联合动量因子：个股与行业的共振
证券研究报告|2024年01月09日 金融工程专题研究 个股与行业的共振——联合动量因子 核心观点金融工程专题报告 探寻股价上涨的驱动力：大势与小势 股价背后的驱动力既与个股本身有关，也与其所处行业、板块的催化以及整个市场环境有关。在构建价量因子时，以往的研究主要注重挖掘个股本身的趋势和形态，缺乏对个股背后行业、板块以及市场趋势的关注。在个股表现强势时，倘若个股自身的“小势”能够与其背后行业板块的“大势”共同作用，则后续可能会有更强的支撑，而脱离行业独自上涨的股票则在后续面临较大阻力。 基于此，我们发现个股在每月最大收益日当天的行业指数涨跌幅是一个有效的正向选股因子，个股大涨当天倘若行业涨幅也较大，则后续的有显著的超额收益。此外，我们对按月对月中每个交易日都进行检验，发现每月个股涨跌幅最大的5日对应的行业涨跌幅均存在一定动量效应，即个股大涨的几日，如果有强势的行业作为支撑，与行业形成共振上涨，未来的预期收益更高。此外，个股涨跌幅最小的15日对应的行业涨跌幅也存在一定的反转效应。 个股与行业的共振：行业联合动量因子 我们将个股每月涨跌幅最大的5日行业收益进行加权融合，构建了动量效应更强的行业联合动量因子，用以识别顺势而涨、能够与行业形成共振的股票。该因子的RankIC为5.59%，年化ICIR为3.85，具有较好的选股效果。倘若同时考虑成交量，使用个股放量大涨的前5日构建量价齐升行业联合动量因子，则该因子的RankIC进一步提升为5.90%，年化ICIR为3.90。 此外，我们也构建了量价齐跌行业联合反转因子，RankIC均值为-5.93%，年化ICIR达到-3.55。二者等权合成后得到的行业联合动量复合因子RankIC均值为6.02%，年化ICIR达到3.86。多头月度超额收益为0.66%，空头月度超额收益为-1.15%，呈现出更加稳定的动量效应，具有较强的预测能力。 该因子与其他常见换手率、波动率、反转等价量因子的相关性较低，剥离掉其他常见的量价因子后仍然有较多的增量信息，且在不同指数成分股内均呈现出较为稳健的选股效果。在中证1000、国证2000成分股内的RankIC均值分别为5.44%和6.34%。 联合动量效应的拓展 除了行业和板块的驱动力，市场环境也至关重要。在牛市行情中，市场整体趋势向上，投资者情绪高涨、流动性充足，能够支撑个股的股价上涨。相比之下，在熊市期间，市场整体趋势向下，个股会呈现普跌态势，即使有短期上涨的势头，后续也没有坚实的支撑，逆势上涨的难度远大于顺势而为。 我们参考行业联合动量的方法，将中信一级行业指数替换为中证全指，并对中证全指的涨跌幅进行加权求和，构建了市场联合动量复合因子，以衡量股票是否与市场发生共振大涨。该因子的RankIC均值为6.40%，年化ICIR为4.00，多头月度超额收益为0.53%，空头月度超额收益为-1.22%。同样具有较好的选股效果。 风险提示：市场环境变动风险，本报告基于客观数据，不构成投资建议。 金融工程·数量化投资 证券分析师：张欣慰证券分析师：刘璐 021-60933159021-60875154 zhangxinwei1@guosen.com.cnliulu9@guosen.com.cn S0980520060001S0980523070004 相关研究报告 《超预期投资全攻略》——2020-09-30 《基于优秀基金持仓的业绩增强策略》——2020-11-15 《基于分析师认可度的成长股投资策略》——2021-05-12 《基于分析师推荐视角的港股投资策略》——2021-05-13 《北向因子能否长期有效？——来自亚太地区的实证》—— 2021-05-17 《基于风险预算的中证500指数增强策略》——2021-10-20 《动量类因子全解析》——2021-12-13 《寻找业绩与估值的错配：非理性估值溢价因子》—— 2021-12-15 《券商金股全解析—数据、建模与实践》——2022-02-18 《聚焦小盘股——如何构建小市值股票投资策略？》