流动性因子研究

流动性因子 本文系统探讨了流动性因子在股票多因子投资框架中的表现、分类及其应用价值，包括了换手率因子、Amihud非流动性指标、bid-ask spread因子和预期流动性因子。换手率因子在中证800样本池的效果最好；预期流动性因子通过优化后，显著优于传统Amihud指标。买卖价差因子因假设限制表现较弱，此外，Amihud指标易受极端行情干扰，需剔除涨跌停数据提升稳定性。 低流因子和低波因子的协同与替代 低流因子与低波因子相关性显著，低流因子的多头端收益部分可被低波因子解释。从中证800样本池的滚动IC的表现来看，低流因子与低波因子产生了协同与替代效果。 影响流动性因子表现的影响因素 从因子角度，短期换手率比长期换手率的预测能力更好。 在2019年到2021年市场抱团行情导致低换手因子失效，空头端收益反转，反映资金集中追逐高流动性个股的非理性特征。 流动性因子具备反身性，流动性因子的表现和市场本身呈现负相关性，且在市场表现低迷时，低流动因子表现更好，这种效果会加强低波因子在市场低迷时的表现。 从宏观角度来看，当PPI上升时，低流动因子表现更好。 流动性因子多头端的研究 中证800多头端的超额在2017年以后衰减，可能原因是在2017年以后低波类型的基金份额显著增加，当大量资金同时涌入低波动股票时，可能会导致其估值被大幅抬高，从而削弱未来的超额收益。本章研究了不同类型smart beta策略在中证800样本池的适用性。结果显示，利用低波构建的组合优于利用低流构建的组合。构建多头组合时，长期低流和长期低波的效果好于短期低波和短期低流。结合了成长、红利和质量的低波低流组合相比原始低波低流组合有增强效果。 低波低流组合的有效性 结合美国、欧洲和日本低波类型基金的发展和国内低波类型基金表现来看。我们大致可以发现两条线索。一、低波策略在牛市无效，当市场处于牛市中，低波策略难以跑赢基准。二、低波策略的容量与市场中参与者的风险收益认知水平相关。当市场存在更有吸引力的资产时，通常投资者不会青睐低波类权益资产。 当前，市场成交量较高，以中证2000和科创为代表的小盘成长显著跑赢以上证50和红利指数为代表的大盘红利类股票，市场风险偏好高，这种市场环境不利于低波类资产表现。此外，配置低波或低波红利策略的时间节点重要，当低波类股票估值过高时，其配置性价比低。当前，大盘低波指数（399404.SZ）位于5年PE分位数的80%，其配置性价比较低。 投资建议： 从多因子角度，当前或依然可以维持低流低波类因子的权重，从构建多头组合角度，短期低流低波类资产或难以跑赢大市。 风险提示： 后续低风险资金持续购入低波类资产，可能导致短期低波资产组合走强。 本文研究基于历史数据，未来可能失效。 投资主题 报告亮点 本研究系统探讨了流动性因子在股票多因子投资框架中的表现、分类及其应用价值，结合中国市场数据与国际经验，揭示了流动性因子的核心特征与投资组合策略优化方向。 投资逻辑 在市场没有出现抱团情况下，低流因子空头端错误定价的收益来源，可以为多因子指数增强策略增厚收益。从投资组合角度来说，中证800样本池的低波类多头组合，因当前市场风险偏好较高，且自身估值较高，不具备显著的配置价值。 一、研究意义 在股票多因子投资框架中，流动性因子是解释资产收益的重要维度之一，它衡量了市场参与者买卖资产的难易程度及其对价格的影响。流动性不足可能导致交易成本上升、价格冲击显著，甚至引发“流动性黑洞”。将流动性纳入多因子模型，能够提升模型的解释力与投资策略的稳健性，研究也发现流动性因子对股票未来的收益有一定的预测作用。流动性因子的研究工作主要有：1、流动性因子的应用，2、流动性因子的改进等。 流动性因子的多头端和空头端收益来源不同，流动性空头端（做空高流动性的股票）的逻辑较为充分，如热点追捧、短期资金青睐，推动股票股价短期偏离其公允价值。