报告摘要

“温水煮青蛙”理论

有限的认知精力使得投资者无法及时处理市场上发生的所有信息。通常来讲，相较于突发的、剧烈的变化，投资者对于温和的、小幅的变化通常更加不敏感。受此启发，我们提出一种“温水煮青蛙”（frog-in-the-pan）理论。该理论认为如果两只股票过去一段时间的累计收益相似，那么小幅缓慢上涨的股票所受到的市场关注会明显低于大幅突然上涨的股票。

如何度量信息离散度

本文根据个股日度收益的符号来构建衡量股票信息离散化程度的指标。如果两个股票在考察区间段的收益相似，一类股票的收益是由小幅但大量的上涨天数来推动的，另一类股票的收益是由大幅但少量的上涨天

文献回顾

回顾价值策略

价值策略通俗地讲就是买入便宜股票，卖出昂贵股票，思想非常简单和直观。但是实际操作上这非常困难，因为我们没办法直接观察股票的真实价值。投资者可以从不同的视角采用不同的指标来估计股票内在价值。在股票市场中，最传统的方法就是通过会计报表的各个条目得到企业估值，我们可以从资产负债表得到市净率，从利润表得到资产收益率，从现金流量表得到现金流比率。Ma和Smith(2014)在《Sorting through the trash》中提到通过市净率、预测下期资产收益率和股价/现金流这三个指标合成一个综合的“价值”因子，可以显著提升策略表现（MA采取了三个因子Z得

更新

此为老版。新版见：

https://bigquant.com/wiki/doc/125-KkS3pYVIAH

\

什么是均线？

金融市场上每个人都有一套自己的分析方法，无论你是一个技术派、基本面派、消息派还是量化投资派，对于“均线”这个名词一定不会陌生。虽说这个概念诞生于市场技术分析领域，但由于它的通俗易用，均线一直受到投资者和市场分析人士的青睐。

均线的全称是移动平均线（MA）。移动平均线是个什么概念？即通过等权或指数加权的方式，计算一段时期内的平均价格，是将某一段时

注：【方正金工】成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一

引言

在股票市场中，成交量的变化承载着丰富的信息，它不仅是技术分析的核心要素，更是投资者们解读市场情况的关键窗口。"量在价先"这句谚语旨在强调成交量在股票价格波动预测中的重要性，而这个观点已经被广泛验证和接受。

首先，成交量的大小可以视为市场或个股的活跃度指标。如果某只股票的成交量持续攀升，而价格也随之上涨，这通常被视为市场对该股票的热情高涨，投资者们对其表现出极大的兴趣。相反，如果成交量下降而价格波动微小，这可能意味着市场对该股票失去了兴趣，投资者的情绪较为冷淡。这种活跃度与情绪变化的关系，是市场

大型期货公司，速度快，通道稳定，欢迎各位投资者，手续费加一分，量大可返还。

可交易国内商品期货、商品期权、股指期货、股指期权、原油期货、股票期权

软件平台+通道 :快期，文华，无限易，TB开拓者，MC达钱，易盛，飞创，ctp，ctp二席，ctp极速，ctp迷你，恒生VIP，飞马，盛立高频，广策高频，股票期权

可以对接自研量化平台

\

这个

报告摘要

经历过08年金融危机、新冠恐慌后，投资者开始关心怎么来减轻极端尾部风险对权益组合的冲击程度；在本文中，作者分析了投资者可以运用的不同工具的表现。实际上，在历次大的权益冲击中实证表明，期货时序动量（CTA）和权益中的质量因子能够提供一定的保护垫。

被动防御与传统避险资产难以低成本、有效对冲危机冲击

持续持有标准普尔500指数看跌期权的被动策略代价高昂，每年成本超过7%。鉴于2000年后的股债负相关不能在更长的样本中得到验证，被动持有美国10年期国债的策略是一种不可靠的危机对冲。此外，在成本和可靠性方面，买入黄金和做空信用风险介于买入看跌期权和债券之间。

摘要

动态宏观事件驱动的策略框架

为了解决传统宏观事件驱动类策略无法持续在样本外跟踪事件因子或者调整事件策略的弊端，本文构建动态事件驱动策略框架。将事件因子的评价环节包含在每期事件因子的选择当中，动态选择与资产走势更相关的事件因子，解决样本外因子的评价问题和动态因子优选的问题，使得投资者只需要关注于挑选更多有效的宏观数据进模型中，提升模型的信息输入就好。

