【国信金工】风险溢价视角下的动量反转统一框架

国信杨怡玲，张欣慰 2026-05-23 置信度: high

综合质量 5 /5

新颖性 5 /5

可复现性 5 /5

核心内容

本报告提出将动量和反转效应统一在同一框架下。作者认为股票的日度收益因每日风险高低不同而具有类似分子“手性”的差异：高风险日获得的收益更多来源于投资者的过度自信导致的反应过度，未来倾向于反转；而低风险日获得的收益并非源于承担高风险，未来偏向于动量。通过采用日度真实波动(TR)、换手率等风险代理指标，计算其相对于过去一段时间均值的偏离作为风险调整系数，对每日收益溢价进行加权，并引入时间半衰权重，构建出统一的动量反转(UMR)因子。该因子在A股市场表现出极强的选股能力和稳健性。

经济逻辑

基于“主动交易之谜”和过度自信假说。高波动/高换手意味着高风险，高风险下的高收益多由投资者过度自信和反应过度驱动，难以持续，未来呈现反转效应；低风险环境下的收益并非承担高风险所得，更多源于信息驱动，未来呈现动量效应。通过动态调整日度收益的权重，同时捕获低风险日的动量收益和高风险日的反转收益。

超额收益逻辑

利用投资者过度自信带来的反应过度获取超额收益。当股票处于高风险日时，收益由过度自信驱动，未来反转，故风险系数为负，从而对正向溢价赋予负向权重；当股票处于低风险日时，收益更可能延续，风险系数为正，对溢价赋予正向权重。通过动态调整日度收益的权重，同时在时序上捕获低风险日的动量收益和高风险日的反转收益。

构造细节 [factor]

因子定义

1. 计算日度真实波动 TR_t = max(high - low, abs(high - prev_close), abs(low - prev_close))。 2. 计算风险调整系数 C_t = Mean(TR_{t-d:t-1}) - TR_t。当C_t>0表示当日为低风险日(偏动量)，C_t<0表示高风险日(偏反转)。 3. 计算日度溢价 Premium_t = 个股日度收益 - 市场日度收益。 4. 计算半衰权重 w_t，以H为半衰期向前衰减并归一化。 5. UMR因子值 = Sum(w_t * C_t * Premium_t) over t=1 to m。

处理流程

数据获取与清洗：获取全市场股票日频OHLC数据，剔除新股及ST股。
风险指标计算：计算个股每日真实波动TR_t。
风险系数计算：计算过去10日TR均值，并用均值减去当日TR得到时序相对风险系数C_t。
收益溢价计算：计算个股每日超额收益（日度收益减去市场收益）。
加权合成：计算过去60日的半衰权重(半衰期30)，将每日的风险系数C_t与收益溢价Premium_t相乘，并按半衰权重累加得到原始UMR因子。
中性化处理：对截面因子值进行行业和市值中性化处理（回归取残差）。

参数

d: 10m: 60H: 30

数据输入

: (日频): (日频)

组合方式

单因子测试及复合因子等权/合成，并叠加进现有指数增强模型中作为增量因子测试

绩效

0.114

复合UMR月度IC均值

5.04

复合UMR年化ICIR

93%

复合UMR月度胜率

1.26%

复合UMR月均多头超额

0.045

残差因子IC均值

3.41

残差因子年化ICIR

83%

残差因子IC月度胜率

基准: 沪深300、中证500、全市场

回测期: 2010年1月-2022年11月

复合UMR因子月度IC均值达到0.114，年化ICIR达5.04，IC月度胜率93%，月均多头超额1.26%。剥离常见alpha因子后残差因子年化ICIR仍达3.41。加入沪深300增强模型年化超额提升至17.55%，中证500增强年化超额提升至20.77%。

收益归因 ✓ 已完成

UMR因子剥离掉所有常见alpha因子后仍然具有非常显著的选股能力，残差因子IC均值0.045，年化ICIR高达3.41，IC月度胜率83%。通过对因子库重复随机采样，引入UMR因子的中证500增强组合年化超额收益平均提高1.12%。

方法: 剥离所有常见alpha因子后进行残差收益检验，并通过对因子库重复随机采样观察信息增量

稳健性

子样本稳定性: 因子在1个月或1年的窗口下都表现出持续同向的动量效应，选股效果衰减非常缓慢，月度自相关系数达0.61。

风格偏差: 剥离所有常见alpha因子后仍然具有非常显著的选股能力，残差因子IC均值0.045，年化ICIR达3.41，IC月度胜率83%。

因子表现出极高的稳健性，不受已知风格因子解释，且在不同窗口长度下稳定有效，对现有指数增强模型有显著且稳定的增量贡献。

数据依赖

所需数据: 日频OHLC数据、日频收益率（用于TR调整UMR）；复合因子另需日内大单/小单成交数据、分钟频量价数据等。

可复现性: easy

报告主推的TR调整UMR因子仅需日频量价数据，逻辑清晰，复现难度低；但复合UMR因子提及了多个日内和分钟高频维度，全量复现需高频数据支持，复现难度中等。

新颖性评估 [新方法]

创新性地提出了日度收益的'手性'概念，利用日度风险指标的时序均值偏离作为权重系数，巧妙地将动量和反转统一在同一个因子构造框架中，方法新颖且极具启发性。

不足与缺陷

风险代理指标的选择和均值调整窗口(d=10)主要基于经验参数，可能存在过拟合风险。
采用简单均值差作为调整系数，未考虑不同股票波动率绝对水平的厚尾分布特性，极端波动日的权重可能过大。
复合UMR因子使用了8个不同维度的子因子，但报告仅详述了TR因子的构造，复合方式与高频子因子的具体计算细节披露不足，影响完整复现。

可复用元素

使用风险指标(如TR)的时序均值偏离来动态调整日度收益权重的思想，可以广泛推广到各类量价因子的重构中。
半衰权重的引入合理地处理了时间衰减，平衡了长短期收益的影响。
将对立的动量和反转效应通过物理'手性'概念进行统一的逻辑分析框架。

启发

可以将'手性'调整逻辑应用到资金流、成交量等非收益类因子上，改善原有因子的表现。
不仅限于均值调整，可引入风险指标的分布特征（如分位数或Z-score）来刻画相对风险，可能更具稳健性。

改进方向

使用分位数调整代替均值调整

基于: 均值差未考虑不同股票波动率分布的厚尾特性，易受极端值影响预期收益: 使用过去一段时间的分位数（如过去250日的分位数）作为基准计算偏离，能减少极端波动日的干扰，提升因子在极端行情下的稳健性。

非线性风险加权

基于: 当前框架为线性加权(C_t * Premium_t) 预期收益: 引入Sigmoid等非线性函数对风险系数C_t进行压缩，避免极端高风险日权重过大导致因子暴露失衡，可能提升因子的ICIR。

复现计划

1. 获取2010-2022年全市场A股日频OHLCV数据，剔除新股及ST股。2. 计算个股每日真实波动TR_t。3. 计算风险调整系数 C_t = mean(TR_{t-10:t-1}) - TR_t。4. 计算日度超额收益 Premium_t = Ret_t - Mkt_Ret_t。5. 设定窗口 m=60，计算半衰期 H=30 的指数衰减权重 w_t。6. 合成原始UMR因子：对过去60日的 C_t * Premium_t 应用权重 w_t 并求和。7. 每月末对因子进行行业和市值中性化（回归取残差）。8. 分十组回测并计算月度IC，验证是否达到均值0.105、ICIR 4.9的水平。