反应不足or反应过度？从信息分布到动量 反转.docxVIP

TOC\o1-2\h\z\u东吴证券研究所前言 4

TOC\o1-2\h\z\u东吴证券研究所

动量与反转的本质——股价对信息的反应程度 5

信息分布对涨跌幅因子的影响 5

信息分布与动量/反转的关系 5

不同信息分布均匀程度下的涨跌幅因子 6

信息分布涨跌幅因子 7

其他重要讨论 10

纯净信息分布涨跌幅因子的表现 10

新因子的参数敏感性 11

信息分布涨跌幅因子的多空收益分解 13

其他样本空间的情况 13

沪深300、中证500、中证1000投资组合的构建 14

新因子的其他构建方式 15

信息分布理论在其他因子上的应用 17

6.总结 18

风险提示 18

2/19

东吴证券研究所图1：传统涨跌幅因子Ret20的10分组及多空对冲净值 4

东吴证券研究所

图2：本文逻辑：从信息分布到涨跌幅因子的动量/反转 6

图3：局部因子的年化ICIR：不同信息分布均匀程度 7

图4：信息分布涨跌幅因子URet因子的10分组及多空对冲净值 8

图5：新旧因子的10分组多空对冲净值 9

图6：信息分布涨跌幅因子URet因子正交传统因子的10分组及多空对冲净值走势 10

图7：纯净URet因子的10分组及多空对冲净值走势 11

图8：局部因子的年化ICIR（回看40日） 12

图9：局部因子的年化ICIR（回看60日） 12

图10：新旧因子的10分组多空对冲净值（回看40日） 12

图11：新旧因子的10分组多空对冲净值（回看60日） 12

图12：基于沪深300成分股，不同投资组合的净值走势 14

图13：基于中证500成分股，不同投资组合的净值走势 14

图14：基于中证1000成分股，不同投资组合的净值走势 14

图15：信息分布涨跌幅URet’因子的10分组及多空对冲净值走势 16

图16：局部换手率因子的ICIR 17

图17：局部振幅因子的ICIR 17

表1：东吴金工“求索动量因子”系列研究 4

表2：信息分布涨跌幅URet因子的分年度表现 8

表3：新旧涨跌幅因子的10分组多空对冲绩效指标 9

表4：新涨跌幅因子与常用Barra风格因子相关系数 10

表5：纯净新因子的分年度表现 11

表6：新旧涨跌幅因子10分组多空对冲绩效指标（回看40、60日） 12

表7：信息分布涨跌幅因子URet的多空收益分解 13

表8：沪深300、中证500、中证1000成分股新旧因子10分组多空对冲绩效指标 13

表9：基于沪深300成分股，不同投资组合的绩效指标 15

表10：基于中证500成分股，不同投资组合的绩效指标 15

表11：基于中证1000成分股，不同投资组合的绩效指标 15

表12：新旧涨跌幅因子的IC信息及10分组多空对冲绩效指标 16

表13：信息分布理论对传统换手率、振幅因子的改进效果 17

3/19

前言

上一篇报告发布在2021年8月19日，这篇报告更新数据至2023年4月30日，研究框架不变。

动量与反转，一直是量化投资领域广泛关注的话题。A股市场中股票价格的相对涨跌，表现为显著的中长期反转现象，但令人惋惜的是，传统涨跌幅因子的反转效应并非一直稳定。以20日收益率为例，回测期2014/01/01-2023/04/30内，传统涨跌幅因子Ret20在全体A股中10分组多空对冲的信息比率仅为0.88，月度胜率为61.61%，在多个时间段发生较大回撤，稳定性较差。

1 59

1

5

9

2

6

10

3

7

1-10

4

8

6

5

4

3

2

1

0

2014 2015 2016 2017 2018 2019 2020 2021 2022 2023

数据来源：资讯，

东吴金工推出“求索动量因子”系列研究，在涨跌幅因子方面做了诸多探索，尝试提高其稳定性，主要结合成交量的信息，对传统因子进行了有效改进。

表1：东吴金工“求索动量因子”系列研究

报告标题 主要内容 发布日期

系列1：成交量对动量因子的修正 成交量能够有效识别涨跌幅因子的方向及强弱，

成交量越大，对应的涨跌幅因子反转效应越强

不同交易者贡献的成交量，对涨跌幅因子的影响

2019/9/6

系列2：交易者结构对动量因子的改进

存在显著差异，大单交易占比越高、小单交易