000-103-132127-8331118残差波动20639119-19-1031000516-31386-46361流动性1652712617-1325161000-186392-30272盈利-7711343257127-313-1861000-119367101贝塔2514-78-22-8386392-1191000-10439账面市值-108-35728-24311-463-302367-1041000-07比非线性市44793661618617210139-071000值数据来源Wind天软科技广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1830TablePageText金融工程量化投资专题2ST系列因子内部相关性观察ST因子内部以换手率为核心的STT和STT2因子的相关性相对较高约46其他因子的内部相关性相对较小表10ST系列因子内部相关性STRSTTSTT2STVSTR1000123130282STT1231000460194STT21304601000214STV2821942141000数据来源Wind广发证券发展研究中心四进一步检验基于上述实证结果本部分进一步检验因子加权区分股票池以及调整参数等因素的影响一因子加权合成总体而言考虑换手率的STTSTT2因子和引入涨跌幅因素影响的STV因子总体效果相对突出本部分尝试对上述因子进行简单合成并回测检验合成后的选股效果我们采取3种合成方式1等权加权STV因子和STT2因子2等权加权STV因子STT因子和STT2因子3考虑到STT和STT2因子的相关性较高采取211的方式加权STV因子STT因子和STT2因子回测结果显示合成后的因子表现整体均有进一步增厚相对而言等权加权STV因子和STT2因子的增厚效果更加明显IC均值为-96ICIR为-137IC胜率为924多空年化收益为362多空胜率为810信息比率为336表11ST因子合成后总体绩效分析RANKICICIRIC胜率年化收益多空胜率年化波动率多空信息比多空超额换股比例STVSTT2-96-137924362810108336335786STVSTTSTT2-90-136930343810100343316780STVSTT2STT22-90-13692432082398328293813数据来源Wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明1930TablePageText金融工程量化投资专题1STVSTT2等权合成因子图18ST合成因子IC值信息图19ST合成因子分组平均收益统计RANKICIC累计右轴150020100-205001-40000-6-8-050-01-10-100-12-022009123120100831201104292011123020120831201304262013123120140829201504302015123120160831201704282017122920180831201904302019123120200831202104302021123120220831-150-14-03-16-200数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心图20ST合成因子多头空头累计收益图21ST合成因子多空累计收益空头累计收益多头累计收益多空累计收益70560504403302201100020091231201007012010122720110624201112162012061820121210201306172013121020140609201412012015052820151123201605182016111420170511201711032018050320181026201904232019102120200415202010142021040820210930200912312010072220110215201108262012032020121009201305022013112020140610201412232015071320160127201608152017030820170919201804122018103020190521201912042020062420210111202107302022022220220906数据来源Wind广发证券发展研究中心数据来源Wind广发证券发展研究中心表12ST合成因子分年度绩效表现年化收益率年化波动率信息比率最大回撤指数收益超额收益20104111323112510131020113078535929-33864520123728145912033692013397954172316922820143518541117390-39201571513852018431284201647910844213-17865720173539138628-0235520183798047602-3337122019350804380926486202010612308659209-103202116415610512215608202237411632243-203577数据来源Wind广发证券发展研究中心识别风险发现价值请务必阅读末页的免责声明2030