2022年中期增量關(guān)注度因子與投資者有限關(guān)注

1、一、高關(guān)注度個(gè)股的短期價(jià)格異常不管是學(xué)術(shù)界還是業(yè)界，對(duì)個(gè)股關(guān)注度以及這種關(guān)注給個(gè)股后續(xù)股價(jià)的影響向來(lái)都有濃厚的興趣。隨著通訊技術(shù)和社交網(wǎng)絡(luò)的普及，各類(lèi)信息呈爆炸式增長(zhǎng)，對(duì)于市場(chǎng)、行業(yè)、個(gè)股的關(guān)注度可以在短時(shí)間內(nèi)迅速達(dá)到峰值。同時(shí)對(duì)于個(gè)股關(guān)注度的衡量方式在當(dāng)下也變得多樣化。Baber 和 Odean 認(rèn)為投資者在進(jìn)行買(mǎi)入股票的決策時(shí)，面臨著成千上萬(wàn)種股票選擇。由于人的認(rèn)知能力有限，只有那些吸引投資者關(guān)注(attentiongrabbing)的股票才會(huì)進(jìn)入投資者選股的考慮集(consideration set)。也就是投資者尤其是個(gè)人投資者更傾向于購(gòu)買(mǎi)那些引起他們關(guān)注的股票。圖 1 近 20 年以

2、來(lái) A 股數(shù)量增長(zhǎng)使投資者的關(guān)注度約束變得更甚Wind 資訊、而當(dāng)面臨賣(mài)出決策時(shí)，受賣(mài)空約束（在缺乏賣(mài)空機(jī)制的 A 股市場(chǎng)尤甚）的個(gè)人投資者不會(huì)面臨嚴(yán)重的注意力約束問(wèn)題，因?yàn)樗麄兺ǔＶ怀钟猩贁?shù)幾只相對(duì)熟悉的股票。這種注意約束對(duì)買(mǎi)賣(mài)決策的非對(duì)稱影響勢(shì)必導(dǎo)致投資者對(duì)那些被關(guān)注股票產(chǎn)生凈買(mǎi)入行為。也就是說(shuō)，在做多機(jī)制和做空機(jī)制不完全對(duì)稱的市場(chǎng)，由于投資者的有限注意能力，非理性買(mǎi)入的可能性會(huì)大于非理性賣(mài)出的可能性，這就有可能導(dǎo)致高關(guān)注度的股票在短期內(nèi)出現(xiàn)非理性溢價(jià)，在未來(lái)會(huì)有向真實(shí)價(jià)值回歸的趨勢(shì)。在過(guò)去的學(xué)術(shù)文獻(xiàn)中，學(xué)者整理了不少投資者關(guān)注度的代理變量，以下，我們對(duì)部分代理變量進(jìn)行羅列。表 1：美股市

3、場(chǎng)投資者關(guān)注度代理變量編號(hào)變量名稱變量釋義1異常交易量個(gè)股最近一個(gè)月的交易量和過(guò)去一年月均交易量的比值2異常收益率個(gè)股最近一個(gè)月的收益率和過(guò)去一年月均收益率的比值3歷史收益率個(gè)股過(guò)去 12 個(gè)月的收益率4接近過(guò)去 52 周最高價(jià)個(gè)股當(dāng)前股價(jià)與過(guò)去 52 周最高價(jià)之間的距離5接近歷史最高價(jià)個(gè)股當(dāng)前股價(jià)與歷史最高價(jià)之間的距離6分析師覆蓋度個(gè)股過(guò)去 1 年有分析師給出盈利預(yù)測(cè)的數(shù)量7公司廣告費(fèi)用變化率過(guò)去 1 年公司在廣告費(fèi)用支出上的對(duì)數(shù)變化率8媒體覆蓋度個(gè)股當(dāng)月在特定媒體網(wǎng)站上被報(bào)道提及的次數(shù)9谷歌搜索量個(gè)股過(guò)去 1 個(gè)月在 Google 上的搜索頻率編號(hào)變量名稱變量釋義公募基金持倉(cāng)變動(dòng)公募基金在

4、個(gè)股上的資金流入和流出EDGAR 上的流量個(gè)股當(dāng)月在美國(guó) SEC 的電子化數(shù)據(jù)收集分析系統(tǒng)中被下載信息的次數(shù)資料來(lái)源：量化研究團(tuán)隊(duì)整理表格中的這些因子均來(lái)自外文文獻(xiàn)，在美股的歷史數(shù)據(jù)中被證明是階段性有效的，且在最近的文獻(xiàn)中，利用這些因子計(jì)算的主成分在美股仍有增量選股能力。在我們過(guò)往的因子報(bào)告和行業(yè)輪動(dòng)報(bào)告中，對(duì)基金持倉(cāng)變動(dòng)、輿情數(shù)據(jù)以及分析師覆蓋都有相關(guān)研究。以下，我們重點(diǎn)對(duì)量?jī)r(jià)類(lèi)數(shù)據(jù)進(jìn)行再探索，挖掘在A 股市場(chǎng)上有效的投資者關(guān)注度因子。二、傳統(tǒng)投資者關(guān)注度因子測(cè)試我們測(cè)試了表 1 中衡量投資者關(guān)注度的量?jī)r(jià)類(lèi)因子在 A 股中的表現(xiàn)。其中，歷史收益率因子的計(jì)算方式和傳統(tǒng)的 12個(gè)月動(dòng)量因子的計(jì)算

