研究结论
　　前言：在《新价量相关性RPV选股因子》中，我们根据日内与隔夜不同的价量配合逻辑，分别找到日内价量相关性、隔夜价量相关性的最佳代表。本篇报告继续对利用日频价量相关性选股进行研究，借鉴在改进动量因子时引入的“聪明”指标，使用“聪明”时段换手率作为新的换手率序列。
　　相关性是价量配合最好的尺：日内部分的价量关系表现为“日内量”能够对“日内价”起到增强作用，使用二者的相关系数构造的选股因子呈现出反转效应，将其作为日内价量相关性的代表；隔夜的价量逻辑暗藏于“昨日量”与“今日价”的错配关系之中，使用二者的相关系数构造的选股因子呈现出动量效应，将其作为隔夜价量相关性的代表。二者结合得到的日频价量相关性因子RPV在回测期2014/01/01-2023/08/31内，10分组多空对冲的年化收益约为16.29%，信息比率约为2.41。
　　聪明换手率是更好的配料：将日内涨跌拆分为上午涨跌和下午涨跌，并计算分钟“聪明”指标，将当日下午“聪明”指标最大的各20%（24分钟）作为知情交易最集中的“聪明”时段，使用下午“聪明”换手率与下午涨跌的相关系数，选股效果要好于原日内价量相关性因子；对隔夜价量相关性，将换手率替换为知情交易比例更高的昨天最后半小时换手率，效果同样有提升。
　　聪明版日频价量相关性因子：将效果更好的日内价量相关性因子和隔夜价量相关性因子结合，合成的SRV因子在回测期2014/01/01-2023/08/31内，RankIC约为-0.0576，RankICIR约为-4.26，10分组多空对冲的年化收益约为18.91%，信息比率约为3.07，月度胜率达到80.00%，最大回撤仅为3.11%，效果要好于RPV因子。
　　风险提示：（1）本报告所有统计结果均基于历史数据，未来市场可能发生重大变化；（2）单因子模型收益可能存在较大波动，实际应用需结合资金管理、风险控制等方法；（3）数据测算误差风险。
　　

研究报告全文：证券研究报告金融工程金工专题报告技术分析拥抱选股因子系列研究十四RPV聪明版聪明换手率是更好的配料2023年09月27日TableSummaryTableTag研究结论证券分析师高子剑前言在新价量相关性RPV选股因子中我们根据日内与隔夜不执业证书S0600518010001同的价量配合逻辑分别找到日内价量相关性隔夜价量相关性的最佳021-60199793代表本篇报告继续对利用日频价量相关性选股进行研究借鉴在改进gaozjdwzqcomcn动量因子时引入的聪明指标使用聪明时段换手率作为新的换研究助理庞格致手率序列执业证书S0600122090090panggzdwzqcomcn相关性是价量配合最好的尺日内部分的价量关系表现为日内量能够相关研究对日内价起到增强作用使用二者的相关系数构造的选股因子呈现出反转效应将其作为日内价量相关性的代表隔夜的价量逻辑暗藏于昨技术分析拥抱选股因子系日量与今日价的错配关系之中使用二者的相关系数构造的选股因列研究十一新价量相关性子呈现出动量效应将其作为隔夜价量相关性的代表二者结合得到的RPV选股因子相关性是价日频价量相关性因子RPV在回测期20140101-20230831内10分组多空对冲的年化收益约为1629信息比率约为241量配合最好的尺2022-10-11求索动量因子系列研究聪明换手率是更好的配料将日内涨跌拆分为上午涨跌和下午涨跌并五成交量对动量因子的修计算分钟聪明指标将当日下午聪明指标最大的各2024分钟作为知情交易最集中的聪明时段使用下午聪明换手率与下正殊途同归的聪明版午涨跌的相关系数选股效果要好于原日内价量相关性因子对隔夜价2023-06-12量相关性将换手率替换为知情交易比例更高的昨天最后半小时换手率效果同样有提升聪明版日频价量相关性因子将效果更好的日内价量相关性因子和隔夜价量相关性因子结合合成的SRV因子在回测期20140101-20230831内RankIC约为-00576RankICIR约为-42610分组多空对冲的年化收益约为1891信息比率约为307月度胜率达到8000最大回撤仅为311效果要好于RPV因子风险提示1本报告所有统计结果均基于历史数据未来市场可能发生重大变化2单因子模型收益可能存在较大波动实际应用需结合资金管理风险控制等方法3数据测算误差风险129东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告内容目录1前言511高频价量相关性CPV因子512新价量相关性RPV因子7121全天涨跌CXV因子7122日内CXV因子8123隔夜CXV因子9124新价量相关性RPV选股因子102殊途同