【方正金工】个股动量效应的识别及“球队硬币”因子构建——多因子选股系列研究之四

方正方正金工 2026-06-30 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 4 /5

核心内容

研报基于Moskowitz（2021）的“可知性”理论，指出投资者对高可知性事件（抛硬币）倾向反转预期，对低可知性事件（球队夺冠）倾向动量预期。在股票市场中，投资者的过度反应导致预期发生动量的高可知性股票实际发生反转，预期发生反转的低可知性股票实际发生动量。研报通过波动率和换手率变化量来度量股票的“可知性”，并以此为标准对传统日间、日内、隔夜反转因子进行修正：将高可知性（低波动或换手下降）股票的日度收益符号翻转，从而将隐藏的动量效应统一修正为反转效应，最终合成“球队硬币”因子。

经济逻辑

当投资者将股票视为“球队”（低可知性，高波动、换手增加）时，会基于历史表现产生动量预期，上涨时追涨导致未来反转，下跌时杀跌导致未来反弹；当将股票视为“硬币”（高可知性，低波动、换手减少）时，会产生反转预期，上涨时卖出导致未来继续上涨，下跌时买入导致未来继续下跌。因此，利用交易特征识别出硬币型股票，并将其历史收益率符号翻转，可使其未来收益率与修正后的因子值保持一致的负相关（即真实反转效应）。

超额收益逻辑

通过识别隐藏在反转因子中的动量效应并将其翻转，使得原本被动量效应削弱的传统反转因子得到净化和增强。修正后的因子值与下期收益率呈现更加纯粹且稳健的负相关关系，即因子值越小（跌得越多且被判定为动量持续），未来涨幅越大；因子值越大（涨得越多且被判定为动量持续），未来跌幅越大。

构造细节 [factor]

因子定义

1. 日间收益 R_inter = Close_t / Close_{t-1} - 1; 2. 日内收益 R_intra = Close_t / Open_t - 1; 3. 隔夜收益 R_overnight = Open_t / Close_{t-1} - 1。4. 波动率: 过去20日各收益序列的标准差。5. 换手变化: ΔTurn_t = Turn_t - Turn_{t-1}。6. 隔夜距离: D_overnight = |R_overnight - mean(R_overnight_market)|。7. 翻转规则: 若个股当期波动率<市场均值或当日换手变化量<市场均值，则视为“硬币型”，将对应日度收益序列乘以-1；否则视为“球队型”保持不变。8. 月频因子值: 过去20天翻转后序列的均值。

处理流程

1. 基础数据获取：提取全A股日频开盘价、收盘价、换手率，计算日间收益R_inter、日内收益R_intra、隔夜收益R_overnight。
2. 特征计算：(a) 计算每日全市场R_inter、R_intra、R_overnight的截面均值M_inter, M_intra, M_overnight; (b) 计算每日换手率差分ΔTurn及全市场均值M_turn; (c) 计算每日隔夜距离D_overnight = |R_overnight - M_overnight|; (d) 计算月末过去20日各收益序列均值Mean及标准差Std，并取全市场截面均值M_std。
3. 符号翻转处理：逐日判断，若ΔTurn_t < M_turn，则当日R_inter与R_intra乘以-1；若D_overnight_t的当月Std < M_std，则当月D_overnight乘以-1。
4. 子因子生成：取过去20日翻转后R_inter的均值得日间修正因子，翻转后R_intra的均值得日内修正因子，翻转后D_overnight的均值得隔夜修正因子。每个维度内均包含波动翻转与换手翻转两个版本，等权合成为修正日间、修正日内、修正隔夜反转因子。
5. 最终因子合成：将修正日间反转、修正日内反转、修正隔夜反转因子等权合成，得到“球队硬币”因子原始值。
6. 正交化处理：对原始因子值进行市值和行业中性化处理，得到最终可回测的因子值。

参数

回溯期N: 20划分阈值: 截面均值

数据输入

: (日频): (日频): (日频): (日频): (日频)

组合方式

修正日间反转、修正日内反转、修正隔夜反转三个子因子等权合成

绩效

-9.67%

Rank IC

-4.73

Rank ICIR

39.69%

多空组合年化收益率

3.95

信息比

85.14%

因子月度胜率

-4.35%

剔除风格后Rank IC

-2.98

剔除风格后Rank ICIR

22.27%

剔除风格后多空年化收益

2.75

剔除风格后信息比率

5.86%

沪深300多头年化超额

12.12%

中证500多头年化超额

16.55%

中证1000多头年化超额

基准: 全A

回测期: 2010年1月至2022年5月

“球队硬币”因子在月度频率上表现优异，Rank IC达-9.67%，多空组合年化收益率达39.69%。剔除常用风格因子影响后仍具较强选股能力，多空年化22.27%。在沪深300、中证500、中证1000成分股内多头超额均表现不俗。

