中银金工团队基于经典技术指标构建了截面选股多因子框架。复合因子在各个核心成分股中多头与多空组合超额收益均显著为正，因子表现稳健优异。
　　技术因子在学术研究成果概述：学术界对于技术因子构建多停留在“多区间动量因子”相关领域。对比2014-2022年在技术因子选股领域的研究发展历史，代表性研究成果更多体现在多因子复合框架上的改进，比如从简单基于哑变量技术因子的OLS预测模型扩展到纳入宏观基本面指标，以及考量因子多重共线性的PLS模型以及其他因子复合方式。国内技术因子相关研究较国外的技术因子池实现显著扩充。
　　技术指标库整理：中银金工团队通过各类资料整理，将技术指标整体总结为两大类型，即趋势型指标（包含8个子指标）与震荡型指标（包含5个子指标），具体指标计算方法详见后文。在文字我们针对技术因子及其衍生的经典多空交易信号进行因子构建与实证。
　　基于技术信号构建的因子回测效果一般：交易信号构建的哑变量因子在各成分股内呈弱反转效应，但因子表现不佳，原因是受市场beta影响，股票常出现相似信号（如同时大多数股票同质性的出现金叉看多情形），因子截面区分度有限。
　　技术因子在时间序列上呈现“个股时序自学习”效应：基于个股时间序列所显示的技术信息对股票未来一个月收益进行预测，实证表明预期收益越高的股票在未来一个月超额收益反而越低。但整体时序因子在各成分股的表现较直接截面技术因子选股因子效果相对较弱。
　　截面技术因子较时序技术因子在截面选股能力上相对优秀：实证表明，截面技术因子较时序因子选股alpha效果更优。且无论是趋势型还是震荡型技术因子，在各成分股整体呈现反转特征，单因子表现比较理想。通过分析因子收益特征可知，技术因子和经典的价格反转因子以及低换手率因子仍存在较低的相关性，可独立作为一类新的alpha收益来源构建多因子模型。
　　因子复合与回测分析：在报告中，我们动态筛选较优秀的技术单因子进行动态因子复合。实证表明，中银复合技术因子在各个成分股中，多头组合与多空组合超额收益均显著为正，因子表现稳健优异。
　　风险提示：量化模型失效风险；历史业绩不代表未来，投资需谨慎。
　　
　　

研究报告全文：金融工程证券研究报告专题报告2023年9月13日基于经典技术指标构建选股多因子框架中银多因子选股系列六中银金工团队基于经典技术指标构建了截面选股多因子框架复合因子在各个核心成分股中多头与多空组合超额收益均显著为正因子表现稳健优异技术因子在学术研究成果概述学术界对于技术因子构建多停留在多区间动量因子相关领域对比2014-2022年在技术因子选股领域的研究发展历史代表性研究成果更多体现在多因子复合框架上的改进比如从简单基于哑变量技术因子的OLS预测模型扩展到纳入宏观基本面指标以及考量因子多重共线性的PLS模型以及其他因子复合方式国内技术因子相关研究较国外的技术因子池实现显著扩充技术指标库整理中银金工团队通过各类资料整理将技术指标整体总结为两大类型即趋势型指标包含8个子指标与震荡型指标包含5个子指标具体指标计算方法详见后文在文字我们针对技术因子及其衍生的经典多空交易信号进行因子构建与实证基于技术信号构建的因子回测效果一般交易信号构建的哑变量因子在各成分股内呈弱反转效应但因子表现不佳原因是受市场beta影响股票常出现相似信号如同时大多数股票同质性的出现金叉看多情形因子截面区分度有限技术因子在时间序列上呈现个股时序自学习效应基于个股时间序列所显示的技术信息对股票未来一个月收益进行预测实证表明预期收益越高的股票在未来一个月超额收益反而越低但整体时序因子在各成分股的表现较直接截面技术因子选股因子效果相对较弱截面技术因子较时序技术因子在截面选股能力上相对优秀实证表明截面技术因子较时序因子选股alpha效果更优且无论是趋势型还是震荡型技术因子在各成分股整体呈现反转特征单因子表现比较中银国际证券股份有限公司理想通过分析因子收益特征可知技术因子和经典的价格反转因子具备证券投资咨询业务资格以及低换手率因子仍存在较低的相关性可独立作为一类新的alpha收金融工程益来源构建多因子模型证券分析师郭策因子复合与回测分析在报告中我们动态筛选较优秀的技术单因子进861066229239行动态因子复合实证表明中银复合技术因子在各个成分股中多头ceguobocichinacom组合与多空组合超额收益均显著为正因子表现稳健优异证券投资咨询业务证书编号S1300522080002风险提示量化模型失效风险历史业绩不代表未来投资需谨慎目录一多因子回测框架说明4二技术指标梳理与分类5一学术成果概述5二指标库构建与分类5三技术因子构建7三基于时序信息构建技术因子9一基于技术信号构建9二A股自学习效应成显著反转特征9四基于截面信息构建技术因子12一技术因子在截面上的收益特征12二与反转因子低换手因子存在较低相关性14五技术因子复合与回测分析15一构建框架15二复合技术因子15三回溯测试17六总结与反思19七附录银子池扩充效果测算20八参考文献212023年9月13日基于经典技术指标构建选股多因子框架2图表目录图表1技术指标分类5图表2趋势类技术指标6图表3震荡类技术指标6图表4技术因子概述7图表5趋势型指标分类7图表6趋势型指标交易逻辑7图表7震荡型指标分类8图表8震荡型指标交易逻辑8图表9基于技术信号的构建9图表10中性化因子IC10图表11市场有效性假设的反向利用10图表12时序预期收益因子在各成分股表现10图表13各指数多头组累计净值11图表13各指数多空组累计净值11图表14基于技术交易信号的哑变量因子月度RankIC统计12图表15原始技术因子月度RankIC统计13图表16哑变量交易信号因子呈弱反转效应13图表17原始技术因子呈强反转效应14图表18技术因子与反转因子低换手因子相关性较低14图表19框架构建逻辑15图表20滚动5年窗口做因子动态复合16图表21各类复合因子在成分股中的表现16图表22复合因子RankIC滚动1年时间序列17图表23复合因子IC时序ElasticNetvsICIR17图表24复合因子测试表现17图表25复合技术因子多头G1累计超额收益18图表26复合技术因子多空G1G10累计超额收益18图表27中银复合技术因子与其他经典因子存在较低相关性18图表28每年因子在成分股中的多头组和多空组超额收益19图表29不同周期技术指标在成分股中的超额收益202023年9月13日基于经典技术指标构建选股多因子框架3一多因子回测框架说明中银多因子系列报告所构建的因子均在全A股池子中进行行业市值中性化处理具体方法为通过将原始因子值对个股市值与行业变量进行OLS回归取残差方式来构建中性化因子回归所得残差需进行截面Zscore处理得到最终中性化因子其中行业层面选择中信一级行业构建哑变量市值层面选择自由流通市值取对数构建控制变量回测区间2010年2022年其中中证1000成分股回测区间为2015年-2022年回测样本范围沪深300中证