股价跳跃专题汇报

股价跳跃专题汇报-20250420_原文 2025年04月21日09:02 发言人100:01 好的，各位投资者，大家晚上好啊。 发言人100:03 欢迎来到招商财智汇，我是招商证券量化联系首席刘凯。 发言人100:11 首先先由我给大家简单回顾一下今对当前市场的一些主要动态，然后跟大家聊一下下周的我们的一些观点和投资的一些机会。 发言人100:23 本周大家也是看到了整体宽基指数呈现一个震荡的一个局面，也是�现了一个涨跌的户线。 发言人100:32 整体上像北证50、中证500、中证一千等指数也是�现了不同程度的上涨和下跌。 发言人100:41 从行业上来看，银行、房地产整体表现比较好，而国防军工计算机这些行业整体表现比较弱。 发言人100:50 风格方面的话，我们也是能看�来，本周有一个特别鲜明的估值规模和飞现象，是指因子的一个突�的表现。 发言人100:59 那那体现市场对于这种低估的资产，也包括这种小市值风格的一个偏好。 发言人101:05 但是这个小市值的偏好，我们也可能看到，我们有一个基于这个技术方面的一个择时的模型，我们给�的下周的这个观点是基于叫做DTW的一个择时模型，是基于历史的一个相似性原理，包括还有这 个DTW的一个算法。 发言人101:28 那么考察当下指数行情和历史行情的一个相似度，来筛选相似度比较高的历史行情片段作为参考。 发言人101:36 我们基于这个DTW的一个则势模型，首先我们是在未来的这一周，对于上证50、中证五百红利、低波一百、创业板指等这种指数量是持一个看多的一个观点的。 发言人101:51 同时我们也有一些基于四个反应外资动向的指标，构建的A股整体的做事的模型，我们基于这个外资模型目前是没有明显的观点，但是我们结构上是，虽然我们当前还是维持一个对市场未来可能是一个震荡的一个局面的判断，但是我们结构上还是看好大盘风格的。 发言人102:15 另外我从这个风格轮动方面，我们去看的话，我们有一个基于这个赔率胜率方面的风格轮动的一个模型，也是欢迎大家进行关注。 发言人102:28 我们这个赔率胜率相相关的一个价值成长轮动的模型，我们目前能看到的对于这个投资期望来看，其实是咬的比分咬的比较紧，就是价值和成长其实比较接近的一个观点。 发言人102:46 但是目前我们给�下周的这个成长风格的投资期望约为0点负的0.06，那么价值风格的投资期希望是0.11，我们能看到其实比较接近的。 发言人102:59 但是以略微的这个优势，我们是最新比较推荐的风格，是价值的风格。 发言人103:06 因此我们对于未来市场这一周的表现，还是判断是市场整体维持在一个震荡的大的背景下。 发言人103:17 那么我们建议关注的是这个大盘价值的这样风格的一个投资机会。 发言人103:24 以上是我们基于本周的一个市场的回顾，包括对于未来一周的市场观点的和看法。 发言人103:32 接下来有请央行来为大家介绍，我们的这样的一个专题，是基于股价跳跃关联性的一个选股策略。 发言人103:41 这个股价跳跃关联性这个概念，我们后续也会持续的去跟进去发一些相关主题或者相关观点的一些其他的策略类型。 发言人103:54 也有请大家关注我们这个相关的策略的一个研究。 发言人104:01现在有请杨航。 发言人104:05 好的，谢谢台总。 发言人104:07 尊敬的各位领导，各位机构投资者，大家晚上好。 发言人104:12 我是招商证券金工团队分析杨房。 发言人104:15 我们团队去年的八月份也是发了一个如何去识别股价跳跃的这样的一个报告，然后在那篇报告我们是用的五分钟级的数据，去识别的股价的一个跳跃。 发言人104:30 我们今天这个报告是基于股价跳略关联性的一个选股策略，它其实是国家跳跃专题的第二篇，接下来我就给各位领导介绍一下我们这边报告。 