5、方式一致，沒(méi)有增量信息，這里我們不做重復(fù)測(cè)試，只統(tǒng)計(jì)異常交易量、異常收益率、歷史收益率、接近過(guò)去 52 周最高價(jià)、接近歷史最高價(jià)這 4 個(gè)量?jī)r(jià)因子。由于這幾個(gè)因子研究的是一階流量數(shù)據(jù)的變動(dòng)幅度，這里我們將這 4 個(gè)因子稱為一階量?jī)r(jià)類(lèi)因子。一階量?jī)r(jià)類(lèi)因子歷史表現(xiàn)異常交易量因子我們統(tǒng)計(jì)最近 1 個(gè)月交易量除以過(guò)去滾動(dòng) 12 個(gè)月的成交量月度均值的比值，構(gòu)建因子。該因子的理論邏輯也很直觀，交易量提升說(shuō)明參與這只股票交易的投資者數(shù)量和資金量的上升，資金博弈的激烈程度提升，這是個(gè)股關(guān)注度提升的最直觀表現(xiàn)。異常交易量因子 =當(dāng)月成交量過(guò)去滾動(dòng) 12 個(gè)月成交量月度均值為了測(cè)試各因子在A 股歷史上的表現(xiàn)，回

6、測(cè)方式如下：股票池：歷史時(shí)點(diǎn)上的全A 股，剔除 ST、PT 股票，剔除上市時(shí)間不足 3 個(gè)月的個(gè)股?；販y(cè)數(shù)據(jù)區(qū)間：2012 年 1 月 4 日至 2022 年 5 月 31 日。截面期：每個(gè)自然月的最后一個(gè)交易日計(jì)算因子暴露度。rank_IC 計(jì)算：個(gè)股截面因子暴露度序列與下個(gè)月個(gè)股收益率序列的次序相關(guān)系數(shù)（斯皮爾曼相關(guān)系數(shù)）。分層回測(cè)模型：則假定在次月第一個(gè)交易日調(diào)倉(cāng)，根據(jù)個(gè)股的因子暴露度差異，將股票池個(gè)股分成 n 組，每月重新計(jì)算，求出每組的累積收益率，來(lái)考察因子在時(shí)間序列維度上對(duì)個(gè)股的區(qū)分能力。以下，所有因子的單因子測(cè)試均以上述計(jì)算方式為準(zhǔn)。圖 2 異常交易量因子 10 組分層收益與多空

7、組合收益圖 3 異常交易量因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 2：異常交易量因子回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值數(shù)據(jù)-0.0570.456-1.505-4.62069.0%0.396-0.542總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比多空組合332.27%16.49%32.26%238.9%-113.6%0.646-0.484Wind 資訊、，截止 2022 年 5 月 31

8、 日 注：超額收益的基準(zhǔn)為同期的Wind 全 A異常收益率因子我們統(tǒng)計(jì)最近一月的收益率除以過(guò)去滾動(dòng) 12 個(gè)月的個(gè)股月收益率均值，計(jì)算異常收益率的因子暴露度，統(tǒng)計(jì)該因子表現(xiàn)。異常收益率因子 =當(dāng)月收益率過(guò)去滾動(dòng) 12 個(gè)月月收益率均值圖 4 異常收益率因子 10 組分層收益與多空組合收益圖 5 異常收益率因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 3：異常收益率因子回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0120.

9、294-0.509-1.55654.5%0.198-0.426總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比50.08%4.36%21.39%215.8%74.8%0.6560.285數(shù)據(jù) 多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準(zhǔn)為同期的Wind 全 A接近過(guò)去 52 周最高價(jià)因子我們統(tǒng)計(jì)月底最后一個(gè)交易日的收盤(pán)價(jià)（復(fù)權(quán)）與個(gè)股過(guò)去 52 周最高收盤(pán)價(jià)（復(fù)權(quán)）之間的比值，計(jì)算接近過(guò)去 52周最高價(jià)因子，統(tǒng)計(jì)該因子表現(xiàn)。接近過(guò)去 52 周最高價(jià)因子 =當(dāng)前復(fù)權(quán)收盤(pán)價(jià)過(guò)去滾動(dòng) 52 周最高復(fù)權(quán)收盤(pán)價(jià)圖 6 接近過(guò)去 52 周最高價(jià)因

10、子 10 組分層收益與多空組合收益圖 7 接近過(guò)去 52 周最高價(jià)因子 rank_IC 與累積rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 4：接近過(guò)去 52 周最高價(jià)因子回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0100.624-0.200-0.61150.9%0.318-0.556總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比-9.35%-1.09%57.66%94.3%125.3%0.2460.390數(shù)據(jù) 多空組合Wi

11、nd 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準(zhǔn)為同期的Wind 全 A接近歷史最高價(jià)因子我們統(tǒng)計(jì)月底最后一個(gè)交易日的收盤(pán)價(jià)（復(fù)權(quán)）與個(gè)股歷史最高收盤(pán)價(jià)（復(fù)權(quán)）之間的比值，計(jì)算接近歷史最高價(jià)因子暴露度，測(cè)算該因子表現(xiàn)。接近歷史最高價(jià)因子 =當(dāng)前復(fù)權(quán)收盤(pán)價(jià)個(gè)股歷史最高復(fù)權(quán)收盤(pán)價(jià)圖8 接近歷史最高價(jià)因子10 組分層收益與多空組合收益 圖 9 接近歷史最高價(jià)因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 5：接近歷史最高價(jià)因子回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值

