在报告《行业轮动3.0：范式、模型迭代与ETF轮动应用》中，我们引入筹码结构维度构建行业轮动信号，该筹码结构指标在我们构建的6类行业轮动信号中表现出更好收益风险特征稳定与更低的相关性。为了更深入理解筹码结构在微观选股层面的底层逻辑，我们将从反转因子局限性、筹码结构计算方式、筹码收益的动量反转特征等方面展开讨论，最终构建筹码收益增强选股因子。
　　反转因子：多头乏力与阶段性失效的困境
　　反转因子是捕捉价格过度反应后均值回归现象的重要指标。但反转因子在空头端区分表现较好，而多头端区分效果不佳。
　　反转效应来自于投资者并非完全理性，虽然这种行为偏差广泛存在，但反转因子也常会出现阶段性失效。
　　筹码结构：持仓成本的市场共识
　　筹码结构是对投资者在不同价格上的资金持仓的估计，能够帮助我们推算资金的平均持仓成本。
　　筹码收益衡量当前价格相对于历史筹码成本的相对收益，该因子会阶段性出现动量或反转特征，而市场赚钱效应指标能够解释因子risk-on与risk-off的变化，并由此构建筹码收益调整(holding_ret_adj)因子。
　　筹码收益调整因子的增量信息与切分敏感性
　　市场赚钱效应不仅对筹码收益因子择时有效，同样对反转因子择时具有效果。筹码成本相比价格均线等指标在因子多头端具有更强的区分效果，尤其是对于判断当前出现超跌的个股未来将持续超跌或者反转超涨具有重要作用。
　　当市场赚钱效应为-2%作为切分阈值时，筹码收益调整因子表现达到最佳，进而将因子频率提升至周频时因子表现进一步加强。
　　筹码收益增强因子：取长补短，相得益彰
　　我们将筹码收益调整因子的多头端与反转因子的空头端进行合成，构建筹码收益增强因子(holding_ret_enhanced)。
　　月频筹码收益增强因子IC均值为9.91%、年化ICIR为2.76、月频IC胜率为80%；十分组多空年化收益为36.6%，信息比率为2.41，最大回撤10.3%，卡玛比率3.556，月胜率73.0%。
　　周频筹码收益增强因子IC均值为6.90%、年化ICIR为3.823、周频IC胜率71.8%；十分组多空年化收益为60.0%，信息比率3.17，最大回撤17.1%，卡玛比率3.526，周胜率66.0%。
　　分域因子十分组表现：在沪深300内，月频因子年化多空收益24.2%，信息比率1.311，最大回撤15.3%。在中证1000内，月频因子年化多空收益33.1%，信息比率2.149，最大回撤10.9%；周频因子年化多空收益52.3%，信息比率2.981，最大回撤8.9%。
　　风险提示：模型测试基于历史数据，市场未来可能发生变化。