500中证1000和中证全指000985CSI成分股因子分组测试单因子测试分为10组组内等权配置分组测试不考虑交易费率换仓频率月度换仓股票池基于每月末的因子信息进行分组并在月初以第一个交易日的收盘价进行换仓交易特殊处理1剔除上市不满一年股票ST股不参与测算若在持有期间个股被ST处理则继续持有至下个换仓日2如果股票在换仓日涨跌停针对需要买入的新持仓涨停标的本期无法买入针对需要卖出的已有持仓跌停股票本期无法卖出将继续持至下一换仓日交易3股票在换仓日出现停牌换仓日期间股票如果出现停牌交易当日需买入的标的不能买入需要卖出的标的无法卖出将继续持有至下一换仓日进行交易2023年9月13日基于经典技术指标构建选股多因子框架4二技术指标梳理与分类一学术成果概述技术因子构建学术界对于技术因子构建多停留在多区间动量因子相关领域典型为2014年Christopher的研究成果1直至2022年Yao的研究2也未在因子构建上出现突破性的变化以Christopher2014中提出的多区间股价均线金叉信号为例构建因子如下其中Pt为t时刻股票收盘价股票均价区间s取短期123月数l取长期912月数多因子复合框架对比2014-2022年在技术因子选股领域的研究发展历史代表性研究成果更多体现在多因子复合框架上的改进比如从简单基于哑变量技术因子的OLS预测模型扩展到纳入宏观基本面指标以及考量因子多重共线性的PLS模型以及其他因子复合方式Qi20173Yao2022二指标库构建与分类国内研究显著扩充因子库参考李斌2017发表在系统工程理论与实践的学术文章4文章采用了较为丰富的经典趋势型和震荡型指标作为输入因子较国外的技术因子池实现显著扩充技术指标库整理通过各类资料整理将技术指标整体总结为两大类型即趋势型指标包含8个子指标与震荡型指标包含5个子指标具体指标计算方法详见后文图表1技术指标分类资料来源中银证券2023年9月13日基于经典技术指标构建选股多因子框架5图表2趋势类技术指标技术指标类型构建理念计算方法shortemastockpricecloseewmspanlagshortmeanlongemastockpricecloseewmspanlaglongmean利用收盘价的短期指数移动平均线与长期指数移动平均线之间MACD趋势diffshortema-longema的聚合与分离状况对买进卖出时机作出研判的技术指标deadiffewmspanlagdeameanmacd2diff-deashortemastockpricecloseewmspanlagshortmean短期收盘价均值与长期收盘价均值的比例比值越大代表短期AMA趋势longemastockpricecloseewmspanlaglongmean上涨趋势越强或下跌趋势减弱amashortemalongemaewmspanlagshortmeanhighstockpricecloserollingwindowlagmaxVHF目的是将价格中的波动过滤掉反映股票的趋势计算方法minstockpricecloserollingwindowlagmin是区间最高价与最低价之差作为分子该时间段价格波动的绝hignminuslowhign-minVHF趋势对值之和为分母VHF越大说明价格波动越大市场趋势越difpricestockpriceclose-stockpricecloseshift1强反之趋势越弱totalasbchangedifpriceabsrollingwindowlagsumvhfhignminuslowtotalasbchangeretstockpriceclosestockpricecloseshift1-1推力指数将股价变化与成交量以自由流通股换手率来代表ForceIndex趋势forceindextretstockturnoverd换手率基于自由流通股口径以相乘的形式有效结合以评估股价趋势强弱forceindexforceindextrollingwindowlagmeanretstockpriceclosestockpricecloseshift1-1stockvolumeupstockvolumedcopy成交量比率VR通过分析股价上升日成交额或成交量下同stockvolumedownstockvolumedcopy与股价下降日成交额比值从而掌握市场买卖气势的技术指标stockvolumeupret00VR趋势其理论基础是量价同步及量须先于价股票具有较强stockvolumedownret00的上涨动能反之则有较强的下跌动能volumeupmeanstockvolumeuprollingwindowlagmeanvolumedownmeanstockvolumedownrollingwindowlagmeanvrvolumeupmeavolumedownmeanOBV指标称为能量潮表达的是成交量净额表达的是累计每一Dstockpriceclosestockpricecloseshift1astypeintOBV趋势天成交量的需要和供给变化的趋势线应用它可以通过价格变DD0-1化和成交量增减关系来判断未来股价运行趋势OBVDstockturnoverdrollingwindowlagmeanPdeltastockpriceclosestockpricecloseshift1astypeintPSY趋势测算区间股票日度上涨概率越高说明上涨强度越强psyPdeltarollingwindowlagmeanpricemashortstockpricecloserollingwindow21mean测算短周期股价均值与长周期股价均值的比例比例越高代表TRIX趋势pricemalongstockpricecloserollingwindow63mean趋势越强restrix2163pricemashortpricemalong-1注stockpriceclose是日度股票复权收盘价stockvolumed是股票日度成交额stockturnoverd是股票日度基于自由流通股换手率资料来源中银证券图表3震荡类技术指标技术指标类型构建理念计算方法MovAveragestockunadjclose-stockunadjopenrollingwindowlagmeanRVI是相对活力指标类似于随机震荡指标高数值被解释为RVI震荡RangeAveragestockunadjhigh-stockunadjlowrollingwindowlagmean一个强烈的超买条件低值则被视为一个强烈的超卖条件rviMovAverageRangeAverageKDJ指标通过测量收盘价与最高价和最低价之间的关系来衡量价格的强势或弱势并判断市场的超买超卖情况1超买超卖判断当K值高于80时存在抛压被视为超买区域lowstockunadjlowrollingwindowlagmin当K值