归价量关系的另一把尺1121日内价量互认隔夜价量时序错配1122殊途同归聪明版133RPV聪明版因子1431日内价量相关性1432隔夜价量相关性1633RPV聪明版SRV因子174其他重要讨论1941新价量相关性因子的分年度表现1942正交传统价量因子后的选股能力2043纯净新价量相关性因子的表现2144新价量相关性因子的参数敏感性2345新价量相关性因子的多空收益分解2346其他样本空间的情况2347指数增强投资组合的构建245总结276风险提示28229东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告图表目录图1中公教育分钟走势图201910165图2微芯生物分钟走势图201910165图3PVcorravg因子5分组及多空对冲净值走势6图4PVcorravg因子对传统反转因子逻辑的修正6图5CCV因子10分组及多空对冲净值走势回看20日8图6CCOIV因子10分组及多空对冲净值走势回看20日9图7COV因子10分组及多空对冲净值走势回看20日10图8RPV因子10分组及多空对冲净值走势回看20日10图9局部日内收益因子的选股能力回看20日12图10局部隔夜收益因子的选股能力回看20日12图11局部日内因子上午年化ICIR回看20日15图12局部日内因子下午年化ICIR回看20日15图13amCOamSV因子值分布16图14pmCOpmSV因子值分布16图15CCOIV聪明版因子SCCOIV10分组及多空对冲净值走势回看20日16图16COV聪明版因子SCOV10分组及多空对冲净值走势回看20日17图17RPV聪明版因子SRV10分组及多空对冲净值走势回看20日18图18RPVdeRet20因子10分组及多空对冲净值走势20图19SRVdeRet20因子10分组及多空对冲净值走势20图20RPVdeTurn20因子10分组及多空对冲净值走势21图21SRVdeTurn20因子10分组及多空对冲净值走势21图22纯净RPV因子10分组及多空对冲净值走势22图23纯净SRV因子10分组及多空对冲净值走势22图24基于沪深300成份股不同投资组合的净值走势25图25基于中证500成份股不同投资组合的净值走势25图26基于中证1000成份股不同投资组合的净值走势26图27基于国证2000成份股不同投资组合的净值走势27表1CCV因子10分组多空对冲的绩效指标回看20日7表2日内价量序列8表3CCOIV因子10分组多空对冲的绩效指标回看20日8表4隔夜价量序列9表5COV因子10分组多空对冲的绩效指标回看20日9表6新价量相关性RPV因子10分组多空对冲的绩效指标回看20日11表7RPVCCVCCOIVCOV相关性矩阵11表8日内价量的重新拆分与匹配13表9隔夜价量的重新拆分与匹配14表10日内新价量序列14表11使用聪明时段换手率的日内因子的10分组多空对冲绩效指标15表12隔夜新价量序列16表13COV聪明版因子与COV因子的10分组多空对冲绩效指标对比17329东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告表14RPV聪明版选股因子对比CCV和RPV选股因子绩效指标回看20日18表15SRVCCVpmCOpmSVSCOV相关性矩阵19表16新价量相关性RPV因子的分年度表现19表17聪明版新价量相关性SRV因子的分年度表现20表18价量相关性因子正交传统价量因子的10分组多空对冲绩效指标21表19SRV因子与常用Barra风格因子的相关系数21表20纯净因子的10分组多空对冲绩效指标22表21纯净SRV因子的分年度表现22表22传统反转因子RPVSRV因子的参数敏感性23表23RPVSRV因子的多空收益分解23表24Ret20RPVSRV因子在沪深300中证500中证1000国证2000成份股中的多空对冲绩效指标24表25基于沪深300成份股不同投资组合的绩效指标25表26基于中证500成份股不同投资组合的绩效指标26表27基于中证1000成份股不同投资组合的绩效指标26表28基于国证2000成份股不同投资组合的绩效指标27429东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告1前言价量关系是金融市场最经典的理论之一价格的涨跌往往需要量来支撑与确认二者共同呈现的多种形态体现着市场动向和情绪的变化东吴金工致力于在复杂多变的价量关系中探索简明的规律找到普适性的选股信号并在过往研究中产出了诸多令人欣喜的成果11高频价量相关性CPV因子2020