12、波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0370.551-0.805-2.58757.3%0.265-0.432總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比90.45%6.58%53.45%292.7%50.8%0.5260.159數(shù)據(jù) 多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準(zhǔn)為同期的Wind 全 A一階量?jī)r(jià)類(lèi)因子小結(jié)我們回顧了外文文獻(xiàn)中普遍認(rèn)為有效的量?jī)r(jià)類(lèi)投資者關(guān)注度因子，并在 A 股歷史中做了測(cè)試。只有異常交易量因子至今仍然是一個(gè)相對(duì)有效的因子，歷史的 IC 均值絕對(duì)值為 5.7%，多空組合的年化收

13、益也在 16.5%，在不考慮與其他風(fēng)格因子的相關(guān)性的情況下，應(yīng)該說(shuō)表現(xiàn)不錯(cuò)。而其他類(lèi)型的因子則沒(méi)有較好的表現(xiàn)，異常收益率因子主要的收益集中在 2015 年，此后較長(zhǎng)的時(shí)間里，該因子幾乎沒(méi)有對(duì)個(gè)股的區(qū)分能力；接近過(guò)去 52 周最高價(jià)因子和接近歷史最高價(jià)因子從 rankIC 的均值上來(lái)看依然具備較為明顯的區(qū)分能力，但從多空組合的走勢(shì)來(lái)看，這種區(qū)分能力主要體現(xiàn)在 2017 年之前，在 2017 年之后，這兩個(gè)因子的有效性出現(xiàn)了明顯的減弱，從相對(duì)有效的Alpha 因子變成了方向不定的風(fēng)格因子。為了更進(jìn)一步觀測(cè)這些因子對(duì)原有的多因子模型是否會(huì)帶來(lái)增量貢獻(xiàn)，我們計(jì)算這些因子的暴露度在截面上與各常見(jiàn)風(fēng)格因子

14、之間的相關(guān)性，然后統(tǒng)計(jì)相關(guān)系數(shù)的歷史均值，旨在反映投資者關(guān)注度因子對(duì)個(gè)股的區(qū)分信息是否已經(jīng)包含著其他常見(jiàn)因子之中。圖 10 一階投資者關(guān)注度因子與風(fēng)格因子之間的相關(guān)系數(shù)米筐、Wind 資訊、量化團(tuán)隊(duì)，截止 2022 年 5 月 31 日從因子暴露度的相關(guān)系數(shù)來(lái)看，異常交易量因子與殘差波動(dòng)、流動(dòng)性因子有較強(qiáng)的相關(guān)性，同時(shí)和動(dòng)量因子也有比較強(qiáng)的相關(guān)性。異常收益率與 10 個(gè)風(fēng)格因子的相關(guān)度較低。而接近最高價(jià)因子則與動(dòng)量、規(guī)模、Beta、賬面市值比因子有較高的相關(guān)性。若我們通過(guò)回歸，剝離異常交易量因子在殘余波動(dòng)率、流動(dòng)性因子、動(dòng)量因子的相關(guān)性之后，利用回歸殘差作為純粹的異常交易量因子的因子暴露，再去

15、進(jìn)行一次因子回測(cè)，結(jié)果如下：圖 11 異常交易量因子（風(fēng)格因子中性化后）分層收益與多空組合收益圖 12 異常交易量因子（風(fēng)格因子中性化后）rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 6：異常交易量因子（風(fēng)格因子中性化后）回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0030.519-0.069-0.21250.9%0.367-0.381總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比-8.30%-0.91

16、%51.58%17.3%37.7%0.0530.183數(shù)據(jù) 多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準(zhǔn)為同期的Wind 全 A在對(duì)相關(guān)風(fēng)格因子進(jìn)行中性化之后，異常交易量的因子收益有極為顯著的減弱，rank_IC 均值為-0.003，多空組合年化收益也僅為-0.91%，幾乎喪失了對(duì)個(gè)股的區(qū)分能力。接近歷史最高價(jià)因子在剝離掉相關(guān)度最高的動(dòng)量因子的影響之后，也是類(lèi)似的表現(xiàn)?？傮w來(lái)說(shuō)，對(duì)此前文獻(xiàn)中常見(jiàn)的投資者關(guān)注度因子的測(cè)量結(jié)果是令人沮喪的：直接測(cè)算的情況下，只有異常交易量因子有較好的解釋能力，異常收益率、接近 52 周/歷史最高價(jià)因子的區(qū)分力并不顯著；而在對(duì)風(fēng)

17、格因子進(jìn)行中性化之后，異常交易量因子也基本失效。對(duì)于這種情況，我們覺(jué)得有幾點(diǎn)原因：1、交易關(guān)注度因子對(duì)個(gè)股的區(qū)分能力已經(jīng)被常用的風(fēng)格因子所涵蓋。我們當(dāng)前使用的A 股基本風(fēng)格因子歷時(shí)十幾年，經(jīng)過(guò)多輪迭代，已然能解釋市場(chǎng)上絕大部分的個(gè)股波動(dòng)，一些看似有區(qū)分能力的因子其實(shí)已經(jīng)被包括在常用的風(fēng)格因子所解釋。2、市場(chǎng)在最近幾年已經(jīng)變得更加有效。一些因子，比如接近歷史最高價(jià)因子在 2017 年之前其實(shí)是一個(gè)有效的因子，但是 2017 年之后隨著市場(chǎng)參與者增多，尤其是高頻量化交易增多，市場(chǎng)的信息在股票價(jià)格中被越來(lái)越快速充分地表達(dá)，市場(chǎng)變得越來(lái)越有效，曾經(jīng)被抱團(tuán)擁擠交易的因子收益也有反轉(zhuǎn)。3、文獻(xiàn)中通常利用較