并且我们用经济，通胀，货币和信用四维度的30余个宏观数据指标，基于数据样本内时间段的收益率胜率指标和开仓波动调整收益率指标数值，筛选出这些宏观数据每期最优的事件因子和最优的数据处理方式，并且从中挑选出了11个对资产择时效果

大师策略靠谱吗？ 众所周知，大师的思想在股市中一直受到众多投资者的追捧，而今天我们的主角罗伯瑞克就是华尔街著名的资本大佬。从事证券资管近50年。本篇研报主要介绍罗伯瑞克的超额现金流选股法则，其中指标来自于大佬接受采访时，给投资者的建议所提炼而成。

策略思路

![{w:100}{w:100}{w:100

摘要

前景理论

处于收益状态时，人们往往小心翼翼、厌恶风险、喜欢见好就收；

处于亏损状态时，人们往往会极不甘心，宁愿承受更大的风险来赌一把；

白捡的100元所带来的快乐，难以抵消丢失100元所带来的痛苦

处置效应

投资者急于卖出盈利的股票，而不愿意卖出亏损的股票；

损失股票的持有时间比收益股票的持有时间长；

效用在R点发生剧烈改变

处置效应与股票供需

A点：投资者倾向于持有不卖，因此市场供给减少，容易供少于求，股价易反弹；

B点：投资者急于卖出，因此市场供给增加，容易供大于求，股价易受打压；

R点：投资者效用急剧变化，因此若在R点以下则为压

摘要

自陆股通开通以来，北上资金较高的浮盈引起了市场中投资者较大的关注。在本篇报告中，我们对陆股通持股数据有效性进行了分析，据此构建相关策略并进行回测。

板块和行业配置

主板超配比例持续处于下降趋势，由最初的10.5%至最新的1%；对于创业板，持续处于低配状态，且比例变动很小；对于中小企业板，由最初的低配至最新超配1.1%。陆股通持股在食品饮料、家电、电子元器件和医药上持续处于超配状态，超配比例均值分别为13.36%，9.57%，4.47%和3.62%。

风格配置

陆股通持股在市值上有持续稳定的正向暴露，即偏向大盘；在贝塔上的暴露多数时间为负；在动量上

摘要

在《选股因子系列研究（五十七）——基于主动买入行为的选股因子》中，我们尝试基于逐笔级数据中的主买成交金额以及主卖成交金额构建选股因子。根据相关研究，投资者的主买行为具有较为明显的选股能力。本文在前期研究基础之上，尝试引入知情交易概率模型，对于投资者的主买主卖行为进行过滤，从知情主买与知情主卖的角度构建选股因子。

可使用知情交易概率模型对于主买与主卖进行过滤。考虑到投资者的主买主卖中依旧存在“噪音”，我们可考虑对其进行过滤。借用知情交易概率模型，可得到知情主买以及知情主卖，并构建知情主卖占比因子、知情主买占比因子以及知情净主买占比因子。

全天知情主卖占比以及开盘后知情主卖占比的

无处不在的动量效应

自从Jegadeesh和Titman（1993）验证了“买入过去收益较高的股票，卖出收益较低的股票“的交易策略能够带来显著的正收益，动量效应的提出至今已经有30多年。这种动量效应在各种资产类别和全球范围内都很强劲，这可能是对有效市场假说最直接的反驳。对投资者来说，动量是一种稳健、多变且有利可图的投资策略，这种策略已被共同基金、对冲基金和被动ETF广泛采用。对于金融研究来说，动量与Fama（1970）的弱形式有效市场假说存在显著矛盾。

如图1所示，大量研究发现，除了股票和不同地理区域，大量资产类别都有动量效应。Rouwenhorst(1998)将Jegade

摘要

互动易平台实时披露的数据是定期报告披露数据的有益补充

互动易平台上关于上市公司最新股东户数的问询相对频繁，隐含着投资者认为股东户数的相关信息与公司股价的未来表现有一定的联系。互动易平台关于股东户数问询的有效回复每期占比在20%~30%的区间波动，每期有效回复个股数量在600只上下。过去八年间，1/4的深交所上市公司通过互动易平台披露最新股东户数的次数少于12次；近80家上市公司披露股东户数超150次；383家上市公司始终未在该平台上披露过股东户数相关信息

