“技术分析拥抱选股因子”系列研究（十六）：CPV分时版

“技术分析拥抱选股因子”系列研究（十六） 证券研究报告·金融工程·金工专题报告 CPV分时版2024年12月29日 研究结论 前言：在东吴金工2020年发布的《“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》中，我们根据日内240 分钟股票价格和成交量的相关性构建CPV1.0因子。因子在样本外表现下降引发了我们的思考：将每日的分钟频价量相关性作为价量配合程度的代理变量，是否合理？ 证券分析师高子剑 执业证书：S0600518010001 021-60199793 gaozj@dwzq.com.cn 证券分析师庞格致 执业证书：S0600524090003 panggz@dwzq.com.cn 分时版因子的构建源自于量在时间上的不均匀分布：成交量在一天中的分布极为不均匀，往往集中在开盘后的一段时间内，因此当我们将一天的交易时间段等分成8部分，分别计算每个30分钟的价量相关性时，可能会得出与计算全天价量相关性时截然不同的结论，即辛普森悖论。 我们认为，部分时段的价量相关性可能是更有效的代理变量。 相关研究 《“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》 分时版价量相关性标准差因子样本外表现出色：八分时量价相关性有两个可选指标。其中平均数因子PV_corr_avg在全时段样本外ICIR为 +0.13，在八分时样本外未超过±1，说明因子样本外失效；标准差因子PV_corr_std在全时段和八分时的样本内外均证明有效，且分时段选股 效果好于全时段。以2014/01/01-2023/12/31为回测时间段，PV_corr_std因子的10分组多空对冲年化收益率达19.98%，年化波动率11.12%，信息比率1.80，月度胜率69.42%，最大回撤率10.15%。 八分时版因子取最后30分钟替代全时段：基于此线索，分别计算八分时价量标准差因子样本内不同绩效指标下的结果，以最后30分钟表现最佳，因此选择最后30分钟价量相关性的标准差PV_corr_std_1430作为CPV分时版的代理变量。剔除Barra风格和行业后的纯净 PV_corr_std_1430因子的10分组多空对冲年化收益率达13.66%，年化波动率5.62%，信息比率2.43，月度胜率72.27%，最大回撤率4.91%，月度IC均值-0.03，年化ICIR-2.95，月度RankIC均值-0.03，年化RankICIR-3.41。 基于最后30分钟交易的价量相关性标准差因子：在几种指数成份股上的选股效果指标上，因子PV_corr_std_1430全部优于PV_corr_std，Ret20，Vol20，且在沪深300效果最明显。我们进一步构建了指数增强方案，在各类宽基指数中，CPV分时版同样具有最好的累计超额收益和 较小回撤。 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。 2020-02-21 1/22 东吴证券研究所 内容目录 1.高频价量相关性因子4 1.1.高频价量相关性因子CPV4 1.2.价量相关性的平均数因子PV_corr_avg和标准差因子PV_corr_std4 1.3.价量相关性的趋势因子PV_corr_trend6 2.CPV分时版7 2.1.价量相关性分时因子的构建线索7 2.2.构建分时版价量相关性因子8 2.3.高频价量相关性，分时好还是全天好？8 2.4.构建分时版CPV价量因子11 3.其他重要讨论14 3.1.传统价量因子与分时版绩效对比14 3.2.分时版价量因子的分年度表现14 3.3.分时版纯净价量相关性因子的表现15 3.4.分时版价量相关性因子的参数敏感性16 3.5.分时版价量相关性因子的多空收益分解16 3.6.其他样本空间的情况17 3.7.指数增强投资组合的构建18 4.总结21 5.风险提示21 2/22 东吴证券研究所 图表目录 图1：中公教育分钟走势图：2019/10/164 图2：微芯生物分钟走势图：2019/10/164 图3：PV_corr_avg因子10分组及多空对冲净值走势（回看20日）5 图4：PV_corr_std因子10分组及多空对冲净值走势（回看20日）6 图5：PV_corr_trend因子10分组及多空对冲净值走势（回看20日）7 图6：日内不同时刻的信息交易概率的均值7 图7：日内不同时刻的信息交易概率的均值8 图8：龙溪股份(600592.SH)日频PV_corr值(2023/06/30)9 图9：龙溪股份(600592.SH)分钟走势图(2023/06/30)9 图10：龙溪股份2023/06/30分时散点图9 图11：龙溪股份2023/06/30分时散点图（去除前半小时）9 图12：昱能科技(688348.SH)日频PV_corr值(2023/06/29)10 图13：昱能科技(688348.SH)分钟走势图(2023/06/29)10 图14：辛普森悖论10 图15：昱能科技2023/06/29分时散点图10 图16：中体产业(600158.SH)日频PV_corr值(2023/06/01)11 图17：中体产业(600158.SH)分钟走势图(2023/06/01)11 图18：PV_corr_avg因子年化ICIR（八分时）11 图19：PV_corr_std因子年化ICIR（八分时）12 