年一季度东吴金工发布了技术分析拥抱选股因子系列研究一高频价量相关性意想不到的选股因子这篇报告中我们提到2019年10月16日中公教育大涨微芯生物大跌如果撇开上市公司当天基本面的消息仅观察价量图可以发现大涨的中公教育在股价上涨时伴随着放量下跌时伴随着缩量而微芯生物则是相反的上涨时缩量下跌时放量图1中公教育分钟走势图20191016图2微芯生物分钟走势图20191016数据来源Wind东吴证券研究所数据来源Wind东吴证券研究所技术分析中中公教育所呈现的价和量同向变动被称为价量配合这造就了一只强势股股价倾向于上涨而微芯生物所呈现的价和量反向变动被称为价量背离使之成为弱势股股价倾向于下跌我们当时提出可以计算价格和成交量的相关系数价量配合同向变动则其相关系数为正价量背离反向变动则其相关系数为负因此相关系数可以体现价量配合的程度基于此我们于每月月底回溯每只股票过去20个交易日的价量信息每日计算该股票分钟收盘价与分钟成交量的相关系数然后每只股票取20日相关系数的平均值做横截面市值中性化处理将得到的结果记为价量相关性平均数因子PVcorravg201PVcorravgCorr20i1529东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告其中Corr表示第天分钟收盘价序列与分钟成交量序列的相关系数以20140101-20200131为回测时间段图3展示了价量相关性平均数因子PVcorravg的5分组及多空对冲净值走势PVcorravg因子的5分组多空对冲年化收益率达1525年化波动率896信息比率170月度胜率7606最大回撤率672图3PVcorravg因子5分组及多空对冲净值走势4123451-532102014201520162017201820192020数据来源Wind资讯东吴证券研究所图4PVcorravg因子对传统反转因子逻辑的修正数据来源东吴证券研究所金融工程团队整理如果只考虑价格维度在A股市场上有比较显著的反转效应也就是当月下跌下个月该归于多头当月上涨下个月该归于空头现在考虑价格和成交量两个维度将其划分为四个象限PVcorravg因子值小就代表相关系数小即价格和成交量是反向变动位于二四象限对应放量下跌和缩量上涨下月宜做多因子值大即价量同向变动位于一三象限对应放量上涨和缩量下跌下月宜做空对比图4中一维的629东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告传统反转因子Ret20和二维的平均数因子PVcorravg就会发现放量时价格趋势维持了反转现象缩量时则相反转变为动量这很符合价量配合中所说的用成交量的放大或缩小来给价格趋势投赞成票或反对票12新价量相关性RPV因子东吴金工在2022年10月发布的技术分析拥抱选股因子系列研究十一新价量相关性RPV选股因子中探索了蕴藏在日频数据中的价量关系我们使用如下构建方案定义CXV因子1每月月底回溯每只股票过去20个交易日的日频价量信息计算其某种价格序列与某种换手率序列的相关系数2将所得相关系数进行市值中性化处理即得到基于日频数据的某种CXV因子在各种CXV因子中我们将分别寻找日内价量相关性隔夜价量相关性的最佳代表并最终将这些呈现动量或反转的信息有机组织起来得到新价量相关性因子注本报告中的CXV是CorrelationofXandVolume的缩写其中X代表某种价格序列Volume代表某种换手率序列121全天涨跌CXV因子在2021年1月的价量相关性CPV因子绩效月报价量相关系数的其他计算方式-日频数据中我们已经探讨过日频版CPV用今天收盘价序列和今天全天换手率序列的相关系数也就是这里的CCV所以这是一个已知的因子如表1所示以20140101-20230831为回测时段下文中如无特别说明均默认使用此回测时段CCV因子已经呈现了不错的选股效果它也将成为我们构建日频价量相关性因子时的绩效基准表1CCV因子10分组多空对冲的绩效指标回看20日PV组合ICICIRRankICRankICIR年化收益率年化波动率信息比率月度胜率最大回撤率CCV-00373-189-00616-265197796820473911018数据来源Wind资讯东吴证券研究所729东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告图5CCV因子10分组及多空对冲净值走势回看20日1234756789101-1065432102014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