18、為早前的數(shù)據(jù)進(jìn)行測(cè)試，有效因子在被挖掘之后和公布之后，迅速被充分交易，失去了原來(lái)的效果。三、增量關(guān)注度因子鑒于傳統(tǒng)的投資者關(guān)注度因子在 A 股最近幾年的表現(xiàn)并不理想，我們對(duì)投資者的關(guān)注進(jìn)行了再探究。根據(jù)Hirshleiferet al. (2011)的理論模型，投資者被分成了 3 個(gè)類(lèi)型：1、疏忽投資者(inattentive investors)：這類(lèi)投資者沒(méi)有關(guān)注到交易個(gè)股的任何當(dāng)前信息。這類(lèi)投資者乍聽(tīng)起來(lái)似乎不存在，但是實(shí)際上是比較普遍的，比如聽(tīng)從他人建議買(mǎi)入“財(cái)富代碼”的個(gè)人投資者，再比如買(mǎi)入“一籃子”股票的投資者，對(duì)于籃子中重倉(cāng)股票也許有比較充分的了解，但是對(duì)于籃子中的長(zhǎng)尾股票，則可

19、能完全沒(méi)有認(rèn)知。對(duì)于這些長(zhǎng)尾股票來(lái)說(shuō)，買(mǎi)入者就是疏忽投資者。2、存量關(guān)注投資者（continuous attentive investors）：這類(lèi)投資基于股票過(guò)往的收益、基本面信息，對(duì)交易股票是有較為深入的了解的，這些股票可能長(zhǎng)期存在于存量關(guān)注投資者的自選股名單中，他們對(duì)這些股票或長(zhǎng)期持有，或波段交易。這類(lèi)投資者對(duì)交易個(gè)股有充分了解，在挖掘有關(guān)公司或資產(chǎn)的更多信息時(shí)面臨的噪音更少，更可能作出理性交易。3、增量關(guān)注投資者（new attentive investors）：這類(lèi)投資者此前沒(méi)有關(guān)注特定股票，但是基于突然的了解（比如新聞、自媒體等脈沖式的信息），對(duì)個(gè)股有了較為淺顯的認(rèn)知而進(jìn)行交易。相

20、比于持續(xù)關(guān)注的投資者，增量關(guān)注投資更容易作出非理性且篤定的交易，也容易成為股票價(jià)格短期無(wú)效的動(dòng)因。理論上，對(duì)于增量關(guān)注投資者交易行為的捕捉，更容易挖掘出有效的因子。那么，如何區(qū)分交易量來(lái)自于存量關(guān)注度投資者還是增量關(guān)注度投資者呢？假設(shè)某只個(gè)股只有疏忽投資和存量關(guān)注投資者參與交易，這種情況下，個(gè)股的交易量仍有可能產(chǎn)生變化。因?yàn)槭韬鐾顿Y者和存量投資者也會(huì)進(jìn)行波段交易，最終呈現(xiàn)出來(lái)的交易量也是一個(gè)隨機(jī)變量。此前我們分析的“異常交易量因子”并不能區(qū)分交易量的波動(dòng)是來(lái)自于存量投資者、疏忽投資者還是增量投資者。我們可以猜想，若某只股票只有疏忽投資和存量關(guān)注投資者參與交易，交易量時(shí)而增加，時(shí)而減少，但長(zhǎng)期來(lái)

21、看，交易量的變化率之和應(yīng)當(dāng)為 0 或者接近 0。而交易量變化率的猛然變化，更有可能是有增量投資者造成的。因而，我們將考察的維度從異常交易量（一階）因子提升到異常交易量變化率（二階）因子，更能區(qū)分來(lái)自增量投資者的交易量。我們姑且將異常交易量變化率（二階）因子稱為增量關(guān)注度因子。以下是增量關(guān)注度因子的構(gòu)建方式：增量關(guān)注度因子 =個(gè)股過(guò)去 3 個(gè)月交易量變化率均值個(gè)股過(guò)去 24 個(gè)月交易量變化率均值需要強(qiáng)調(diào)的是，這個(gè)因子的數(shù)值并不等價(jià)于增量關(guān)注投資者的交易量變化，只是說(shuō)，這種方式計(jì)算比一階計(jì)算方式更能提煉增量關(guān)注投資者的交易變化。我們對(duì)增量關(guān)注度因子進(jìn)行回測(cè)：圖 13 增量關(guān)注度因子分層收益與多空組

22、合收益圖 14 增量關(guān)注度因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日?qǐng)D 15 增量關(guān)注度因子多空組合與 Wind 全 A 對(duì)比數(shù)據(jù)Wind 資訊、，截止 2022 年 5 月 31 日表 7：增量關(guān)注度因子回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值數(shù)據(jù)-0.0430.377-1.364-3.93867.0%0.298-0.433總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比多空組合108.7%9.0%

