动量因子的日内重构探索

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本文参考方正证券《枯树生花：基于日内模式的动量因子革新》，基于“市场行为特征在日内不同时段存在差异”的基本事实，对动量因子进行创新性的探索，通过时间分割的方法，重新构造了动量因子，并对收益进行统计分析。

未经授权，严禁转载

引言

>>>  研究内容

在量化投资的领域， 动量是最常见的选股因子之一。 不同于国外市场“短期反转、中期动量” 的特点， A股市场呈现较为显著的中长期反转效应。然而，动量因子的反转收益在中国股票市场中也并非一直稳定，也就是说，传统动量因子并不能持续产生稳定的 Alpha 因子。

不同的交易者群体，会有不同的行为模式。在交易日内的不同时段，交易者的成分可能存在系统性差异，因而会导向不同的市场行为特征，最终形成各式各样的日内模式（intraday patterns）。按照这个思路，对动量因子进行创新性的探索。

1）按照图示方法，将每日的股票涨跌，先按小时分割为4段，加上T-1日close价格到T日open价格，共切割为5个时段。

2）基于以上的切割方法，我们可以每天得到5个分段的涨跌数据，通过不同时间段对过去20个交易日的涨跌累加，构造出5个新的动量因子。

3）通过将每天不同时段的因子按最优权重配比方式组合，构成新的动量因子。

4）回测框架如下：

测试时段： 2014 年 5 月-2019 年 5 月；

样本空间： 中证500指数成分股；

调仓方式： 在每个月初，将股票按构造的新因子值排序，划分为五组，分别持有至月末；因子值最小的组合为多头组合，因子值最大的组合为空头组合。

>>>  本文所用因子构建细节

根据研究内容，我们列出本文所用的四个因子构建细则：

传统动量因子：前二十天涨跌幅

隔夜涨跌幅因子：前二十天隔夜收益率加总，其中隔夜收益率为今开/昨收-1

日内涨跌幅因子：前二十天日内收益率分段加总（4个），其中收益率为1小时周期K线的close/open-1

"动量沙拉"新因子：，新因子可以看作有隔夜涨跌因子与日内涨跌因子构成的“沙拉拼盘”，通过对五个因子的最优权重配比构成新因子

>>>  研究结论

1）本文将传统的动量因子（即前二十日涨跌幅）进行分拆，重新构造出了最优化的动量因子，并没有发现有强劲的选股能力，但是，构造的新动量因子的选股能力（ICIR=0.84），显著地优于传统动量因子（ICIR=0.12）。

2）最优动量因子在中证500股票池的五分组多空对冲中， 未能取得较为稳定的多空组合超额收益。多头组合部分有一定的超额收益，超额年化收益为 8.4%，最大回撤为 8.58%。

3）在对因子数据进行中性化处理后，超额年化收益有少许提升，为9.29%，最大回撤为8.3%。

因子统计特征说明

基于前面提到的切割方法，我们可以构造出 5 个新的动量因子，传统动量因子可以看作是由五种成分构成的“沙拉拼盘”。那么，这五个成分因子的选股能力分
别如何呢？参考研报计算了各个因子 IC 的均值、标准差与IC_IR值。其中 IC 的计算方法是， 在每个自然月的最后交易日，计算每只股票的因子值,最后计算横截面上因子与次月收益的相关系数，即为 IC。下面是5个新因子与传统动量因子在中证500股票池的IC统计。

我们发现上午的成分因子均呈现动量效应，下午的因子呈现反转效应，但是强弱程度有明显差别，其中下午的反转较为显著。更进一步地，为了考察五个成分因子的相互关联，下面也计算了因子相关系数的平均值。

最优权重的确定

基于前文讨论， 我们面临的首要问题是：如何选取各个成分因子的配比权重，才能使“动量沙拉”的整体营养达到最佳（选股能力最优）呢？为了方便讨论，我们记五个成分因子的权重分别为 w0、w1、w2、w3和w4，则复合的动量因子 F 可记为

F = w0*M0+ w1*M1+ w2*M2+ w3*M3+ w4*M4

最优权重的求解，在数学上有明确的表达，简要过程可参考下图内容

其中 s 是令权重之和归一的正常数，借助上述理论公式，我们计算得到的最有权重为(-0.23,-0.19,1.06,1.19,-0.82)，相应的 ICIR 值为-0.84。为了考察动量沙拉对配比权重的敏感度，下面给出了参数局部变动时的 ICIR 值（以w2、w3为例）。

基于构造动量因子的选股模型

我们采取以下框架测试动量因子的选股能力：

测试时段： 2014 年 5 月-2019 年 5 月;

样本空间： 中证500成分股；

其他参数：交易成本千二、单纯多头持股50只

调仓方式： 在每个月初，按构造动量因子进行从小到大排序，划分为五组， 分别持有至月末；

得分最高的组合为多头组合，得分最低的组合为空头组合。

下图为分组的净值走势曲线。

分组回测的结果并没有预期的效果，这从前面的ICIR值上已经有所体现，最优组合的ICIR值也只有0.84左右，下面我们统计了多头部分的收益净值，与中证500指数一起展示，并绘制了如下超额收益曲线

4年左右的时间，能够取得年化8.3%左右的超额收益，我们将因子进行市值、行业中性化后，进行新动量因子构造，回测结果如下

通过进行行业中性化、市值中性化后超额收益有微弱提升，年化收益从8.4%提升至9.3%，最大回撤也有少许降低，从8.58%至8.3%，且超额曲线更加平滑。

结论

本篇报告重点讨论动量因子的改造创新应用，基于“日内不同时段交易者行为模式存在差异”的考虑，我们将传统动量因子进行拆分，通过对比传统动量因子和改进后的动量因子，我们发现有一些策略业绩的提升，构造的新动量因子的选股能力（IR=0.84），显著地优于传统动量因子（IR=0.12）。

但是遗憾的最优动量因子在中证500股票池的五分组多空对冲中，未能取得较为稳定的多空组合超额收益。

多头组合部分有一定的超额收益，超额年化收益为 8.4%，最大回撤为 8.58%，在对因子数据进行中性化处理后，超额收益有少许提升，年化为9.29%，最大回撤为8.3%。

关于该研报的复现过程及数据统计结果，可以点击【阅读原文】，在聚宽社区克隆代码进行研究。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：量化投资；机器学习；因子