低频股东户数变化因子具有选股能力

低频股东类因子更新频率低，时效性差，低频数据的高频化需要选择合理的方

摘要

逐笔委托订单数据包括了投资者于何时以什么价格买入或者卖出多少量股票的委托信息，而且标记了新增或者撤回的时间戳，理论上讲可以根据逐笔委托数据和交易所撮合规则重现整个交易过程，因此逐笔委托几乎包括了股票所有的交易层面信息

上交所和深交所的逐笔委托数据结构有所不同，具体体现在市价单、订单撤回等细节处理上，深交所逐笔委托数据最早可追溯至2012年下半年，上交所逐笔委托2021年5月才开始提供，本文的研究主要以深交所股票为主，基于上交所数据同样可以构建相同因子从而实现全A股覆盖

开盘集合竞价第一阶段的委托单可以随意撤回，该阶段可以通过委托撤回的方法在不需要成交的情况下测算对手盘挂单的价

研究结论

分析师研报数据是相对独立的信息源，本报告基于朝阳永续的盈利预测、评级和目标价等研报明细数据，研究分析师预期相关的属性，一致预期加总方法以及相应的alpha因子，供投资者参考。

由于分析师选择性发布报告等原因，分析师覆盖多的股票未来表现更好，但因子使用时需要做风险中性处理。分析师预期分歧比较大的公司更容易高估，未来收益较差，但该因子覆盖率较低，不适合全市场选股使用。

分析师盈余预测的准确性跟预测时间、公司的信息不确定以及分析师属性有关。大公司、价值股、业绩稳定、跟踪分析师多、分歧度小的公司预测偏差和误差更小；有经验的、跟踪行业少、往年预测精度高、雇主规模大的分析师的

Towards Earnings Call and Stock Price Movement

作者：Zhiqiang Ma, Grace Bang, et al.

出处：Quantitative Finance, 2020-08

摘要

上市公司管理层主持盈收电话会议，与分析师和投资者讨论公司的财务业绩。盈收电话会议中披露的信息是分析师和投资者做出投资决策的重要数据来源。因此，本文利用盈收电话会议记录来预测未来的股价动态。文章建议使用深度学习框架在脚本中对语言进行建模，在这种框架中，应用注意力机制将文本数据编码为向量，以使判别式网络分类器可以预测股价走势。本文的实证表明，所提

摘要

近年来，随着投资者对于因子选股体系研究的深入，越来越多的选股因子出现在大家的视线中。在对于选股因子进行总结以及探究的过程中，我们发现很多选股因子具有极强的空头效应。考虑到A股市场做空的限制，选股因子空头收益的获取成为了值得研究的问题

A股多数选股因子具有较强的空头效应。除了极少数强势选股因子外（如，市值、成交金额），多数选股因子空头收益更加明显。在IC超过0.07的选股因子中，多数选股因子空头收益占比极高。如1个月反转、3个月反转、日均成交金额、异质波动率等因子其空头收益占比皆高于70%

单因子的情况下，逆向剔除的方法能够较好的转化因子的空头收益。考虑到空头收益较强的因子其多

摘要

交易者与交易标的是交易市场中最基础的两类元素，如果对应到二级权益市场，这两类元素的名称可以是股票与投资者（股东）。而股东作为市场的重要基础构成元素，一个值得关心的问题是：A股的股东样本及其结构本身是否具备信息价值？本篇报告将对股东类型数据进行梳理，从个股层面上尝试理清其背后可能存在的选股逻辑，并构建有效选股因子，以供投资者参考。

股东类数据：更新频率低但维度较为丰富。

股东数据可分为多个类别，包括股票的股东户数、股票前十大股东、股票机构股东、股票重要股东增减持等。其中除了增减持数据过于稀疏更适合作为事件研究外，股东数量、十大股东、机构股东数据基本都是季度频率，