23、22.3%188.7%-18.1%1.068-0.181Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準(zhǔn)為同期的Wind 全 A增量關(guān)注度因子在方向上與原來(lái)的關(guān)注度因子是一樣的：增量關(guān)注度越高的個(gè)股未來(lái)走勢(shì)會(huì)弱于增量關(guān)注度越低的個(gè)股。因子的 rankIC 均值為-0.043，rankIC 的 t 值為-3.938，在統(tǒng)計(jì)學(xué)上顯著，同時(shí)從多空組合的表現(xiàn)看，該因子的單調(diào)性較好，這一點(diǎn)顯著好于之前分析的一階因子。多空組合的年化收益率為 9.0%，而且多空組合的收益相對(duì)穩(wěn)定，波動(dòng)小。多頭組合的表現(xiàn)顯著好于同期的 Wind 全A 指數(shù)，在構(gòu)建組合的時(shí)候具有優(yōu)勢(shì)。表 8：增量關(guān)注

24、度因子與風(fēng)格因子之間的相關(guān)性賬面非線性殘余波beta市值盈利率成長(zhǎng)性杠桿率流動(dòng)性動(dòng)量比市值動(dòng)率規(guī)模增量關(guān)注度因子-0.0040.001-0.0020.0050.0020.028-0.0130.0080.070 0.001Wind 資訊、米筐、，截止 2022 年 5 月 31 日同時(shí)，我們計(jì)算了該因子與其他因子之間的相關(guān)性，與絕大部分因子基本沒(méi)有相關(guān)性，最高的僅為 0.07，說(shuō)明增量關(guān)注的因子的獨(dú)立性也較好。總體而言，相較于傳統(tǒng)的投資者關(guān)注度因子，增量關(guān)注度因子的表現(xiàn)更為優(yōu)秀。在滬深 300 和中證 500 的歷史股票池中，我們也做了相應(yīng)的因子測(cè)算。圖 16 增量關(guān)注度因子（滬深 300 股票

25、池）多空組合與 Wind全 A 對(duì)比數(shù)據(jù)圖 17 增量關(guān)注度因子（滬深 300 股票池）rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日?qǐng)D 18 增量關(guān)注度因子（中證 500 股票池）多空組合與 Wind全 A 對(duì)比數(shù)據(jù)圖 19 增量關(guān)注度因子（中證 500 股票池）因子 rank_IC與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 9：增量關(guān)注度因子在不同范圍股票池下回測(cè)數(shù)據(jù)展示股票池回測(cè)類(lèi)型對(duì)應(yīng)數(shù)據(jù)全 Ara

26、nkIC 數(shù)據(jù)rank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0430.377-1.364-3.93867.0%0.298-0.433多空組合總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比108.7%9.0%22.3%188.7%-18.1%1.068-0.181滬深300rankIC 數(shù)據(jù)rank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.03850.4680-0.9878-2.851466.0%0.2857-0.5695多空組合總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比7

27、6.10%6.88%33.70%149.6%5.2%0.8870.044中證500rankIC 數(shù)據(jù)rank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.03720.4074-1.0967-3.166065.0%0.2799-0.3426多空組合總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比80.90%7.22%25.45%232.0%60.2%1.3310.476Wind 資訊、，截止 2022 年 5 月 31 日理論上來(lái)說(shuō)，中大市值股票的機(jī)構(gòu)投資者參與度高，定價(jià)有效性強(qiáng)。量?jī)r(jià)類(lèi)因子賺的是短時(shí)市場(chǎng)定價(jià)失效的錢(qián)，因而在滬深 300 和中證

28、 500 的股票池中，增量關(guān)注度因子的回測(cè)數(shù)據(jù)有所減弱，不過(guò)依然是一個(gè)有效的選股因子。四、增量關(guān)注度因子再探索我們對(duì)傳統(tǒng)的投資者關(guān)注度因子進(jìn)行了改進(jìn)，提出了增量關(guān)注度因子，該因子在各方面的表現(xiàn)都要好于傳統(tǒng)的投資者關(guān)注度因子。接下來(lái)，我們繼續(xù)從理論邏輯出發(fā)，對(duì)增量關(guān)注度因子做更深一步的探究。主買(mǎi)成交量與主賣(mài)成交量分類(lèi)討論在股票交易中，盤(pán)口的掛單數(shù)據(jù)是等待合適報(bào)價(jià)出現(xiàn)，被動(dòng)成交的掛單。在盤(pán)內(nèi)沒(méi)有成交條件的，由盤(pán)外的主動(dòng)買(mǎi)或賣(mài)的量促成交易。盤(pán)外主動(dòng)買(mǎi)入，消滅盤(pán)內(nèi)賣(mài)盤(pán)，我們稱為外盤(pán)，也就是主買(mǎi)量；盤(pán)外主動(dòng)賣(mài)出，消滅盤(pán)內(nèi)買(mǎi)盤(pán)，我們稱為內(nèi)盤(pán)，也就是主賣(mài)量。主動(dòng)買(mǎi)入成交量和主動(dòng)賣(mài)出成交量中包含的買(mǎi)賣(mài)方信息是