—— 2022-04-05 《反转因子全解析》——2022-06-14 《价量类风险因子挖掘初探》——2022-06-22 《隐式框架下的特质类因子改进》—2022-08-17 《风险溢价视角下的动量反转统一框架》——2022-12-07 《战胜机构投资者——再论主动股基业绩增强策略》—— 2022-12-07 《寻找关键时刻的领头羊——时点动量全解析》——2023-05-17 《超额图谱视角下的成长股投资策略》——2023-06-07 《高频订单成交数据蕴含的Alpha信息》——2024-01-08 请务必阅读正文之后的免责声明及其项下所有内容 内容目录 探寻股价上涨的驱动力：大势与小势5 个股趋势中的反转特征：以彩票型股票为例5 探寻股价上涨的驱动力：行业趋势的动量特征7 个股不同时刻对应的行业动量反转效应10 个股与行业的共振：行业联合动量因子14 行业联合动量因子14 个股行业共振效应的另一面19 行业联合动量复合因子21 联合动量效应的拓展25 不同级别的联合驱动力25 更广泛的驱动力：市场联合动量25 总结28 风险提示29 图表目录 图1：海外市场动量因子多空净值5 图2：A股市场反转因子和动量因子多空净值6 图3：彩票型股票的收益特征6 图4：MAX20因子与Ret20因子累计RankIC对比7 图5：MAX20因子与Ret20因子分组月度超额收益对比7 图6：个股与行业的涨跌示意图8 图7：IMAX20因子RankIC9 图8：IMAX20因子月度超额收益9 图9：金山办公及对应计算机行业指数（20230131-20230317）9 图10：国电南瑞及对应电力设备及新能源行业指数（20230131-20230317）10 图11：按照个股涨跌幅排序示意图11 图12：个股单日涨跌幅��因子RankIC11 图13：个股累计涨跌幅�𝑢���因子RankIC11 图14：行业单日涨跌幅���因子RankIC12 图15：行业累计涨跌幅�𝑢����因子RankIC12 图16：根据风险指标对个股的动量和反转效应进行区分13 图17：根据真实波动划分的个股单日涨跌幅��因子RankIC13 图18：根据个股真实波动划分的行业单日涨跌幅���因子RankIC13 图19：个股与行业共振大涨14 图20：联合动量因子计算举例15 图21：行业联合动量ICM因子RankIC16 图22：行业联合动量ICM因子月度超额收益16 图23：宁德时代（20190604-20200114）16 图24：量价齐升行业联合动量VICM因子RankIC17 图25：量价齐升行业联合动量VICM因子月度超额收益17 图26：行业联合动量因子多空净值18 图27：个股与行业的共振示意图19 图28：个股行业共振效应的另一半19 图29：量价齐跌行业联合反转ICR因子RankIC20 图30：量价齐跌行业联合反转ICR因子月度超额收益20 图31：行业联合动量复合CMC因子RankIC21 图32：行业联合动量复合CMC因子月度超额收益21 图33：行业联合动量复合因子和其他因子的相关性21 图34：行业联合动量复合因子剥离Barra因子后的多空净值22 图35：行业联合动量复合因子剥离Barra后的月度超额收益22 图36：行业联合动量复合因子在不同股票池的多空净值23 图37：行业联合动量复合因子在不同股票池的多头净值23 图38：行业联合动量复合因子在不同股票池的多头超额净值23 图39：行业联合动量复合因子在不同行业内的表现24 图40：不同级别的行业联合动量复合因子表现25 图41：中信证券(20200601-20200731)26 图42：中信证券(20230403-20230531)26 图43：市场联合动量复合因子RankIC27 图44：市场联合动量复合因子月度超额收益27 表1：行业联合动量VICM因子参数敏感性检验18 表2：行业联合动量复合因子剥离其他因子后的表现22 表3：行业联合动量复合因子在不同股票池的表现22 探寻股价上涨的驱动力：大势与小势 个股趋势中的反转特征：以彩票型股票为例 无论是在学术界还是在业界，个股趋势中的动量反转效应都是非常重要的研究课题。