图20：PV_corr_std_1430因子10分组及多空对冲净值走势（回看20日）13 图21：纯净PV_corr_std_1430因子10分组及多空对冲净值走势（回看20日）15 图22：基于沪深300成份股，不同投资组合的净值走势18 图23：基于中证500成份股，不同投资组合的净值走势19 图24：基于中证1000成份股，不同投资组合的净值走势19 图25：基于国证2000成份股，不同投资组合的净值走势20 表1：八分时PV_corr_std样本内绩效指标(2014/01/31-2020/01/31)12 表2：八分时PV_corr_std样本外绩效指标(2020/01/31-2023/12/31)13 表3：传统价量因子与分时版绩效指标14 表4：PV_corr_std_1430因子分年度表现14 表5：PV_corr_std_1430因子与常用Barra风格因子的相关系数15 表6：纯净PV_corr_std_1430因子分年度表现16 表7：PV_corr_std_1430因子参数敏感性16 表8：PV_corr_std_1430因子的多空收益分解17 表9：PV_corr_std_1430因子在其他样本空间的情况17 表10：基于沪深300成份股，不同投资组合的绩效指标18 表11：基于中证500成份股，不同投资组合的绩效指标19 表12：基于中证1000成份股，不同投资组合的绩效指标20 表13：基于国证2000成份股，不同投资组合的绩效指标20 3/22 东吴证券研究所 1.高频价量相关性因子 1.1.高频价量相关性因子CPV 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。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：2019/10/16图2：微芯生物分钟走势图：2019/10/16 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。 1.2.价量相关性的平均数因子PV_corr_avg和标准差因子PV_corr_std 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、标准差，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PV_corr_avg和价量相关性标准差因子PV_corr_std： 4/22 20 1 PV_corr_avg=20∑Corr(𝑃𝑖,𝑉𝑖) i=1 20 PV_corr_std=1∑(Corr(�,�)−PV_corr_avg)2 20 i=1 �� 其中，Corr(𝑃𝑖,𝑉𝑖)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2014/01/01-2023/12/31为回测时间段，图3展示了价量相关性平均数因子PV_corr_avg的10分组及多空对冲净值走势(分组1最小，分组10最大)。PV_corr_avg因子的10分组多空对冲年化收益率达12.61%，年化波动率11.15%，信息比率1.13，月度胜率62.81%，最大回撤率18.17%。在样本内空间（2020年第一季度以前），该因子多空对冲净值表现优异，但在样本外空间（2020年第一季度以后）明显不再具有上升趋势，说明平均数因子PV_corr_avg失效，我们转而考虑标准差因子PV_corr_std。 分组1 分组5分组9 分组2 分组6分组10 分组3 分组7 分组1-分组10 分组4 分组8 图3：PV_corr_avg因子10分组及多空对冲净值走势（回看20日） 5 4 3 2 1 0 2014201520162017201820192020202120222023 数据来源：Wind资讯，东吴证券研究所 以2014/01/01-2023/12/31为回测时间段，图4则展示了价量相关性标准差因子PV_corr_std的10分组及多空对冲净值走势(分组1最小，分组10最大)。PV_corr_std因子的10分组多空对冲年化收益率达19.98%，年化波动率11.12%，信息比率1.80，月度胜率69.42%，最大回撤率10.15%。在2020年起的样本外空间仍然有效。 5/22 东吴证券研究所 分组1 分组5分组9 分组2 分组6分组10 分组3 分组7 分组1-分组10 分组4 分组8 图4：PV_corr_std因子10分组及多空对冲净值走势（回看20日） 7 6 5 4 3 2 1 0 2014201520162017201820192020202120222023 数据来源：Wind资讯，东吴证券研究所 1.3.价量相关性的趋势因子PV_corr_trend 此外，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。再将每只股票的20个相关系数ρt对时间t回归： ρt=β×t+εt 其中t=1,2,⋯,20，回归系数记为β。 接着对所有股票的回归系数β在横截面上对市值及传统价量类因子（20日反转、20日换手率、20日波动率因子）进行正交，将得到的结果记为趋势因子PV_corr_trend。 以2014/01/01-2023/12/31为回测时间段，图5则展示了价量相关因子PV_corr_trend的10分组及多空对冲净值走势(分组1最小，分组