29、存在差異的，我們對(duì)主買(mǎi)成交量和主賣(mài)成交量進(jìn)行分類(lèi)分析。主買(mǎi)成交量變化率因子我們還是以增量關(guān)注度因子的方式來(lái)計(jì)算，只是將成交量換成了主動(dòng)買(mǎi)入的成交量。主買(mǎi)成交量變化率因子 =個(gè)股過(guò)去 3 個(gè)月主買(mǎi)成交量變化率均值個(gè)股過(guò)去 24 個(gè)月主買(mǎi)成交量變化率均值圖 20 主買(mǎi)成交量變化率因子多空組合與 Wind 全 A 對(duì)比數(shù)據(jù)圖 21 主買(mǎi)成交量變化率因子 rank_IC 與累積 rank_IC米筐、Wind 資訊、，截止 2022 年 5 月 31日米筐、Wind 資訊、，截止 2022 年 5 月 31日表 10：主買(mǎi)成交量變化率因子回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值波動(dòng)（年化）IR(年

30、化）IC t 值IC 勝率最大值最小值-0.0430.386-1.347-3.88767.0%0.319-0.435總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比112.91%9.30%24.34%179.8%-26.1%1.042-0.268數(shù)據(jù) 多空組合米筐、Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準(zhǔn)為同期的 Wind 全 A主賣(mài)成交量變化率因子同樣，我們還是以增量關(guān)注度因子的方式來(lái)計(jì)算，只是將成交量換成了主動(dòng)賣(mài)出的成交量。主賣(mài)成交量變化率因子 =個(gè)股過(guò)去 3 個(gè)月主賣(mài)成交量變化率均值個(gè)股過(guò)去 24 個(gè)月主賣(mài)成交量變化率均值圖 22

31、主賣(mài)成交量變化率因子多空組合與 Wind 全 A 對(duì)比數(shù)據(jù)圖 23 主賣(mài)成交量變化率因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 11：主賣(mài)成交量變化率因子回測(cè)數(shù)據(jù)展示rank_ICrank_IC 均值波動(dòng)（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0400.380-1.260-3.63967.0%0.301-0.432總收益年化收益歷史最大回撤多頭超額收空頭超額收多頭信息比空頭信息比96.02%8.24%25.75%178.1%-11.3%1.032-0.108數(shù)據(jù)

32、多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準(zhǔn)為同期的Wind 全 A我們比較利用主動(dòng)買(mǎi)入成交量和主動(dòng)賣(mài)出成交量構(gòu)建的增量關(guān)注度因子進(jìn)行回測(cè)的數(shù)據(jù)，發(fā)現(xiàn)主動(dòng)買(mǎi)入成交量構(gòu)建的增量關(guān)注度因子的 rankIC 均值為-0.0433，好于主動(dòng)賣(mài)出成交量構(gòu)建的增量關(guān)注度因子的 rankIC（-0.040），也好于之前構(gòu)建的不區(qū)分主買(mǎi)主賣(mài)的增量關(guān)注度因子（-0.0428）。在多空組合的收益率上，主買(mǎi)成交量構(gòu)成的增量關(guān)注度因子表現(xiàn)也更為優(yōu)秀?？傮w而言，利用主買(mǎi)成交量來(lái)構(gòu)建增量關(guān)注度因子，效果會(huì)更好。此前我們?cè)诶碚摲治鲋刑岬剑悍抢硇再I(mǎi)入的可能性會(huì)大于非理性賣(mài)出的可能性，盡管

33、主買(mǎi)和買(mǎi)入還是有很大區(qū)別，但是一般認(rèn)為，主買(mǎi)成交量中，買(mǎi)入投資者的話語(yǔ)權(quán)更大，因而上述實(shí)測(cè)數(shù)據(jù)進(jìn)一步佐證了之前的理論分析。日內(nèi)交易時(shí)段切分討論圖 24 A 股市場(chǎng)近一年各分鐘成交額占比分布米筐、量化團(tuán)隊(duì)、統(tǒng)計(jì)期：20210606 至 20220606市場(chǎng)的成交量和個(gè)股的成交量在一天當(dāng)中的分布向來(lái)是比較規(guī)律的，成交量最集中的時(shí)段是上午剛開(kāi)盤(pán)和下午快收盤(pán)的時(shí)候。經(jīng)過(guò)了午盤(pán) 1 個(gè)半小時(shí)的休市，擠壓信息需要得到釋放，下午開(kāi)盤(pán) 13:00 的成交量也會(huì)相對(duì)較高?？傮w而言，一天的成交量呈現(xiàn)“W”型的分布。而在各個(gè)時(shí)間段的交易者類(lèi)型其實(shí)也是有明顯差異的。A 股的“T+1”交易制度下，當(dāng)日賣(mài)出的得到的錢(qián)可以

34、當(dāng)日買(mǎi)入股票，而當(dāng)日買(mǎi)入股票的股票在當(dāng)日卻無(wú)法賣(mài)出，所以很多擠壓的賣(mài)盤(pán)會(huì)在第二日開(kāi)盤(pán)賣(mài)出，導(dǎo)致 A 股大概率是低開(kāi)高走的局面。因而，經(jīng)驗(yàn)老到的機(jī)構(gòu)投資者和其他職業(yè)投資者一般傾向于在早盤(pán)進(jìn)行更多的買(mǎi)入交易。而個(gè)人投資者則更傾向于在尾盤(pán)進(jìn)行交易，因?yàn)椴簧俣叹€投資者不愿意承擔(dān)隔夜風(fēng)險(xiǎn)，所以會(huì)在收盤(pán)的時(shí)候進(jìn)行交易，也有一些看 K 線進(jìn)行投資的投資者，會(huì)在當(dāng)天 K 線即將形成的尾盤(pán)進(jìn)行交易決策。因而，理論上講，市場(chǎng)不同時(shí)間段產(chǎn)生的交易量的有效性是不一樣的。交易時(shí)段rankIC 均值rankIC 數(shù)據(jù)波動(dòng)（年化）IR(年化）IC t 值IC 勝率總收益多空組合數(shù)據(jù)年化收益歷史最大回撤9:30 至 10:0