低于20时被视为超卖区域highstockunadjhighrollingwindowlagmax2趋势反转点判断当K线向上穿越D线金叉时表明股rsvstockunadjclose-lowhigh-low100KDJ震荡票价格可能出现上涨趋势当K线向下穿越D线死叉时KDJKrsvewmadjustFalsealpha13mean表明股票价格可能出现下跌趋势KDJDKDJKewmadjustFalsealpha13mean3参考J值当J值位于高位时可能意味着市场情绪过热KDJJ3KDJK-2KDJD股票价格可能出现回调风险当J值位于低位时可能意味着市场情绪过冷股票价格可能出现反弹机会BIAS指标是通过计算股票收盘价与区间移动平均线之间的差距百分比来反映一定时期内价格与其MA偏离程度的指标不MAstockpricecloserollingwindowlagmeanBIAS震荡论股价在移动平均线之上或之下只要偏离距离过远就会biasstockpricecloseMA-1向移动平均线趋近据此计算股价偏离移动平均线百分比的大小来判断买卖时机Pdeltastockpriceclose-stockpricecloseshift1PdeltaposPdeltacopyRSI代表过去一段时间价格走势的强弱如果涨跌幅度过于极PdeltaposPdelta00端价格在一段时间内就会回归平均RSI的数值范围在0至PdeltanegPdeltacopyRSI震荡100区间内常用70和30作为分析判断依据具体表现为PdeltanegPdelta00RSI70代表价格快速上涨市场可能呈现超买状态PdeltaupPdeltaposrollingwindowlagminperiods1meanRSI30代表价格快速下跌市场可能呈现超卖状态PdeltadownPdeltadownrollingwindowlagminperiods1meanRSPdeltaupPdeltadownrsi100-1001RSabsPdeltastockpriceclose-stockpricecloseshift1CMO指标首先计算一段时间内收盘价的涨跌幅并根据涨跌幅PdeltaupPdeltacopyPdeltadownPdeltacopy的正负将其分别加总然后将正涨跌幅之和减去负涨跌幅之PdeltaupPdelta00CMO震荡和得到动量值最后将动量值与一段时间内的总涨跌幅比PdeltadownPdelta00较计算出动量的变化率CMO指标是寻找极度超买和极度超PdeltaupsumPdeltauprollingwindowlagsum卖的条件逻辑与RSI相似PdeltadownsumPdeltadownrollingwindowlagsumcmoPdeltaupsumPdeltadownsumPdeltaupsum-Pdeltadownsum注stockpriceclose是日度股票复权收盘价stockuadjxx代表股票未复权日度开盘收盘最高最低价stockvolumed是股票日度成交额stockturnoverd是股票日度基于自由流通股换手率资料来源中银证券2023年9月13日基于经典技术指标构建选股多因子框架6三技术因子构建1学术成果概述国内研究显著扩充原始因子库参考李斌2017发表在系统工程理论与实践的学术文章4文章采用了较为丰富的经典趋势型和震荡型指标作为输入因子较国外的技术因子池实现显著扩充基于经典交易信号构建技术选股因子参考前述国外对于技术因子的哑变量处理方式可根据众多经典的技术分析多空交易信号构建哑变量因子总体来讲交易信号可分为如下三大类型趋势信号反转信号以及多周期共振信号震荡型技术指标也可构建趋势交易信号针对震荡型技术指标也可以构建类似金叉等趋势交易信号具体算法详见后文图表4技术因子概述资料来源中银证券李斌林彦唐文轩2017ML-TEA一套基于机器学习和技术分析的量化投资算法系统工程理论与实践2交易信号因子构建趋势型指标图表5趋势型指标分类资料来源中银证券图表6趋势型指标交易逻辑资料来源中银证券2023年9月13日基于经典技术指标构建选股多因子框架7图表7震荡型指标分类资料来源中银证券图表8震荡型指标交易逻辑资料来源中银证券2023年9月13日基于经典技术指标构建选股多因子框架8三基于时序信息构建技术因子一基于技术信号构建时序预期收益因子构建基于个股滚动5年不满5年满3年即可计算时间序列信息进行建模被预测变量为个股未来一个月的收益率自变量为个股的基于自身量价构建的技术指标并基于线性OLS模型进行滚动样本外预测输入因子类型划分一类因子为原始技术因子二类因子为基于经典技术信号如经典金叉死叉所构建的哑变量因子具体指标计算可参考前文内容图表9基于技术信号的构建资料来源中银证券二A股自学习效应成显著反转特征观察时序预期收益因子在各个成分股中的分组表现可得到如下结论1个股时序自学习效应在截面呈反转效应基于个股时间序列所包含的技术信号以及相关信息对股票未来一个月收益进行预测预期收益越高的股票在未来一个月超额收益反而越低2市场有效性假设的反向利用该现象说明自身量价所反映的信息已经被市场消化模型基于历史信息对未来的预测是线性外推过度反应的本质上在A股有效市场环境下模型所产生的自学习效应信号是显著滞后于有效市场的3技术指标因子比技术交易信号截面选股效果更优基于技术指标经典交易指标产生的哑变量信号信息量较原始技术因子信息有较大缩减在预测收益层面效果出现打折2023年9月13日基于经典技术指标构建选股多因子框架9图表10中性化因子IC资料来源万得中银证券图表11市场有效性假设的反向利用资料来源中银证券因子回测与结论观察时序预期收益因子多技术因子复合指标在各个成分股中的分组表现具体如下表所示值得关注的是该因子在2016年之后中证500成分股中失效较为明显因此本报告并不推荐该因子上述分析只用于理解A股在时序定价模式上与众多经典技术指标的关系在后文中我们会从截面维度构建更有效的技术因子图表12时序预期收益因子在各成分股表现资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架10图表13各指数多头组累计净值资料来源万得中银证券图表13各指数多空组累计净值资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架11四基于截面信息构建技术因子一技术因子在截面上的收益特征趋势和震荡指标均呈现显著反转效应其中基于技术交易信号的哑变量因子显著弱于原始技术因子该结论与时序技术因子一致对于原始技术因子大部分趋势因子呈现显著的反转效应少部分呈现弱反转效应图表14基于技术交易信号的哑变量因子月度RankIC统计因子列表沪深300中证500中证1000中证全指DummyAMA金叉2163-02-05-12-13Dummybias为正21-12-20-26