所122日内CXV因子接下来我们构建两个局部的CXV首先是日内CXV因子价格序列当然就是日内涨跌即今天收盘价减今天开盘价的差换手率序列选择相同时段的日内换手率即全天换手率减今天第一笔集合竞价换手率的差得到的CCOIV因子绩效表现如表3所示表2日内价量序列简称名称变量定义价格序列COClose-Open日内涨跌今天收盘价今天开盘价换手率序列IVIntradayVolume今天日内换手率今天全天换手率今天第一笔集合竞价换手率数据来源东吴证券研究所金融工程团队整理表3CCOIV因子10分组多空对冲的绩效指标回看20日PV组合ICICIRRankICRankICIR年化收益率年化波动率信息比率月度胜率最大回撤率CCOIV-00244-162-00398-228109273314973041367数据来源Wind资讯东吴证券研究所CCOIV因子的IC值为负这与东吴金工在日与夜之殊途同归报告中得到的结论一致高换手率下的日内涨跌呈现反转829东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告图6CCOIV因子10分组及多空对冲净值走势回看20日1234556789101-10432102014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所123隔夜CXV因子根据日与夜之殊途同归报告中的另一个结论前一交易日的高换手率能够增强隔夜涨跌的动量效应我们将其应用于隔夜CXV因子的构建中如表4选择隔夜涨跌作为价格序列昨天全天换手率作为换手率序列得到的COYCYV因子下简称为COV因子绩效表现如表5所示COV因子的IC为正再次印证了隔夜价量关系蕴藏在隔夜涨跌与昨日换手率的错配之中表4隔夜价量序列简称名称变量定义价格序列OYCOpenYesterdaysClose隔夜涨跌今天开盘价昨天收盘价换手率序列YVYesterdaysVolume昨天全天换手率数据来源东吴证券研究所金融工程团队整理表5COV因子10分组多空对冲的绩效指标回看20日PV组合ICICIRRankICRankICIR年化收益率年化波动率信息比率月度胜率最大回撤率COV002321720035625010386901516783564数据来源Wind资讯东吴证券研究所929东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告图7COV因子10分组及多空对冲净值走势回看20日12346567891010-15432102014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所124新价量相关性RPV选股因子我们采用横截面标准化相减的方案将CCOIV和COV所呈现的信息进行叠加得到新价量相关性因子RPVCCOIVmeanCCOIVCOVmeanCOVRPVstdCCOIVstdCOV图8RPV因子10分组及多空对冲净值走势回看20日1234556789101-10432102014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所1029东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告RPV因子的月度IC均值约为-00320RankIC均值约为-00478年化ICIR约为-231年化RankICIR约为-314如表6所示RPV因子的10分组多空对冲信息比率达241能够击败CCV因子表6新价量相关性RPV因子10分组多空对冲的绩效指标回看20日CCVCCOIVCOVRPV年化收益率1977109210381629年化波动率968733690676信息比率204149151241月度胜率7391730467837478最大回撤率10181367564518数据来源Wind资讯东吴证券研究所表7展示了RPV因子与比较基准CCV因子日内价量相关性CCOIV因子以及隔夜价量相关性COV因子之间的相关性CCOIV和COV的相关系数为-01166低相关性为因子结合的效果提供了保障RPV与CCV的相关系数也仅为02904说明RPV因子不仅选股能力更强而且足够新颖表7RPVCCVCCOIVCOV相关性矩阵RPVCCVCCOIVCOVRPV0290407492-07435CCV0290402579-01789CCOIV0749202579-01166COV-07435-01789-01166数据来源Wind资讯东吴证券研究所2殊途同归价量关系的另一把尺东吴