“海量”专题（142）——价量波动幅度

“海量”专题（142）——价量波动幅度

不同观察期重要提醒：《证券期货投资者适当性管理办法》将于2017年7月1日起正式实施。通过本微信订阅号发布的意见和信息仅供海通专业投资者参考证券及完整 投资观点应以海通证券研究所出具的完整报告为准。若您非海通证券客户中的专业投资者，为控制投资风险，请取消您的认购、接收或使用本认购账户内的任何信息。很难设置该订阅帐户的访问权限。对于给您带来的任何不便，我们深表歉意。我公司不会仅因相关人员关注、接收或阅读该订阅账号推送的内容而将其视为客户；市场有风险，投资需谨慎。

常见的技术因素主要包括价格涨跌幅、换手率、波动性等，很少有因素反映价格和成交量指标的区间波动幅度。事实上，波动幅度从总量角度刻画了个股的活跃程度，是对股价和成交量因素信息的有效补充。本文主要研究一定范围内的价量波动与未来股票收益之间的关系。

对传统价格和数量因素的有效补充

传统的价量因素有一个共同的特点：因素的短期效应较强，但长期效应较弱。从不同样本空间因素的选股效应差异来看，这种现象意味着该因素对高成长性、高换手率、高波动性的股票具有较强的集中选股效应，而对高成长性、高换手率、高波动性的股票则具有较强的集中选股效应。对低成长性、高换手率、高波动性的股票选股效应较强。集中选股对低波动性和低波动性股票的作用较弱。

具体来说，如果我们根据上个月的涨跌幅、换手率、波动率三个指标，将整个市场股票划分为2*2*2=8个子样本空间。在每个子样本空间中，根据目标因子（反转、换手率等）将股票分为三组，因子得分最高的一组股票相对于该组股票的平均月多空收益计算因子得分最低的股票。如下图所示。

研究结果表明，常见的技术因素——反转、换手率、波动性，主要在高增长率、高换手率的样本空间中具有显着的选股效应；而在低增长率、低换手率的样本空间中，月平均多空收益并不显着。

每个月末，我们根据过去一段时间每日最高价格值和最低价格值之间的变化构建股价振幅因子（以下简称振幅因子）。即幅度因子=每日价格最高值/最低值-1。下表为3个月幅度因子（观察期为3个月）在不同子样本空间的月平均多空收益。

可见，幅度因子可以有效补充常见的价格和数量因子。常见的技术因素在低增长率、低换手率的样本中选股作用非常有限；在该样本空间中，3个月振幅因子具有显着的选股效应。特别是在低增长、低波动、低换手率的样本空间中，三个常见的价量因素均无效，多空收益均为负值，而幅度的月平均多空收益因子高达0.92%，具有统计学意义。

股价振幅单因素回测

由于振幅较大的股票往往前期关注度较高，且价格波动较大，振幅因素的选股效果会受到其他价量因素的影响，因此不宜直接考察振幅之间的关系。以及未来的股票回报。上一章的分析也表明，幅度因素主要是对传统的价格和数量因素的补充。在控制了股票的价量特征后，在传统价量因素表现不佳的样本集中，幅度因素选股效应显着。为了体现幅度因素的补充作用，下面考察该因素时，会将该因素与技术因素（反转、换手率、波动性、流动性）和市值正交，以反映控制价格和成交量。后特征幅度因素的选股效应。

2.1

单因素选股效应

库存幅度与未来收益显着正相关。月平均IC和3个月振幅因子分别为3.7%和3.5%，具有统计显着性，相应的IR分别为1.45和1.25。

基于3个月幅度因子，将所有市场股票分为10组，计算每组股票等权重投资组合相对于全市场等权重投资组合的月平均超额收益。结果如下图左侧所示。可以看出，随着股价幅度逐渐增大，投资组合收益单调增加。多头投资组合（因子得分最高的投资组合）与空头投资组合（因子得分最低的投资组合）相比，月平均超额为1.46%，月胜率为70.7%，具有统计显着性。

需要注意的是，虽然从整个市场来看，振幅因素与反转、波动因素一样，呈现出多头效应弱、空头效应强的特点（上图左侧）。然而，在不同的子样本空间中，它们的有效性完全相反：在反转和波动因素缺乏选股能力的样本集中，幅度因素的看涨效应显着为正，且因素可以互补。

具体来说，我们将所有市场股票按照上月涨跌顺序分解为5个子样本集；然后在每个子样本集中，将股票分为5组，统计因子得分最高的那组股票（多头）相对于子样本集等权重投资组合的月平均超额收益，结果为如下。

结果表明，在低增长率的D1和D2样本集中，幅度因子的看涨效应明显强于反转因子和波动性因子；而在增长率较高的D4和D5样本集中，反转因子和波动因子的看涨效应显着强于振幅因子。特别是，在涨幅最低的样本集D1中，反转和波动因素的多头效应接近于0；而月平均超幅因子高达0.79%。

综上所述，振幅因子与股票收益显着正相关。虽然从整个市场来看，该因素的长期效应弱于短期效应；在传统价格因素失效的样本集中，该因素的长期效应显着为正，是对传统价格因素的有效补充。

2.2

不同观察期下股价波动因素

在计算幅度因子时，需要选择一个观察期，即考察过去较长一段时间内的股价幅度。下图为观测周期分别设置为1-6个月和12个月时幅度因子的表现。

结果显示，在1-6个月的观察期窗口内，振幅因子均显着正，ICIR均在0.9以上。其中，观察期为1个月时，最小值为2.70%。观察期为2个月时，最高为3.84%；然后随着观察周期的增加，幅度因子的选股效应逐渐减弱。