流动性多头端（做多低流动性的股票）的收益来源为低流动性补偿。 由于流动性因子的多头端和空头端的收益来源不同，导致其在多因子模型和多头组合构建中的表现存在差异。以中国为例，流动性因子多头端的超额收益在中证800样本池中从2017年以后开始衰减。从因子角度，流动性因子在2019年到2021年存在失效阶段，但大部分时间有效。 此外，股票的流通性通常有多种衡量方式：1、交易活跃度类：反映股票交易活跃度，低换手率股票流动性较差; 2、冲击成本类：大额订单对价格的短期压力，反映市场深度不足，包括Amihud非流动性指标等;3、买卖价差类：衡量即时交易成本，价差扩大通常预示流动性下降。 本研究聚焦在以下方面： 本文详细研究了流动性测算方法的差异，包括了换手率因子、Amihud非流动性指标、bid-ask spread因子和预期流动性因子。研究发现换手率因子在中证800样本池的效果最好； 预期流动性因子通过优化后，在全A市场表现突出，显著优于传统Amihud指标。买卖价差因子因假设限制表现较弱，此外，Amihud指标易受极端行情干扰，需剔除涨跌停数据提升稳定性。 详细研究了低波因子和低流因子的差异。低流因子与低波因子相关性显著，低流因子的多头端收益部分可被低波因子解释。从中证800样本池的滚动IC均值的表现来看，低流因子与低波因子产生了协同与替代效果。 从因子角度研究了低流因子的历史表现和影响因素。从因子角度，短期换手率比长期换手率的预测能力更好。在2019年到2021年市场抱团行情导致低换手因子失效，空头端收益反转，反映资金集中追逐高流动性个股的非理性特征。流动性因子的表现和因子本身呈现负相关性，且在市场表现低迷时，低流动因子表现更好。从宏观角度来看，当PPI上升时，低流动因子表现更好。 从低流因子多头端研究了不同投资组合的特征，并比较了低流和低波组合的差异。中证800多头端的超额在2017年以后衰减，可能原因是在2017年以后低波类型的基金份额显著增加，当大量资金同时涌入低波动股票时，可能会导致其估值被大幅抬高，从而削弱未来的超额收益。本文也研究了不同类型smart beta策略在中证800样本池的适用性。 结果显示，利用低波构建的组合优于利用低流构建的组合。此外，构建多头组合时，长期低流和长期低波的效果好于短期低波和短期低流。从策略结合来看，结合了成长、红利和质量的效果相比原始低波低流有增强效果。 结合美国、欧洲和日本低波类型基金的发展和国内低波类型基金表现来看。我们大致可以发现两条线索。一、低波策略在牛市无效，当市场处于牛市中，低波策略难以跑赢基准。二、低波策略的容量与市场中参与者的风险收益认知水平相关。当市场存在更有吸引力的资产时，通常投资者不会青睐低波类权益资产。 当前，市场成交量较高，以中证2000和科创为代表的小盘成长显著跑赢以上证50和红利指数为代表的大盘红利类股票，市场风险偏好高，这种市场环境不利于低波类资产表现。此外，配置低波或低波红利策略的时间节点重要，当低波类股票估值过高时，其配置性价比低。当前，大盘低波指数（399404.SZ）位于5年分位数的80%，其配置性价比较低。 二、流动性因子的分类 （一）流动性因子分类 1、换手率 月度换手率均值，要求至少存在15个可交易日，记为turnovermonthly，由于月度换手率与个股预期收益存在负向相关性，因此我们对因子值取反。 2、Amihud非流动性指标 𝑁 𝑡 1𝑁 |𝑟|∑𝑚 𝑖,𝑡 ILLIQ= 𝑖,𝑡 𝑡 𝑖,𝑡 𝑖=1 其中𝑟为t时刻个股i的股价变化率，𝑚为个股t时刻个股i的成交额，𝑁为统计交易日天数N，通过这种方法计算出来的因子值记为：amihudilliquid_monthly。 