早在1967年，RobertLevy就提出将股票价格变化的相对强弱作为股票筛选的重要准则（RelativeStrength）。1993年，Jegadeesh和Titman在其开创性的研究中再度提及美股市场中长期存在的“强者恒强”现象。而后Carhart（1997）构建了Momentum动量因子，并将其加入FamaandFrench(1993)三因子模型中，构建了Carhart四因子模型。Rouwenhorst（1998）以12个欧洲国家的数据为样本进行分析，同样发现了显著的动量效应。 KennethR.French在其官网中根据股票T-12月到T-2月的累计收益率将区间收益最高和最低的30%股票划分为高收益和低收益组，并计算了二者平均收益率之差。从图1中不同国家或地区的动量因子累计净值曲线可以看到，在美国、欧洲等以机构投资者为主导的成熟市场中，“强者恒强”的动量效应几乎无处不在。 图1：海外市场动量因子多空净值 资料来源：KennethR.French官网，国信证券经济研究所整理 然而在A股却并未表现出股价“强者恒强”的现象。长期以来，A股市场都存在着显著的股价短期反转效应，即短期过度上涨的股票未来反而面临更大的下跌风险。尽管我们在实践中经常使用的1个月反转因子也曾在2019年-2021年经历了阶段性失效，但长期来看，反转因子在A股的表现依然远超动量因子。即使近些年机构投资者占比有所提升，A股的个人投资者交易占比仍然较高，而个人投资者具有典型的卖出盈利股票、持有亏损股票的处置效应，在交易时存在较强的锚定偏误，均值回归信念强，这些原因共同导致中国市场存在显著的非理性短期反转的价格异象。 图2：A股市场反转因子和动量因子多空净值 资料来源：WIND，国信证券经济研究所整理 “彩票型股票”就是一类典型的被个人投资者主导、投机性较强的股票。这类股票的风险收益特征与购买彩票相似，虽然整体预期收益为负，但也有可能在短期内获得意想不到的巨额回报。这些彩票型股票通常来自市值较小的公司，这些公司在市场上尚未建立起稳定的声誉和良好的业绩，因此其股价往往存在较大的波动。由于个人投资者占主导地位，这类股票的投机性较强，价格容易受到市场情绪的影响。投资者购买这类股票时往往抱有“以小搏大”的心理，期望从这类股票中以小概率获取较大的收益。除了具有较大的单日涨幅外，这类股票还具有高换手、高偏度、高波动等特点。高换手率意味着这些股票的交易非常活跃，投资者买卖频繁，而高偏度和高波动则表明这些股票的价格走势较为极端，可能会出现大幅上涨或下跌的情况。 图3：彩票型股票的收益特征 资料来源：国信证券经济研究所绘制 Balietal.(2011)研究了美国股市中最大收益日异象，发现过去一个月的最大单日涨幅较高的股票具有高波动和高偏度的特征，接近彩票型股票，且最大单日涨幅与股票预期收益之间存在着显著的负相关关系。即过去一个月出现过较大单日涨幅的股票，更有可能在未来发生反转，快速下跌，经历“过山车”行情。在实际中，投资者愿意为彩票型股票付出更高的价格以博取极端正收益，使得这类股票往往被高估，因而在未来具有较低的收益，后续走势呈现较强的反转效应。 已有大量研究表明，A股也同样存在着最大收益日异象。例如，我们取个股过去20日涨跌幅最大一日的单日涨跌幅作为个股最大收益日因子，以MAX20表示，其中�𝑒��为个股在t日的涨跌幅。 �𝐴�20=�𝐴�(�𝑒��,�𝑒��−1,�𝑒��−2...�𝑒��−19) MAX20因子2010年以来的月度RankIC均值为-7.67%，年化ICIR为-3.26，胜率为85%