-30Dummybias为正63-05-19-21-23Dummybias金叉2163-02121417Dummycmo金叉2163-05-14-16-19DummyDIF超过DEA63211001-11-20-20Dummyforceindex金叉2163-10-16-23-23DummyKDJ21KD金叉-21-16-03-16DummyKDJ63KD金叉-13-19-08-17DummyKDJD21-03-13-15-20DummyKDJD63-02-14-14-21DummyKDJJ21-22-24-25-31DummyKDJJ63-07-20-18-28DummyKDJKDJ21-07-15-12-20DummyKDJKDJ63-05-13-13-22DummyKDJK21-09-20-17-24DummyKDJK63-01-18-14-24DummyKDJ大于5021-14-19-19-24DummyKDJ大于506301-10-12-13Dummyobv金叉2163-06-10-12-14Dummypsy金叉2163-05-02-04-07Dummyrsi21020803-03Dummyrsi6325191311Dummyrsi金叉216303-11-08-12Dummyrsi金叉2163底部08-0207-01Dummyrsi金叉2163顶部03-04-05-04Dummyrvi金叉216304-16-14-20Dummytrix216300-12-10-18Dummyvhf金叉2163020605-04Dummyvr金叉2163-12-18-20-25KDJD21pricerho1m-05030102KDJD63pricerho3m0504-0102KDJJ21pricerho1m-0101-02-02KDJJ63pricerho3m0302-0200KDJK21pricerho1m-0502-01-01KDJK63pricerho3m0303-0300macd216310pricerho1m-10-07-07-12macd216310pricerho3m-04-07-09-08注IC为经过行业和市值对数中性化后的因子月均RankIC和IR中证1000的回测区间为201501-202308其他成分股回测区间为201001-202308资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架12图表15原始技术因子月度RankIC统计类型因子列表沪深300中证500中证1000中证全指AMAama2163-18-36-43-46forceindex21-47-68-79-87ForceIndexforceindex63-47-72-81-87obv21-32-43-55-61OBVobv63-30-50-61-64psy21-13-11-19-18PSYpsy63-05-12-16-15趋势型macddea216310-19-19-24-18MACDmacddiff216310-16-22-29-21macd216310-09-16-22-16TRIXtrix2163-30-43-47-53vhf2102070406VHFvhf6308100406vr21-58-57-68-55VRvr63-57-57-64-46bias21-42-47-52-61BIASbias63-42-59-60-74cmo21-28-42-45-51CMOcmo63-22-40-42-51KDJD21-16-30-31-37KDJD63-09-32-30-39KDJJ21-24-25-25-34震荡型KDJKDJJ63-12-31-24-39KDJK21-19-31-30-39KDJK63-10-34-29-41rsi21-19-27-26-36RSIrsi63-16-21-19-31rvi21-26-50-56-59RVIrvi63-25-55-57-61注IC为经过行业和市值对数中性化后的因子月均RankIC和IR中证1000的回测区间为201501-202308其他成分股回测区间为201001-202308资料来源万得中银证券交易信号因子回测效果不佳交易信号构建的哑变量因子在各成分股内呈弱反转效应但因子表现不佳原因是受市场beta影响股票常出现相似信号如同时出现金叉看多因子截面区分度有限图表16哑变量交易信号因子呈弱反转效应沪深300中证500中证1000中证全指因子列表多头超空头超多空超多头超空头超多空超多头超空头超多空超多头超空头超多空超ICIRICIRICIRICIR额G1额G10额额G1额G10额额G1额G10额额G1额G10额DummyAMA金叉2163-02005110210-050181521-06-120521650-34-13053464501Dummybias为正21-1204112-2739-20083504109-26126411626-30147991385Dummybias为正63-0501611-0617-19070591346-21101522725-23098730765Dummybias金叉2163-02007-07-1105120441127-1714064434102170733764-27Dummycmo金叉2163-050172335-12-14060712249-16072602338-190981124963DummyDIF超过DEA632110010043540-05-11046504406-20097473710-20098965244Dummyforceindex金叉2163-100451721-05-16082581443-23124544807-23152945144DummyKDJ21KD金叉-21076-0632-38-16074390237-03018503020-16079793444DummyKDJ63KD金叉-1304513-1629-1908616-0925-08038681850-17086712150DummyKDJD21-03013290424-13054222200-150716681-15-20101836319DummyKDJD63-02007-0833-41-140532125-04-14057523517-21101565402DummyKDJJ21-2207118-2240-24093160907-25112580454-31142801664DummyKDJJ63-07023-0504-09-20074302209-18073702644-28130734428DummyKDJKDJ21-070241618-02-15062402317-12063968611-200961017131DummyKDJKDJ63-050160518-13-