发言人104:45 首先提到这个股价的一个跳跃的话，就是我们会认为它是一个信息冲击的一个直接体现。 发言人104:54 我们在下一篇报告我们也是介绍了这个股价的一个跳跃。 发言人104:59 他跟股票未来的一个收益整体是呈现�一个负相关的一个关系，说到这个股票的一个观点，之前的一些研究，比如说地理区域的一个关联，科技关联，还有像分析师共同覆盖，还有像供应链的一些关联等等。 发言人105:20 就相信各位领导也都有看到过类似的一些报告。 发言人105:24 那我们团队之前在这一方面，也是做了不少的一个研究。 发言人105:28 像这个供应链，然后像这个营收的一个相似性，我们都有研究去识别这个股价股票的一个关联性。 发言人105:38 那这一块它的一个研究主要是两个方向，一个方向就是从这个关联网络的一个结构入手，比如说这个中文性因子。 发言人105:48 另外的话就是基于这个关联网络，我去构建一个关联的一个动量因子，然后我们这个股价的一个跳跃关联它的一个逻辑就是说有相似的一些属性的公司，它可能会受到似的一个信息冲击，导致它股价有同步的一个跳跃。 发言人106:07 那我们反过来反过来去想，就是说如果说股价的有同步的一个跳跃，那就可以去说明这两个公司它可能是比较相似的对然后这个就是我们这个报告的一个整体的一个大纲，我们也是像刚刚介绍了，我们是基于这个股价的一个跳跃去构建的一个跳跃频率的一个关联，还有一个是跳跃幅度的一个关联。 发言人106:33 那接下来我们就分为两块，一块是从这个中文线入手，一个是从这个关联动量入手。 发言人106:41 对，那在介绍具体我们是怎么去构建这个因子之前，我先举一个非常鲜明的一个例子来说明我们它的这个逻辑是从头而来。 发言人106:52 这里展设这个左上的表的这个图是去年的8月20号，就是这个黑神话悟空上市当天，这个大盘就是上证指数它的一个整体走势。 发言人107:04 大家可以看到它整体是呈现一个比较疲软的一个状态。 发言人107:08 然后另外的这三张图就是跟这个黑神挖悟空比较有相关的一些公司它的一个股价的一个走势。 发言人107:18 像他是有他的这个�版方，有他这个手柄的一些供应商等等。 发言人107:26 那可以看到他的这个股价，他当天是有向上跳跃的这样的几条线。 发言人107:32 那从这里也是可以看到，就是说这几个公司他可能经营业务可能都不太一样。 发言人107:39 然后包括分师覆盖可能都也都也都不同。 发言人107:44 所以我们从一些比较偏基本面的一些指标，是很难去识别�这几个公司是有相关性的。 发言人107:51 那我们通过这个量价数据，通过这个股价的一个跳跃，就能够去抓取到这样的一个一些相关性。 发言人108:01 首先我们先简单的再回顾一下我们上一篇报告是怎么去做这个股价的一个识别的。 发言人108:09 当时我们是用了一套，我们认为比较严谨客观的一个一套算。 发言人108:14 然后这套算法它能够把每只个股它在每一天发生跳跃的所有的五分钟，都能够把它找�来，具体来看的话就是我们是用了这样的一些方法，然后这个中间的这个就是他所用的这些公式，是构建了一个GS的统计量。 发言人108:36 然后这个跳跃统计量它是服从跳跃，服从正态分布的。 发言人108:41 如果说他是落在这个拒绝域，那就说明当天是存在这个跳跃。 发言人108:48 接下来我用下面这两页PPT来具体说明我们是怎么去做的。 发言人108:53 首先我们对于每一天每只个我我们都把他的每个五分钟的一个收益率算�来，一列是这个简单收益率，一列是这个对数收益率。 发言人109:04 然后我们再到我们前面提到这些公式里面，就能够把这个GS这个统计量把它算�来。 发言人109:11 然后它是服从一个高考状态分布的，那我们就是判断说它的这个绝对值有没有大于1.96，如果说它小于1.96，那就落在这个接受率，也就是说你这当天这只股票是没有发生这个股价的一个跳跃。 