35、0-0.03830.3509-1.3085-3.997469.64%99.08%7.51%21.76%10:00 至 11:00-0.03630.3666-1.1895-3.633966.07%71.61%5.85%21.73%11:00 至 11:30-0.03200.3586-1.0724-3.276464.29%64.73%5.39%22.93%13:00 至 14:00-0.03320.3630-1.0975-3.352963.39%55.76%4.77%22.51%14:00 至 15:00-0.04080.3606-1.3576-4.147566.07%120.27%8.66%24

36、.13%14:30 至 15:00-0.04240.3559-1.4282-4.363266.07%125.08%8.91%24.69%14:45 至 15:00-0.04160.3570-1.3973-4.268865.18%121.31%8.72%23.32%14:55 至 15:00-0.04110.3413-1.4442-4.412166.96%141.81%9.74%20.01%我們對(duì)交易量進(jìn)行時(shí)間上的切割，來(lái)判斷不同時(shí)間段成交量數(shù)據(jù)產(chǎn)生的因子之間的區(qū)別。表 12：不同時(shí)段成交量生成的增量關(guān)注度因子表現(xiàn)米筐、Wind 資訊、，2013 年 1 月 4 日至 2022 年 5 月 31

37、 日對(duì)一天中不同時(shí)間段分析，rankIC 數(shù)據(jù)和多空組合的收益率數(shù)據(jù)呈現(xiàn) U 型分布，兩端成交量大，而且兩端產(chǎn)生的因子表現(xiàn)也相對(duì)優(yōu)于其他時(shí)段。跟推測(cè)一致，尾盤(pán)數(shù)據(jù)的表現(xiàn)較為優(yōu)異，從 rankIC 均值來(lái)說(shuō)，絕對(duì)值最高的是 14:30到 15:00 這一時(shí)段為-0.0424，IR 表現(xiàn)最好的則是 14:55 至 15:00 的成交量產(chǎn)生的因子。而從多空組合的表現(xiàn)看，表現(xiàn)最優(yōu)的是 14:55 至 15:00 時(shí)段交易量產(chǎn)生的增量關(guān)注度因子，總收益 141.81%，年化收益9.74%，最大回撤減少到了 20.01%，這一數(shù)據(jù)也超過(guò)了基礎(chǔ)的增量關(guān)注度因子。而且多頭端也有了更加明顯的優(yōu)勢(shì)，而且對(duì)近期樸素

38、增量關(guān)注度因子效果減弱的現(xiàn)象也有改善。限于篇幅原因，我們僅對(duì) 14:55 至 15:00 和 14:30 至 15:00 兩個(gè)時(shí)段的因子回測(cè)細(xì)致數(shù)據(jù)進(jìn)行圖形展示：圖 25 增量關(guān)注度因子（14：55 至 15：00）多空組合與Wind 全 A 對(duì)比數(shù)據(jù)圖 26 增量關(guān)注度因子（14：55 至 15：00）rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日?qǐng)D 27 增量關(guān)注度因子（14：30 至 15：00）多空組合與Wind 全 A 對(duì)比數(shù)據(jù)圖 28 增量關(guān)注度因子（14：30 至 15：00）ra

39、nk_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日量?jī)r(jià)齊觀自古“量?jī)r(jià)不分家”，當(dāng)我們進(jìn)行量?jī)r(jià)類(lèi)因子探索的時(shí)候，我們通常需要將量和價(jià)對(duì)照起來(lái)看，這樣才有更好的效果。在我們此前“高頻尋蹤”系列之二：輕裝上陣，高頻數(shù)據(jù)因子的應(yīng)用報(bào)告中曾通過(guò)數(shù)據(jù)檢驗(yàn)到：短期較大的成交量配合激進(jìn)的價(jià)格變動(dòng)，往往包含更多的市場(chǎng)信息，提高價(jià)格變動(dòng)較大時(shí)間段的成交量數(shù)據(jù)的權(quán)重，有利于提高因子表現(xiàn)。我們還是以增量關(guān)注度因子的基本形式為基礎(chǔ)，對(duì)計(jì)算這一因子的交易量進(jìn)行調(diào)整，用交易量與同時(shí)段的個(gè)股收益率絕對(duì)值進(jìn)行加權(quán)，提高收益率變動(dòng)較大的成

40、交量的權(quán)重，嘗試否能提升因子的表現(xiàn)。其中，收益加權(quán)增量關(guān)注度因子 =個(gè)股過(guò)去 3 個(gè)月收益加權(quán)交易量變化率均值個(gè)股過(guò)去 24 個(gè)月收益加權(quán)交易量變化率均值個(gè)股收益加權(quán)日成交量 = 個(gè)股當(dāng)日成交量 (|當(dāng)日收益率| + 1)其中的的取值沒(méi)有具體數(shù)值可以參考，所以我們做了一些必要的數(shù)據(jù)挖掘，的取值取1,2,4,8，隨著取值的不斷加大，收益率變化在因子中起到的作用逐漸增加。觀測(cè)不同取值之下，收益加權(quán)增量關(guān)注度因子的表現(xiàn)。表 13：不同取值之下收益率加權(quán)增量關(guān)注度因子表現(xiàn)取值rankIC 均值rankIC波動(dòng)（年化）數(shù)據(jù)IR(年化）IC t 值IC 勝率總收益多空組合數(shù)據(jù)年化收益歷史最大回撤不加權(quán)-0