金工在求索动量因子系列中曾通过使用成交量对股价涨跌因子进行切割来探索日内与隔夜的价量配合方式切割方式可参见相关研报21日内价量互认隔夜价量时序错配每月月底对每只股票使用过去20个交易日的日内换手率对日内收益进行切割得到5个局部日内因子考察上述5个局部日内因子的选股能力比较因子的年化ICIR结果如图9所示可以发现随着换手率的逐渐增大局部日内因子的年化ICIR绝对值呈现逐渐增1129东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告大的趋势这符合我们所说的价量配合中用换手率的放大或减小来给价格趋势投票即越高换手率反转效应越强日内的量对日内的价确实起到了增强作用对应换手率越大的局部日内因子选股能力越强图9局部日内收益因子的选股能力回看20日05-016-05-051-15-132-146-190-207-2512345数据来源Wind资讯东吴证券研究所对隔夜时段而言隔夜的意外信息才是推动股价隔夜波动的精锐力量考虑到信息泄露的可能性部分隔夜信息会在前一日的交易时段就被投资者提前反应因此隔夜价量关系的奥妙或许藏在昨日量与今日价的错配关系之中我们使用昨日换手率对隔夜收益进行切割得到的5个局部隔夜因子的年化ICIR如图10所示图10局部隔夜收益因子的选股能力回看20日201561051007500800-011-074-1012345数据来源Wind资讯东吴证券研究所1229东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告按照昨日换手率的高低进行切割5个局部隔夜因子展现出截然不同的特性昨日换手率较低的部分为反转昨日换手率较高的部分为动量我们认为上述现象与个股背后的投资者结构相关对于某只股票的某段时间序列昨日换手率越高越有可能发生隔夜信息的提前泄露表明知情交易者的占比相对较高对应的局部因子5表现为动量相反昨日换手率较低表明知情交易者的占比较少对应的局部因子1越有可能表现为反转22殊途同归聪明版东吴金工于2023年6月12日发布的求索动量因子五殊途同归的聪明版中将日内收益分割为上午收益和下午收益并计算每分钟标准化的股价变化幅度聪明指标smartt第t分钟股价涨跌幅第t分钟成交量的平方根对每只股票每个交易日的上午和下午分别筛选出聪明指标最大的20各24分钟作为聪明时段用聪明时段的成交量代替原先上午下午的成交量分别使用上午下午聪明时段的换手率切割上午下午收益率得到的日内因子为amtrsmartamret和pmtrsmartpmret如表8所示其选股效果相比原日内动量因子均有所提升表8日内价量的重新拆分与匹配dayoldamtrsmartamretpmtrsmartpmret年化收益率128413551649年化波动率803791772信息比率160171213月度胜率719371937807最大回撤率1196817920IC-00296-00302-00350ICIR-180-175-224RankIC-00455-00492-00467RankICIR-263-278-292数据来源Wind资讯东吴证券研究所对隔夜收益率考虑到收盘前市场中知情交易的比例会上升我们改用前一交易日14时30分至15时0分的换手率进行切割得到的新隔夜动量因子效果也会好于先前的隔夜因子见表91329东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告表9隔夜价量的重新拆分与匹配nightoldnight1430年化收益率14531819年化波动率809866信息比率180210月度胜率68757207最大回撤率618714IC-00305-00370ICIR-190-207RankIC-00442-00500RankICIR-270-294数据来源Wind资讯东吴证券研究所考虑到改进动量因子与新价量相关性因子在逻辑上具有相通之处我们可以将改进思路同样应用在RPV因子上3RPV聪明版因子31日内价量相关性在选择价格序列时我们将日内涨跌拆分成上午涨跌和下午涨跌换手率同样拆分成上午聪明时段换手率和下午聪明时段换手率分别计算上午下午新价格序列和新换手率序列的相关系数得到的价量相关性因子为amCOamSV和pmCOpmSV将amCOamSV和pmCOpmSV因子横截面标准化后相加得到新因子apmCOSV新因子的10分组多空对冲绩效指标如表11所示表10日内新价量序列简称名称变量定义amCOamCloseamOpen上午涨跌上午收盘价上午开盘价价格序列pmCOpmClosepmOpen下午涨跌下午收