004_高频选股因子之股票收益分布形态.pdf

证券研究报告 《选股因子系列研究(十九) ——高频因子之收益分布特征》 ——海通证券2017年金融工程与产品研究 袁林青 从“低频”到“高频” 随着研究的深入，已经很难发现能够在传统的技术类因子的基础之上提供额外选股能力的新 因子了。考虑到传统因子多使用日级别数据进行计算，使用高频数据能够为投资者提供更多 地信息。本文使用股票日内分钟级数据构建因子对于股票日内收益分布形态特征从方差、偏 度以及峰度三个角度进行了总结。 （海外文献：Does realized skewness predict the cross-section of equity returns? ） 内容概要 因子构建说明 单因子回测 多因子模型效果 结论 高频因子逻辑 ➢ 股票高频收益方差：股票高频收益方差更加真实地体现出了股票的波动性。相比于日收 益方差，高频方差能够反应出股票收益在短时间内的波动特征。 ➢ 股票高频收益偏度：偏度衡量了股票收益在尾部附近的分布特征。例如，左偏（偏度为 负）体现了股票日内大幅下跌的比率远高于日内大幅上涨的比率。 ➢ 股票高频收益峰度：峰度衡量了股票收益在尾部附近的波动特征。例如，较高的高频收 益峰度体现了股票日内大幅下跌或者大幅上涨的幅度较大。 因子计算方法 ➢ Step 001：对于每一交易日，计算股票日内N分钟间隔的对数收益序列；（N=1,5 ） ➢ Step 002: 对于每一股票，计算指标值： 1 ）已实现方差: = σ = σ 2 ）已实现偏度： = = / σ 3 ）已实现峰度： = = ➢ Step 003: 在任意选股时刻，使用股票过去M 日指标均值作为因子值。（M=20 ） 因子计算方法讨论 ➢ 前文提供的因子计算方式并不唯一。海外也有众多文献讨论股票高频收益高阶矩的计算 方式。本文会重点对比原始方式下以及两种改进计算方式下因子的选股能力。 改进1： 改进2：叠加取平均 1 ）已实现方差: = σ − 1 ）已实现方差: = σ =