41、.04280.3768-1.3641-3.937767%108.66%9.04%22.30%1-0.04290.3764-1.3676-3.947967%115.9%9.5%22.5%2-0.04330.3771-1.3782-3.978767%120.9%9.8%22.3%4-0.04330.3748-1.3854-3.999367%123.2%9.9%22.5%6-0.04300.3731-1.3818-3.988969%126.0%10.1%22.6%8-0.04230.3715-1.3668-3.945569%131.9%10.4%22.6%資料來(lái)源：米筐、Wind 資訊、，2014

42、年 1 月 4 日至 2022 年 5 月 31 日進(jìn)行收益加權(quán)對(duì)因子表現(xiàn)的提升是比較明顯的，即使與日收益率的 1 次方加權(quán)，rankIC 和多空收益率相較最樸素的增量關(guān)注度因子都有明顯增益。隨著收益率作用在因子中的不斷提升（的取值的取值不斷增大），因子多空組合的收益率呈現(xiàn)遞增趨勢(shì)，當(dāng)?shù)娜≈等≈党^(guò) 6 之后，多空組合的年化收益率也突破了 10%。我們對(duì)的取值為 6 和 8 的收益細(xì)節(jié)進(jìn)行圖形展示：圖 29 收益加權(quán)增量關(guān)注度因子（取 6）多空組合與 Wind全 A 對(duì)比數(shù)據(jù)圖 30 收益加權(quán)增量關(guān)注度因子（取 6）rank_IC 與累積rank_ICWind 資訊、，截止 2022 年 5

43、月 31 日Wind 資訊、，截止 2022 年 5 月 31 日?qǐng)D 31 收益加權(quán)增量關(guān)注度因子（取 8）多空組合與 Wind全 A 對(duì)比數(shù)據(jù)圖 32 收益加權(quán)增量關(guān)注度因子（取 8）rank_IC 與累積rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日五、模擬組合構(gòu)建與回測(cè)我們已經(jīng)對(duì)增量關(guān)注度因子做了各方面的測(cè)試，最后我們模擬實(shí)際交易環(huán)境，構(gòu)建模擬組合，對(duì)該因子進(jìn)行測(cè)試。以增量關(guān)注度因子（14：30 至 15：00）為例，在中證全指的成分股中進(jìn)行模擬組合的構(gòu)建。具體方式如下：模擬賬戶初始資金為 1 億元，按照月底最后

44、一個(gè)交易日計(jì)算個(gè)股因子暴露度，從中證全指（000985）的成分股中，挑選出增量關(guān)注度因子（14：30 至 15：00）暴露度最低的 50 只個(gè)股，進(jìn)行等權(quán)組成模擬組合。次月第一個(gè)交易日進(jìn)行交易，設(shè)置單邊交易成本為 3，根據(jù)最新持倉(cāng)目標(biāo)對(duì)組合進(jìn)行再平衡。充分考慮當(dāng)天個(gè)股停牌、漲跌停等無(wú)法交易的情況，若無(wú)法在當(dāng)天交易，則將交易指令順延到下一個(gè)交易日?qǐng)?zhí)行，直到撮合為止。將中證全指作為基準(zhǔn)，觀察最近一年的模擬組合實(shí)際表現(xiàn)：圖 33 模擬組合近一年回測(cè)表現(xiàn)米筐、，回測(cè)期： 2021 年 5 月 6 日至 2022 年 5 月 31 日表 14：模擬組合近一年回測(cè)關(guān)鍵指標(biāo)組合收益最大回撤基準(zhǔn)收益信息比率超

45、額累積收益超額波動(dòng)率超額夏普比超額最大回撤2.37%30.44%-11.584%1.27613.95%0.64%1.4268.37%資料來(lái)源：米筐、，回測(cè)期：2021 年 5 月 6 日至 2022 年 5 月 31 日六、總結(jié)經(jīng)濟(jì)學(xué)自始至終要解決的是對(duì)有限資源優(yōu)化配置的問(wèn)題，我們面臨的所有資源都是有限的，包括我們的注意力。在做多機(jī)制和做空機(jī)制不完全對(duì)稱的市場(chǎng)，由于投資者的有限注意能力，非理性買(mǎi)入的可能性會(huì)大于非理性賣(mài)出的可能性，這就有可能導(dǎo)致高關(guān)注度的股票在短期內(nèi)出現(xiàn)非理性溢價(jià)，在未來(lái)會(huì)有向真實(shí)價(jià)值回歸的趨勢(shì)。這是投資者關(guān)注度因子有效的根本邏輯。我們測(cè)試了文獻(xiàn)中提到的傳統(tǒng)關(guān)注度因子，但是在 A 股測(cè)算，只有異常交易量因子有較好的解釋能力，異常收益率、接近 52 周/歷史最高價(jià)因子的區(qū)分力并不顯著；而在對(duì)相關(guān)風(fēng)格因子進(jìn)行