发言人109:27 如果说大于1.96的话，那就说明当天这个股票是存在跳跃。 发言人109:32 那下一步我们就需要去判断说这个股价的一个策略，它究竟是发生在哪一个时间段。 发言人109:38 这里我们用的这个方法就是我们把这49个五分钟它的这个收益率，它的一个中位置把它算�来。 发言人109:46 像最下面这一行这个RM就是代表它的一个收益率的一个中位置。 发言人109:51 然后它大概率是一个不太可能是一个跳跃的一个值。 发言人109:55 然后我们用这个中位值依次去替代每一个五分钟的一个收益率。 发言人110:00 像我这个圈起来这个三这个时刻，就是用这个中位值去替代三这个时刻的收益率。 发言人110:07 然后根据新得到这个收益序列，我可以先算�新的这个GS统计量，我们把叫做GS3。 发言人110:14 然后我们这里会做49次的一个替代，就可以得到中间的这样的一个表格，就一共有49个GS。 发言人110:20 然后把它跟最开始的那个GS这个统计量，去算一个绝对值的一个差值，比如说我们上传这个差值，在二这个时刻是最大的，那我们就认为二这个时刻是最有可能发生跳跃的这样的一个时刻，那我用这个中位值把这个二的这个时刻的一个收益做一个替在之后，重新再回到刚才去检验其他的这个时刻有没有发生跳跃。 发言人110:48 所以我们这个算法就最终它能够把每只个股日内所有的跳跃都能够找�来。 发言人110:56 那我们再简单回顾一下我们上一篇报告的一些结论，我们把所有的这个跳跃识别�来之后，我们把发生跳跃的五分钟的一个收益率，就把它当做这个跳跃收益。 发言人111:08 然后把过去20个交易日，它的这个跳跃收益做一个嘉禾，就得到我们的这个跳跃因子。 发言人111:14 那我们可以看到最下面这行这个创因子的一个IC是负的6.59%，整体它是一个比较跟未来收益是一个比较负相关的这样的一个因子。 发言人111:25 然后因为这个股价的一个跳跃，它是我用过去20天的一个收益率，扣掉这个跳跃收益以外的这样的一个跳非跳月收益，我们也去做了一个检验，我们发现它跟未来收益是呈现正相关的，也就就说它是一个重量的，然后我们这也是把这个跳跃去做一个方向的一个区分，分成这个正跳跃跟负跳跃，前面再再一个POS的就是代表这个正跳跃。 发言人111:54 那可以看，那它跟股票未来收益是一个非常显著的一个互相关。 发言人112:00 而在这个NEG前缀的它是一个副跳跃，然后它跟股票未来收益是一个比较显著的一个正相关。 发言人112:08 那以上就是我们对上一篇报告的一些核心的一个结论。 发言人112:13 然后我们后面去构建因子的时候可能也会用到这些结论。 发言人112:17 那回到我们这个报告，我们把所有的股价的一个跳跃识别�来之后，接下来的重点就是说我们怎么去构建说基于这个股加跳跃怎么去构建它的一个关联性。 发言人112:31 那我们自己用到这个方法，我们是比如说两只股票，一个焦点公司I一个关联股票J那我们去看这两只股票，它过去100米百20个交易日，然后这个焦点焦点股票I它跳跃了，多少次。 发言人112:47 然后每一次在它的前后一个交易日，也就是说总共三个交易日，这个关联公司这有没有发生一次同向样的一个跳跃？ 发言人112:57 如果说也有发生同样的一个跳跃，我们就把这一次的一个跳跃记为这个关联跳跃。 发言人113:03 所谓的这个关跳跃频率的一个关联，就是拿这个关联跳跃的一个次数去除以总的一个跳跃次数。 发言人113:12 然后这个跳跃幅度的一个关联，也就是拿这个发生跳跃的一个收益率的一个绝对值取一个加和，然后去除以总跳跃的一个绝对值的一个加和。 发言人113:24 然后接下来我们先介绍一个我们构建的一个点路专业性因子。 发言人113