2.3

不同持有期限下的股价波动因素

我们根据m月末的因子值构建幅度因子多空组合，计算m+H月多空组合的收益差，称之为幅度因子的多空收益当持有期为H时。下图为持有期为1时振幅因子的月平均多空收益（本节及下文以观察期为2个月的振幅因子为例） -12个月。

结果表明，与传统的价格和成交量因素一致，幅度因素的多空回报衰减得更快。持有期为1个月时，该因子的月均多空收益率达到1.67%；当持有期为两个月时，该因子的多空收益率迅速下降至0.61%。当持有期限超过5个月时，幅度因子的选股效应甚至出现逆转。

2.4

不同风格的选股效果

我们根据市值将所有市场股票分解为5个子样本集；然后在每个子样本集中，根据幅度因素将股票分为5组，并计算各因素的月平均多空收益。结果如下。

可以看出，振幅因素集中在市值最大的20%个股，选股效应相对较弱。其他中小盘风格中，选股效应较强，月均多空收益在1%以上。

综上所述，振幅因子与股票收益显着正相关。该因素在传统技术因素表现不佳的样本集中具有显着的选股效果，可以有效补充传统的价格和成交量因素。然而，与其他技术因素类似，幅度因素衰减很快。当持有期限超过3个月时，该因子的多空收益不再显着。

成交量波动单因素

除了股价振幅外，我们还可以考察换手率波动因子（以下简称换手率振幅因子），它是一段时间内每日换手率最高值与最低值的差值。时间。

换手率波动性与未来股票收益之间存在显着的负相关关系。月平均IC和1个月换手率波动因子分别为-2.90%和-2.77%，具有统计显着性，对应的IR分别为1.93和1.37。

从群体收益来看，换手率因素的空头效应明显强于多头效应。一方面，空头月均超额为-0.69%，具有统计显着性；而多头的平均月超额为0.18%，月胜率不足50%，统计意义不大。另一方面，在D1-D4投资组合中，因子与股票收益之间的负相关性并不明显。

此外，与股价幅度相比，换手率波动因素对观察期的选择更为敏感。

下图为观察期分别为1-6个月和12个月时换手率波动因子的IC表现。当观察期为1个月时，IC表现最佳，为-2.90%。当观察期为2个月时，IC性能明显减弱，达到-1.58%。当观察期超过4个月时，换手率波动因子与股票收益之间甚至存在微弱的正相关关系。这表明换手率幅度因子与股票收益之间的相关性不如股价幅度因子那么稳定。

综上所述，换手率波动因子与股票收益率显着负相关。但该因素的看涨效应较弱，且对观察期的选择敏感。

多因素模型回测

下表为基本模型（以下简称9因子模型）中添加的价量波动性，包括市值、非线性市值、反转、换手率、波幅、流动性、ROE、预期净利润调整、苏因素。因素后显示各因素的横截面保费统计结果。

结果显示，股价振幅因子的横截面溢价显着为正，而换手率波动因子的横截面溢价显着为负，这与之前的单因素回测结果一致。说明排除公因后，前期股价波动幅度较大的公司未来盈利表现较好；而早期周转率波动较大的公司未来盈利表现会较差。

另外，同时加入股价振幅和换手率波动后，因子截面溢价有所下降；表明这两个因素之间存在一定的相关性。然而，溢价仍然很大，表明这两个因素仍然具有另一个因素无法解释的附加信息。

下表显示了基于9因子模型的多因子模型在添加价格、数量和幅度因子之前和之后的IC性能。可以看出，分别加入幅度因子和周转率幅度因子后，多因子模型的IC和总和得到改善，同时波动性减小，整体IR增加。

需要注意的是，相比于仅添加幅度因子的10因子模型，同时添加了幅度因子和周转率幅度因子的11因子模型的IR略低。这可能是由于时间序列中幅度因子与换手率幅度因子之间存在一定的相关性（溢价相关系数为0.29）。同时添加这两个因素会增加模型IC的波动性，从而降低模型IR。

综上所述，多因素模型横截面回归结果与之前的单因素结论一致：股价振幅与股票收益显着正相关，而换手率波动性与股票收益显着负相关。将价格、交易量和波动性因子添加到包含公共因子的 9 因子模型中可以提高模型的 IC 性能。

总结

本文主要研究价量波动与未来股票收益之间的关系。

股价振幅因子与股票收益呈显着正相关。即在控制涨跌幅、换手率、波动率后，历史股价幅度越大，股票未来收益表现越好。该因素对观察期的选择不敏感。在1-6个月的观察期下，选股效果显着。然而，与传统技术因素类似，股价振幅因素衰减很快。当持有期限超过3个月时，该因子的多空收益不再显着。

股价振幅是对传统价量因素的有效补充。在低增长率、低周转率、低波动性的样本集中，传统的技术因素失效；而股价振幅因素在本样本集中选股效应显着，牛市效应较强。

换手率波动因子与股票收益显着负相关，即换手率波动越大的股票未来收益表现越差。该因素的长期效应较弱，短期效应较强。

将价格、数量和幅度因子添加到包含公因子的 9 因子模型中可以提高模型的 IC 性能。

风险提示：要素有效性变化风险、历史统计规律失效风险。

联系人：罗雷（021）

专题报道下载地址：

“海量”专题回顾

【点击标题可链接至报告原文】