130521924-05-13056764036-22100706306DummyKDJK21-09030100406-20079341420-17078755421-24117824140DummyKDJK63-01003-1700-17-1806622-0628-14057443707-24111544608DummyKDJ大于5021-14045-0502-07-19079562729-19096350926-24121772255DummyKDJ大于506301003-03-0805-100391842-23-120643954-15-13062534806Dummyobv金叉2163-06028231904-10051674324-12076493910-14106965837Dummypsy金叉2163-05023231706-02009484207-04020514506-07042906624Dummyrsi210200401-2526080261830-1103013646004-03010777205Dummyrsi6325072-1004-14190695068-1713048111167-5611039121130-09Dummyrsi金叉2163030142946-17-11062735518-080467181-10-120801049014Dummyrsi金叉2163底部08027-0330-33-02012633924070355975-16-010051047728Dummyrsi金叉2163顶部03012-0113-13-04021484207-050285457-03-040245965-06Dummyrvi金叉216304014342608-16076853847-14069571740-201111054758Dummytrix216300001-09-05-04-12045311516-100454042-01-18083653530Dummyvhf金叉216302005472621060244777-2905021655907-04014868007Dummyvr金叉2163-120563234-02-18090693039-20109605307-251631045649KDJD21pricerho1m-05016291613030142530-050100761461402010636102KDJD63pricerho3m050192938-09040186170-09-010065080-30020118891-03KDJJ21pricerho1m-010042750-23010054855-08-0201098103-05-02010928903KDJJ63pricerho3m030103550-1502007705614-020138284-0200001998218KDJK21pricerho1m-050174050-1002007393207-01008944153-01008886919KDJK63pricerho3m030133747-10030115960-01-030147080-1100000968511macd216310pricerho1m-10032563421-07026534904-07035875829-12058985841macd216310pricerho3m-04013261609-07030544410-09042784929-08045817209注IC和IR为经过行业和市值对数中性化后的因子月均RankIC和IR中证1000的回测区间为201501-202308其他成分股回测区间为201001-202308资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架13原始技术因子回测结果无论是趋势型还是震荡型技术指标在各成分股整体呈现反转特征单因子表现比较理想其中中性化月均IC小于-3的因子用蓝色背景标出具体如下表所示图表17原始技术因子呈强反转效应沪深300中证500中证1000中证全指类型因子列表多头超空头超多空超多头超空头超多空超多头超空头超多空超多头超空头超多空超ICIRICIRICIRICIR额G1额G10额额G1额G10额额G1额G10额额G1额G10额AMAama2163-18038090801-36090141004-43116351719-46139750372forceindex21-4714892-74165-6823791-61153-79300101-135236-87401154-107261ForceIndexforceindex63-4713868-61128-7226382-99181-81341107-101208-87402156-94250obv21-3210128-5381-4316638-3977-5524871-100171-61307109-71180OBVobv63-3009113-2639-5019140-5392-6126793-92184-64304127-70197psy21-130440812-04-110433742-05-19065903357-18076825824PSYpsy63-050150562-56-120450825-17-16056763838-15064795425趋势型macddea216310-19055-0420-25-19072552134-24100805228-18070826220MACDmacddiff216310-160470006-07-22081541836-29117864343-21080856421macd216310-0903027-1038-16069331221-2209775-0176-16063942372TRIXtrix2163-30068330330-43113590258-4713359-1070-5316097-04101vhf21020060315-11070280764-57040195571-16060284982-33VHFvhf6308023-0137-38100362757-30040163774-36060284685-39vr21-5816778-70148-5721482-73155-68307106-113218-5523878-98177VRvr63-5716075-48123-5722588-107195-6431788-87174-4619769-80149bias21-4210733-5589-4712718-1432-5214357-89146-6119377-65143BIASbias63-4209357-4098-5914262-1880-6014876-79156-74208107