𝑖,𝑡 𝑖,𝑡 𝑡 3、Bid-ask spread指标 当股票的流动性好时，盘口的买卖价差较小，当股票的流动性差时，盘口的买卖价差较大，因此可以通过盘口的价差去衡量股票的流动性。盘口价差可以通过观察市场的买卖单直接获取，然而这一方法依赖于较为高频的数据，另一种方法是通过高开低收的数据进行估算，在假设股价的运动满足Brownian运动方程的情况下，盘口的价差应当等于Brownian运动的单位运动步长。 本文计算Bid-ask spread指标的方法为David（2024）使用的估算方法。 2𝑜 𝑆=𝜋𝐸[(𝜂−𝑜)(𝑜−𝑐 )] 𝑜 𝑡 𝑡 𝑡 𝑡−1 o,h,l,c，为开盘价、最高价、最低价和收盘价取对数。 π=−8/(𝑃[𝑞≠ℎ,𝜏=1]+𝑃[𝑞≠𝑙,𝜏=1]) o 𝑡 𝑡 𝑡 𝑡 𝑡 𝑡 当最高价和最低价和前一日收盘价相等时，𝜏=1，除此以外𝜏=0。𝜂=(𝑙+ℎ)/2。其中 𝑡 𝑡 𝑡 𝑡 𝑡 E为求期望，P为求概率。 通过该方法估计的个股流动性记为bidaskspread。 4、预期流动性 Claus Schmitt等人在2023年提出可以利用弹性网络预测股票的流动性，在这一基础上可以预期股票接下来的收益。方法基于异质自回归模型（HAR-RV），包含不同时间窗口的流动性聚合数据（月度、季度、年度），利用弹性网络算法（Elastic Net）动态选择预测变量，避免过拟合并提高预测精度。滚动窗口校准（5年数据），每月更新参数并预测下月流动性。 预测用到的变量有月度涨跌幅、月度成交额、换手率、过去两年的月度平均涨跌幅，最近一个月的Amihud非流动性、最近一个季度的Amihud非流动性、最近一年的Amihud非流动性，最近一个月的Amihud非流动性标准差、最近一年的Amihud非流动性标准差、市值和账面市值比。 弹性网络（Elastic Net）是一种线性回归模型的正则化方法，它结合了L1正则化（Lasso）和L2正则化（Ridge）的优点，能够在处理高维数据时提供更好的变量选择和稳定性。 给定数据集(X,y)，弹性网络通过最小化以下目标函数来估计回归系数β： 2 2 2 2 min{||𝑦−𝑋β||+λ||β||+λ||β||} β 预测的个股下一个月的非流动性记为forecastliquid。 （二）四类流动性因子在不同样本上的表现情况 这里，关于因子测试的内容请参考之前的报告《金融工程专题报告：股票网络中心度因子异象研究》和《金融工程专题报告：市值因子研究——宏观视角》这里不再详述。多空年化收益和其他指标参见附录。 1、换手率 图表1换手率因子的在不同样本中的表现 2、Amihud非流动性 图表2 Amihud非流动性因子的在不同样本中的表现 3、Bid-ask spread指标 图表3 bid-ask spread指标在不同样本池的表现 4、预期流动性 图表4预期流动性在不同样本池中的表现 5、结果分析 从结果上看，IC的角度来说，月度换手率均值表现最好，而bid-ask spread指标最差。 Amihud非流动性容易受到个股极端行情的影响，例如个股涨跌停时可能会出现成交额很小的情况，当这类股票样本被剔除时，Amihud非流动性因子IC有了较好的改进。此外，也可能出现某些交易日成交额极小、但价格变动较大，导致Amihud因子值异常，从而影响其稳定性。 图表5 Amihud非流动性剔除了日度涨跌停的影响 bid-ask spread指标假定了个股的游走是随机游走，而研究表明股票市场的股价运动不完全是随机运动，因此该因子的表现较为一般。 图表6不同样本池流动性因子的IC表现 图表7不同样本池流动性因子多头组合超额年化收益 以上的实证结论表明，月度换手率均值相比Amihud非流动性和bid-ask spread的鲁棒性更强，受到市场的关注也更多。 （三）四类流动性因子的关系 图表8原始因子相关性 从因子相关性来看，turnovermonthly因