盘价下午开盘价amSVamSmartVolume上午聪明换手率换手率序列pmSVpmSmartVolume下午聪明换手率数据来源东吴证券研究所金融工程团队整理1429东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告表11使用聪明时段换手率的日内因子的10分组多空对冲绩效指标amCOamSVpmCOpmSVapmCOSVCCOIV年化收益率726166416691092年化波动率701616785733信息比率104270212149月度胜率6522808777397304最大回撤率104549510711367IC-00194-00349-00385-00244ICIR-133-295-249-162RankIC-00380-00490-00607-00398RankICIR-236-379-359-228数据来源Wind资讯东吴证券研究所下午价量相关性因子的选股能力要明显好于上午我们通过以下两点来解释这一现象分别使用上午换手率下午换手率对上午收益率下午收益率进行切割得到的局部日内动量因子年化ICIR如图11图12下午的局部因子ICIR除单调之外反转性更强更一致图11局部日内因子上午年化ICIR回看20日图12局部日内因子下午年化ICIR回看20日05050290040160505051071106151513214914620725251234512345数据来源Wind资讯东吴证券研究所数据来源Wind资讯东吴证券研究所分别画出上午价量相关性amCOamSV下午价量相关性pmCOpmSV的因子值分布如图13图14上午的因子分布明显左偏下午则比较对称我们将下午的价量相关性因子pmCOpmSV作为日内RPV聪明版因子的代表称为CCOIV聪明版因子其10分组及多空对冲净值走势见图151529东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告图13amCOamSV因子值分布图14pmCOpmSV因子值分布数据来源Wind资讯东吴证券研究所数据来源Wind资讯东吴证券研究所图15CCOIV聪明版因子SCCOIV10分组及多空对冲净值走势回看20日12345665789101-10544332211002014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所32隔夜价量相关性对隔夜价量相关性将换手率序列替换为昨天最后半小时换手率后计算其与隔夜涨跌序列的相关系数称为聪明版隔夜价量相关性COV因子SCOV如表13隔夜价量相关性因子的10分组多空对冲信息比率从151提升至196表12隔夜新价量序列简称名称变量定义价格序列OYCOpenYesterdaysClose隔夜涨跌今天开盘价昨天收盘价换手率序列Y1430VYesterdays1430Volume昨天最后半小时换手率数据来源东吴证券研究所金融工程团队整理1629东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告表13COV聪明版因子与COV因子的10分组多空对冲绩效指标对比COVSCOV年化收益率10381259年化波动率690643信息比率151196月度胜率67836696最大回撤率564650IC0023200255ICIR172208RankIC0035600382RankICIR250300数据来源Wind资讯东吴证券研究所图16COV聪明版因子SCOV10分组及多空对冲净值走势回看20日123645647891010-153432211002014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所33RPV聪明版SRV因子最后我们将CCOIV聪明版因子与COV聪明版因子分别横截面标准化后相减结合得到RPV聪明版因子SRVSCCOIVmeanSCCOIVSCOVmeanSCOVSRVstdSCCOIVstdSCOV图17展示了SRV因子10分组及多空对冲净值走势表14展示了SRV因子和CCVRPV因子的选股绩效指标相比CCV和RPV因子SRV因子的10分组多空对1729东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告冲信息比率提升至307月度胜率稳健提升年化波动率和最大回撤率均稳定下降图17RPV聪明版因子SRV10分组及多空对冲净值走势回看20日1234656789101-105432102014