报告目的

报告将事件类因子作为风格因子的一种，按照多因子框架对其进行分析。让投资者更加了解事件类因子的效果和特征。

报告内容

1. 从事件发生次数占比相对其行业占比来看，权重行业的业绩增长、分红和增持占比明显较高，预增更偏向于小行业；
2. 因子相关性：定增、分红事件明显和市值因子相关性较高，但定增和分红之间是负相关。预增和固定报告期增长相关性较高，也就是有部分增长能延续。
3. 单因子测试框架：分层回测、回归法：首先，我们对各事件因子依次进行详细的分层模型回测，分析各分层组合的业绩。对因子的区分度、单调性、稳定性等进行判断之后，我们使用回归法进行因子测试，对回归产生的因子收

摘要

多因子模型通常由收益预测和风险控制两部分组成，风险模型中的限制条件可选种类多，常见的有跟踪误差、风险因子敞口、个股权重、行业、风格等，投资者通常根据自身的收益风险需求选择特定的限制条件。本文主要考察因子敞口上限的设定对优化组合的影响。

在风险控制模型中，因子敞口上限的设臵会同时影响优化组合的收益和风险。上限越大，组合超额收益越高；同时回撤和跟踪误差也越大。组合收益风险比的大小，则取决于收益和风险指标的相对增幅。敞口上限对不同标的指数优化组合超额收益的影响存在差异，敞口上限增加，沪深300优化组合超额收益增幅相对较小，而中证500优化组合超额收益增幅则相对较大。

沪深300指数

摘要

多因子模型通常由收益预测和风险控制两部分组成，风险模型中的限制条件可选种类多，常见的有跟踪误差、风险因子敞口、个股权重、行业、风格等，投资者通常根据自身的收益风险需求选择特定的限制条件。

本文主要考察因子敞口上限的设定对优化组合的影响。

在风险控制模型中，因子敞口上限的设置会同时影响优化组合的收益和风险

上限越大，组合超额收益越高；同时回撤和跟踪误差也越大。组合收益风险比的大小，则取决于收益和风险指标的相对增幅。敞口上限对不同标的指数优化组合超额收益的影响存在差异，敞口上限增加，沪深300优化组合超额收益增幅相对较小，而中证500优化组合超额收益增幅则相对较大

摘要

随着投资者对于选股因子挖掘的深入，构建选股模型时可供选择的因子越来越多，随之而来的问题也逐渐增多。其中有两个问题值得关注：

1）因子在数量较多的情况下，无法高效地进行正交化处理；

2）对于某一类高相关因子，正交的手段无法较好地提炼它们的信息。

对于上述问题，投资者可通过因子降维进行处理。也即，对于高相关因子分配因子降维权重，并加权求和计算降维后的因子值。由于因子降维方法多种多样，故而本报告为投资者提供了几种基本降维方法的效果回测对比。

因子降维的思路多种多样。

本报告从“选取类别内选股效果最强的因子”、“基于类别内因子选股效果加权”以及“最大化类别内因子选股效果

同花顺选股平台最牛收益策略分析

​ 近年来，量化交易被越来越多的投资者认可，国内也出现了很多支持量化策略和量化交易的平台。其中同花顺旗下的量化策略平台BackTest（http://backt est.10jqka.com.cn/)因为支持自然语言创建策略而受到很多投资者的欢迎。在BackTest平台上有大量用户自编的量化交易策略，其中很多策略收益都非常可观，年化收益率甚至长期超过100%。

​ 这些策略是否可信呢？经过我们的分析，其中有一类包含“中证1000指数成份股"条件的高收益策略使用了错误的数据，相当于包含了未来

报告摘要

主要观点

本篇是“学海拾珠”系列第七十三篇，本期推荐的海外文献研究投资者高点锚定效应和跨公司收益可预测性。作者的研究为市场对企业的经济关联公司的新闻反应不足这一现象提供了一种新颖的心理学解释。作者假设，当企业股价接近（远离）过去52周高点时，52周高点效应会导致投资者对其经济关联公司的好（坏）消息反应不足。回到A股市场，52周高点是一个经典的动量类因子，然而在A股市场中有效性较差，那么如何围绕一家企业的关联公司构建关联动量则是对当前A股市场“动量效应不足”的一个新颖的补充视角。

• **52周高点是一种投资者的心理障碍，导致投资者对企业经济