-60166cmo21-2807632-3769-42121411130-4514883-41123-5118398-04102CMOcmo63-22051120309-401081227-15-4213468-0472-51176851075KDJD21-16043130013-300890318-15-3110442-1255-37133600456KDJD63-09023-24-05-19-320880428-25-30094331419-39134471829KDJJ21-2406626-2046-250790320-17-2509424-2347-34125520547震荡型KDJKDJJ63-12032-21-04-18-310880728-20-2408012-0517-39140380137KDJK21-1905210-2131-31093-0223-25-3010321-2243-3913850-0354KDJK63-10026-25-02-23-340920728-21-29091290821-41142461036rsi21-19072560551-27109481532-26132941976-361931092981RSIrsi63-1605224-0327-21082571047-19088813843-311491035053rvi21-2607221-1637-5016562-1173-56212104-56160-59233114-32146RVIrvi63-250641126-16-55180480048-57237117-33151-61252114-20134注IC和IR为经过行业和市值对数中性化后的因子月均RankIC和IR中证1000的回测区间为201501-202308其他成分股回测区间为201001-202308资料来源万得中银证券二与反转因子低换手因子存在较低相关性中性化技术因子与经典反转以及低换手率因子在中证全指的IC相关系数统计如下其中各中性化因子的RankIC的时间序列区间为2010年1月至2023年8月观察测算结果可知虽然技术因子整体呈现较强的反转效应但和经典的价格反转因子以及低换手率因子仍存在较低的相关性可独立作为一类新的alpha收益来源构建多因子模型图表18技术因子与反转因子低换手因子相关性较低macdmacdmacdama21bias2bias6cmo2cmo6forceinforceinKDJDKDJDKDJJKDJJKDJKKDJKtrix21turnov中性化IC相关系数obv21obv63psy21psy63rsi21rsi63rvi21rvi63dea21diff212163vhf21vhf63vr21vr63ret1mret3m631313dex21dex6321632163216363er1m6310631010bias21052bias63084086cmo21059083083cmo63087059083071forceindex21047065069058044forceindex63061032055034054068KDJD21058082081094071055028KDJD63082069088081091051046085KDJJ21041087070082057045020085066KDJJ63071079087085084053043088094083KDJK21053087080093067053026098080094089KDJK63079074089084090052046087099074097085obv21044069068072049086056068057057059067059obv63064035056047066059085042057030051039055067psy21025039035057031031022052034046036053036062047psy63049025039045055021034042047032040040045047065083rsi21057071076082066058035076074065075074076051030012008rsi63061048064047072038038049068039063046067022026-026-014075rvi21059080082094069059036090080078082089082072048051040077050rvi63080052075063093041052064084052077061083046066026051058069070macddea216310053028047029045023028028047022042027046021024006019031035030041macddiff216310052036052033044029030033048026045032048026025007016033035035039096macd216310017042037030015030011034024032028034026028009009001030018033012008027trix2163093062093069086060062068087047077062085057063029045066063071079051054028vhf21-011-013-012-016-013003014-015-016-008-010-015-015-009004-015-016-013-006-024-016-016-013-003-014vhf63-021-023-024-024-026000006-023-023-023-020-025-024-010-006-024-031-017-006-023-022-027-025-003-021053vr21029037042032026057037029027025028029028056035035031024007035029041047035038-005-013vr63027-001015004023019049000013-003009000012024051026040-009-005009030040039-002023004-009060ret1m063092091089064078044085076075079084078080046044031078051087058034041044076-013-019049008ret3m094069093070089057065068085056079066084054065028044067067070082052055026094-009-023036028076turnover1m-001-022-012-006