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所表14RPV聪明版选股因子对比CCV和RPV选股因子绩效指标回看20日CCVRPVSRV年化收益率197716291891年化波动率968676615信息比率204241307月度胜率739174788000最大回撤率1018518311IC-00373-00320-00405ICIR-189-231-314RankIC-00616-00478-00576RankICIR-265-314-426数据来源Wind资讯东吴证券研究所表15展示了SRV因子与比较基准CCV因子聪明版日内价量相关性pmCOpmSV因子以及聪明版隔夜价量相关性SCOV因子之间的相关性pmCOpmSV和SCOV的相关系数为-00962低相关性为因子结合的效果提供了保障SRV与CCV的相关系数也仅为02277说明SRV因子不仅选股能力更强而且足够新颖1829东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告表15SRVCCVpmCOpmSVSCOV相关性矩阵SRVCCVpmCOpmSVSCOVSRV0227707429-07371CCV0227701670-01626pmCOpmSV0742901670-00962SCOV-07371-01626-00962数据来源Wind资讯东吴证券研究所4其他重要讨论41新价量相关性因子的分年度表现表16表17分别展示了RPV因子和SRV因子的分年度10分组多空对冲的表现SRV因子每年多空对冲的信息比率都超过2月度胜率最低的年份也有6667今年以来纯多头的收益有1011表16新价量相关性RPV因子的分年度表现年化收益率分组1对冲分组10绩效指标年份分组1分组10分组1对冲分组10年化波动率信息比率月度胜率最大回撤率20145284412183137822063642062015115805761384871753691670312016-554-102745644210366672582017-1322-2550158447133675001042018-2341-3951255350051191670432019330415871389581239666715120203174140215948961786667282202127831160141771619883335182022-710-2437214878727383333342023至78643635760605950004628月底数据来源Wind资讯东吴证券研究所1929东吴证券研究所请务必阅读正文之后的免责声明部分金工专题报告表17聪明版新价量相关性SRV因子的分年度表现年化收益率分组1对冲分组10绩效指标年份分组1分组10分组1对冲分组10年化波动率信息比率月度胜率最大回撤率201466604136182438547481820422015101585790292474539375001642016-085-1835197964730675000422017-1279-3040241238263191670382018-2289-3771232747648891670082019334614101708471363833316420203504160116166792386667157202130361197159572921983332862022-945-2418173472024175002142023至101156544256507875003118月底数据来源Wind资讯东吴证券研究所42正交传统价量因子后的选股能力我们考察价量相关性因子RPVSRV分别正交传统反转因子Ret20和传统换手率因子Turn20后的选股效果图18-21展示了正交后因子的10分组及多空对冲净值曲线表18展示了因子的多空对冲绩效指标同样正交传统价量因子后SRV残差因子的选股效果都要好于RPV残差因子且仍然具有不错的选股效果图18RPVdeRet20因子10分组及多空对冲净值走势图19SRVdeRet20因子10分组及多空对冲净值走势1231234565456364789789101-10101-1054324332212111000020142015201620172018201920202021202220232014201520162017201820192020202120222023数据来源Wind资讯东吴证券研究所数据来源Wind资讯东吴证券研究所2029东吴证券研究所请务必阅读正文之后的免责声明部分