收益归因

通过剔除常用风格因子影响后的纯因子收益测试来进行归因分析，确认因子具有独立的选股能力。

方法: 剔除常用风格因子影响后的纯因子收益测试

缺口: 未进行基于收益或风险的详细多因子归因分解（如Brinson等）

稳健性

子样本稳定性: 在沪深300、中证500、中证1000指数成分股内均表现不俗，多头组合年化超额收益分别为5.86%、12.12%、16.55%，呈现明显的中小盘效应增强。

风格偏差: 剔除了常用的风格因子（市值、行业等）影响后，因子仍然具有较强的选股能力，Rank IC均值为-4.35%，Rank ICIR为-2.98，多空组合年化收益率22.27%，信息比率2.75。

因子在不同市值样本及剔除常见风格因子后均表现出极高的稳健性，选股能力独立且强劲，月度胜率高达85.14%。

数据依赖

所需数据: 日频开盘价、收盘价、换手率、流通市值、行业分类

可复现性: easy

数据均为基础日频量价数据，无复杂衍生数据需求，计算逻辑为简单截面均值划分与符号翻转，不涉及模型训练，复现难度极低。

新颖性评估 [新方法]

创新性地引入行为金融学“可知性”概念，并将其具象化为波动率和换手率变化这两个可量化指标，通过极其简单的符号翻转算子重构传统反转因子，计算轻量但效果显著。

不足与缺陷

硬阈值划分：仅使用截面均值作为0-1划分标准，在均值附近的股票极易因微小波动导致因子符号频繁切换，可能带来换手成本和噪音。
指标单一：换手率变化仅使用了一阶差分（t日减t-1日），波动较大，未能充分反映趋势性变化。
逻辑不一致：隔夜距离因子已取绝对值，对其执行符号翻转在代数意义上并非完全等同于原收益率的反转，逻辑上存在一定牵强。

可复用元素

使用交易特征（波动、换手）来区分同一截面个股的动量/反转属性的思路
对特定子集股票因子值取反（乘以-1）的简单有效修正手段
日间、日内、隔夜收益的拆解与独立建模框架

启发

可知性可以由更多维度的低噪特征刻画，如资金流的稳定性、成交量的集中度等
通过分类或连续加权重构传统量价因子的思路可广泛推广至其他被噪音削弱的Alpha因子

改进方向

用连续加权代替0-1硬翻转

基于: 相似逻辑：仍使用波动率与换手变化衡量可知性；不同构造：不使用截面均值进行二分，而是构建一个基于偏离度的连续权重w（如sigmoid函数），将因子值由R修正为 w*R + (1-w)*(-R)。预期收益: 预期减少边界处股票符号跳变带来的换手损耗，提升因子的稳定性和ICIR，同时保留动量与反转效应的自然过渡。

复现计划

1. 获取2010-2022年全A股日频前复权开/收价与换手率。2. 计算日间、日内、隔夜收益率。3. 计算每日换手率差分及隔夜收益绝对距离。4. 逐日计算全市场换手差分均值，低于均值的股票其日间/日内收益率乘-1。5. 月底计算过去20日翻转后日间/日内收益均值。6. 月底计算过去20日隔夜距离均值及标准差，计算全市场隔夜距离标准差均值，低于均值的股票其当月隔夜距离均值乘-1。7. 将上述三个均值按日间/日内/隔夜维度内部的波动翻转与换手翻转等权合成，再等权合成最终的球队硬币因子。8. 进行市值和行业正交化，分10组回测验证Rank IC与收益。

实体

球队硬币因子 [concept]可知性 [concept]净动量比例 [concept]Moskowitz [person]日间反转-波动翻转因子 [factor]日间反转-换手翻转因子 [factor]修正日间反转因子 [factor]日内反转-波动翻转因子 [factor]日内反转-换手翻转因子 [factor]修正日内反转因子 [factor]隔夜距离因子 [factor]隔夜反转-波动翻转因子 [factor]隔夜反转-换手翻转因子 [factor]

查看原文 → 模型: glm-5-2-260617 分析时间: 2026-07-13

LOCAL SIMILARITY