001026051-012-007-019-011-015-009033057040045-022-031-006005-013-016-013-002015017025045-011-008turnover3m-005-031-022-016-005014048-022-016-025-019-024-018019053030039-031-035-016001-018-022-016-012019022019048-022-014096注IC为经过行业和市值对数中性化后的因子月均RankIC和IR中证全指的数据区间为201001-202308资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架14五技术因子复合与回测分析一构建框架通过构建技术指标池筛选最优的指数组合具体步骤如下1基于1个月和3个月技术指标构建初始因子池报告后续会补充加入6个月和12个月因子池2滚动计算中长期窗口本报告取滚动5年不足5年的满3年即可计算每个因子月度中性化IC中位数并筛选出IC中位数小于-3的因子构成动态因子池3每个月基于最新的动态因子池构建复合技术因子并进行回溯测试因子复合方法分为两大类一类是等权法IC加权法IR加权法最大化ICIR法二类是回归法如经典的滚动窗口OLS回归和考虑变量优选的ElasticNet法具体算法介绍详见后文图表19框架构建逻辑资料来源万得中银证券二复合技术因子最大化复合因子ICIR方法说明如下方法论概述其思想是以历史一段时间的复合因子平均RankIC简称IC作为对复合因子下一期IC值的估计以历史IC值的协方差矩阵作为对复合因子下一期波动率的估计并基于ICIR等于IC的期望值除以IC的标准差得到最大化复合因子ICIR的最优权重解参数说明w表示因子合成时所使用的权重因子中性化月均为IC因子IC协方差矩阵为两参数均基于滚动5年月度数据来计算注针对本报告的原始输入技术因子IC从逻辑上均为负因此统一将因子月均IC取相反数转为正值处理最优化条件设置协方差矩阵估计不一定准确且由于因子之间存在多重共线性的问题导致最优化求解的因子权重常常出现负数这与因子本身的逻辑相反因此我们推荐在直接求解最大化ICIR时加上权重为正的约束条件带限制条件的最优化复合因子ICIR可以表示为如下公式2023年9月13日基于经典技术指标构建选股多因子框架15采用滚动窗口回归法来动态估计因子权重我们将滚动样本内未来一个月的股票收益1作为因变量y窗口内IC中位数-3的全部单因子作为解释变量组通过PooledOLS或者带变量筛选的ElasticNet算法来估算t时期进行因子复合的权重w其中ElaticNet的最优参数通过滚动5年训练集Kfold5交叉验证估计具体算法如下图表20滚动5年窗口做因子动态复合资料来源万得中银证券各类复合技术因子在各核心成分股中均实现显著的多头以及多空超额收益因子复合方法超额收益排序ElasticNetOLSMaxICIRIR加权IC加权等权其中最大化ICIR方法得到的复合因子虽然超额收益略逊于ElasticNet复合法但较其他因子复合方法确实可以实现相对最高的IR基于Rank单因子复合的技术因子超额收益和稳健性好于Zscore单因子的复合结果该结论与我们历史上研究的其他因子复合一致图表21各类复合因子在成分股中的表现资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架16以滚动5年窗口ElasticNet优选单因子动态复合因子FactorElasticnetRank5y为例计算滚动行业市值中性化因子的年均RankIC时间序列可知整体而言复合技术因子的年均中性化RankIC稳定在10波动IC出现较大波动的时间区间如2016年下半年2018年年中2023年年中对比基于5年窗口最大化ICIR算法所计算的复合因子FactorOptICIRRank5y对应的滚动年均IC值ElasticNet复合法整体与OptICIR方法相似但Elasticnet因子的IC均值相对更高一些对比2021-2023年基本面因子典型如业绩超预期SUE因子IC衰减效应中银复合技术因子在近几年的稳健性较高可显著增强组合收益图表22复合因子RankIC滚动1年时间序列图表23复合因子IC时序ElasticNetvsICIR资料来源万得中银证券资料来源万得中银证券三回溯测试复合技术因子在中证全指中证1000中证500沪深300的分组测试以及净值表现如下图表24复合因子测试表现资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架17图表25复合技术因子多头G1累计超额收益图表26复合技术因子多空G1G10累计超额收益资料来源万得中银证券资料来源万得中银证券中银复合技术因子与其他经典因子相关性较低对比中银动态复合技术因子的在中证全指的月度中性化RankIC时间序列与其他几类经典的量价流动性基本面以及盈利预期因子的IC相关系数可知中银复合技术因子与各类经典因子存在较低的相关性值得强调的是虽然技术因子与3个月反转因子的IC相关性为75左右但两类因子的多头超额收益的能力上存在显著差异注关于各成分股中复合技术因子与其他因子相关性的测算结果有兴趣的机构投资者可与我团队联系获取因子明细数据图表27中银复合技术因子与其他经典因子存在较低相关性中银动态技术复合因子与其他经典因子的中性化RankIC相关系数矩阵2010-202308FactorElasticneFactorOptICIRSUE1归母净利归母净利润额RankIC相关系数ret3m低换手率3m低波动率3mtRank5yRank5y润MRQFY3FactorOptICIRRank5y86ret3m7671低换手率3m1741-14低波率3m-8-11-12-5SUE1归母净利润MRQ99126-10归母净利润一致预期额FY33-130-2211EPFY3qoq-7-7-89-4-375注所有因子的IC时序方向均进行过方向调整以保证分组收益的统一性即每个因子的多头组均为第一组G1空头组均为第十组G10资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架18六总结与反思业绩稳健优异除极个别年份2011年2019年沪深300成分股2017年中证500和中证全指复合技术因子在各个成分股中的多头与多空组合超额收益均显著为正因子表现稳健优异不足与反思纯技术因子超额收益每年不够稳定建议将该技术因子作为一个子因子或子策略与基本面因子进行结合以实现收益的稳定增强图表28每年因子在成分股中的多头组和多空组超额收益沪深300中证500中证1000中证全指年份G1G1G10G1G1G10G1G1G10G1G1G102010143114752133673122011-1302711620249264201246131195490159517201312015712424261962014853116929514134020152803774276364214706132882016106240258361307339255318201744477-323329176-15819920180411005492294291263882019-10-05621948922877300202016122225339187224933292021166151166126140176298280202219331556120154459230472202308664791213102194126222平均83135122207152285188308注G1代表多头组年度超额收益G1G10代表多空年度超额收益资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架19七附录银子池扩充效果测算增加6个月和12个月区间构建的技术单因子本报告前文使用的单因子池基于1个月和3个月信息构建本部分我们添加6个月和12个月的中长期信息以考察新增指标是否会增强复合技术因子的效果实证表明增加中长期技术因子库并未有效增强复合因子效果月度换仓策略相对更优的选择是基于1个月和3个月技术指标构建的因子池图表29不同周期技术指标在成分股中的超额收益因子池为基于1m3m区间构建的技术指标池沪深300中证500中证1000中证全指多头空头多头空头多头空头多头空头因子类型复合因子列表因子复合方式多空多空多空多空ICIR超额超额ICIR超额超额ICIR超额超额ICIR超额超额超额超额超额超额G1G10G1G10G1G10G1G10FactoreqZscore5y等权4009453-621155915745-37827121380-891697525595-82177FactorICZscore5yIC加权4109856-651216216749-43927623084-9517979272102-88191FactorIRZscore5yIR加权4210255-681236417646-52987824488-9318181287104-95198ZscoreFactorOptICIRZscore5y最优ICIR4512692-6215485259149-8723697329150-137287101416187-119306FactorOLSZscore5yOLS滚动复合5515480-831647726673-9216582333119-10922891429143-110253FactorElasticnetZscore5yElasticNet滚动复合4713291-5014285261143-8723197328149-140289101414189-118308FactoreqRank5y等权4209955-32876417262-339476226102-8618878265115-69183FactorICRank5yIC加权4510653-45976718469-431118124499-8618582284120-81201FactorIRRank5yIR加权4611159-591186919468-4911883257109-8719784301123-87211RankFactorOptICIRRank5y最优ICIR5615887-5614386268133-8822198299175-103278104394193-97290FactorOLSRank5yOLS滚动复合6017187-871748027284-9117686328109-9620594428147-98245FactorElasticnetRank5yElasticNet滚动复合5715989-5914786267134-9322898299174-101276104394192-99290因子池为基于1m3m6m和12m区间构建的技术指标池沪深300中证500中证1000中证全指多头空头多头空头多头空头多头空头因子类型复合因子列表因子复合方式多空多空多空多空ICIR超额超额ICIR超额超额ICIR超额超额ICIR超额超额超额超额超额超额G1G10G1G10G1G10G1G10FactoreqZscore5y等权3507733-17506215453-27797621286-711577825395-71166FactorICZscore5yIC加权3708230-26576516654-35898123297-8017782271105-81186FactorIRZscore5yIR加权3908739-30696817568-4611483249103-9419784287109-87196ZscoreFactorOptICIRZscore5y最优ICIR5213464-711347926480-8516485338105-11421992412133-108241FactorOLSZscore5yOLS滚动复合4211779-5012979243126-7820596338153-13028399431189-121310FactorElasticnetZscore5yElasticNet滚动复合4612983-5113581251122-8520797335152-134285100427188-121308FactoreqRank5y等权3908339-08476817066-339882229105-6917482266108-63171FactorICRank5yIC加权4108937-14527118285-4613186249116-8219786285118-75193FactorIRRank5yIR加权4309536-20567419483-6014388266115-8820388302120-82202RankFactorOptICIRRank5y最优ICIR5815267-701378427490-8417490333121-10622796423146-103248FactorOLSRank5yOLS滚动复合5716478-3811688278132-91222101313153-112265108423199-100299FactorElasticnetRank5yElasticNet滚动复合5816475-3310988277126-88214101313154-107262108420197-100298注IC和IR为经过行业和市值对数中性化后的因子月均RankIC和IR中证1000的回测区间为201501-202308其他成分股回测区间为201001-202308资料来源万得中银证券2023年9月13日基于经典技术指标构建选股多因子框架20