一、策略概述

1.1 背景介绍

行业轮动策略是一种量化交易策略，旨在通过在不同行业之间进行资金分配，捕捉市场趋势和行业表现的周期性变化。 从名字即可看出，经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业，因此我们如果能布局这些行业并定期轮动调整，那会取得还不错的投资效果。与单纯持有某个行业或个股相比，行业轮动策略通过分散投资风险，提高了组合的抗风险能力，并且能够在不同的市场环境中寻找最佳的投资机会。

1.2 研究目的

本策略是曾经在社区里的一个策略复现而来，策略链接为：<https://bigquant.com/wiki/doc/v10-uKB4qr0I

/wiki/static/upload/98/98b68b06-687a-48cb-98af-760360071119.pdf

\

摘要

前言

本篇报告为东吴金工“技术分析拥抱选股因子”系列研究第二篇，延续了“将技术分析的方法应用于构建选股因子”的研究理念，从经典的蜡烛图上下影线入手，逐步探索了上下影线中蕴藏的选股信号。

蜡烛上下影线选股因子

根据蜡烛图上、下影线的定义，构造选股因子。回测结果显示，基于蜡烛图上影线构建的因子具有不错的选股能力，而蜡烛图下影线因子的选股能力较差。其中，蜡烛图上影线的标准差因子“蜡烛上_std”效果最好，在全样本内年化ICIR为-1.78，5分组多空对冲的信息比率为1.64，月度胜率为68.38%。

威廉指标对蜡烛图的修正

除了蜡烛图上下影线，威廉指标

摘要

在本报告中，我们将继续探讨逐笔成交数据的Alpha潜力，报告内容包含两部分：第1部分，从分钟单笔成交金额的分布特征、时序特征、反转效应三个维度出发，提炼有效的价量因子；第2部分，测试因子在主要宽基指数和行业赛道上的选股效果。

从分钟单笔成交金额中提炼选股因子

分钟单笔成交金额的分布包含更加细化的选股信息，从单笔成交金额的分组统计结果来看，其信息分布并不是均匀的，我们基于这一现象捕捉Alpha，构造了一系列统计指标因子，如分位数、标准差、偏度和峰度。以分位数因子为例：

（1）因子表现：Rank IC为-0.072，Rank ICIR达到3.57，具备稳定有效的选股能力

摘要

在系列专题报告《选股因子系列研究（五十六）——买卖单数据中的Alpha》、《选股因子系列研究（五十七）——基于主动买入行为的选股因子》、《选股因子系列研究（五十八）——知情交易与主买主卖》中，我们从不同的角度对于逐笔成交数据中的信息进行了挖掘，并得到了一些具有显著选股能力的因子。本文旨在对于筛选得到的有效因子进行梳理。

逐笔因子在正交后具有显著的全市场月度选股能力。因子月均IC在0.03~0.04之间。正交后的各逐笔因子皆呈现出了较强的稳定性。除了买单集中度之外，其余因子年化ICIR皆超过2.0。

指数范围会对因子选股能力产生影响。在中证800指数内，大买成交金额占比、盘中

摘要

报告取名“凤鸣朝(zhāo)阳”，是因为我们在股价日内模式的研究中发现：交易日上午的价格行为，较之于下午的价格行为，蕴藏了更多可用于选股的信息量。知情交易者更加倾向于在每日上午进行交易，因此上午的股价涨跌更加能够反映知情交易者的多空态度。

我们通过测算股价行为上午与下午的差异，构建了用于选股的APM因子。因子值越大，表示知情交易者越倾向于做多；因子值越小，则表示知情交易者越倾向于做空。根据APM因子对所有A股进行排序并等分五组，多空对冲的年化收益为17.0%，信息比率2.89，最大回撤6.39%，月度胜率80.5%，收益回撤比为2.66，显示出较强的选股能力。

将APM因子

摘要

主要观点：“低开高走”拖累了反转因子的多头收益A股目前实行T+1交易制度，这可能导致股市呈现出“低开高走”的日内特征，扭曲了反转因子的分组收益，拉低了反转多头的组合收益。

本篇报告创新性地将隔夜与日内的信息分离、重组，最终合并昼夜两个时间段的信息，在各个选股域内均能显著提升原始反转因子的效果。“黄金分割反转因子”和“隔夜跳空因子”反转因子“晚上睡觉，早上打盹”，我们寻找到日内反转的黄金分割点，10点至收盘的反转效应明显强化。

胜率由72%提升至85%，多空组的年化IR由2.27提升至4.10，多空组最大回撤从12.94%降低至6.7%,多头组年化收益由7.19%提升至10.6

摘要

前言

东吴金工开辟“技术分析拥抱选股因子”系列研究，旨在将技术分析的思想应用于选股因子的构建。作为系列研究第一篇，本报告从最简单的价量关系入手，考察高频价量相关性中蕴藏的选股信息。

本文简介

技术分析的众多指标中，成交量是最简单又最明确的。例如，天量出天价，意即在上升趋势中，成交量创出新高被认为是上升趋势的终结。然而，对成交量的观察，多数停留在日频。本研究试图从高频数据，即包含成交价和成交量的分时走势图中，寻找新的选股因子。

价量相关性的平均数因子

平均数因子利用成交量的信息，修正了传统反转因子对股票价格涨跌的判断，即价格涨跌的反转不完全由价格自

摘要

市场是一座黑暗森林，每个交易者都小心翼翼。备受大家关注的“聪明钱”（Smart Money），更是难觅踪影。在本篇报告中，我们尝试解答如下问题：能否从分钟行情数据中，发现“聪明钱”行动的蛛丝马迹？

我们首先利用聪明度指标S，从分钟数据中筛选出属于“聪明钱”的交易。在此基础上，我们构造了聪明钱情绪因子Q，该因子实际上反映了聪明钱参与交易的相对价位。因子Q的值越大，表明聪明钱的交易越倾向于出现在价格较高处，这是逢高出货的表现，反映其悲观态度；因子Q的值越小，则表明聪明钱的交易多出现在价格较低处，这是逢低吸筹的表现，反映其乐观情绪。

根据情绪因子Q对所有A股进行排序并等分五组，多空

摘要

系列介绍

本报告系“市场行为的宝藏”系列研究的第2篇。触发我们开启本系列研究的核心理念是：金融市场中有价值的信息，必定要通过交易才能兑现，而但凡做过交易的，又必定留下痕迹。因此，用行为学眼光考察价量数据，会是潜能巨大的alpha之源。

本文的灵感

我们发现成交量泄露了知情交易者（informed trader）的行动，换手率与第二天股价的波动呈现出正相关。这种现象暗示，股票大跌前知情交易者大量抛售股票急于离场，而大涨前知情交易者大量购买股票急于进场。换手率和股价的波动关系越强，则暗示信息泄露程度越高，我们在该类股票上的博弈可能陷入劣势。

**因子的选股能力

摘要

前言：本篇报告为东吴金工“波动率选股因子”系列研究的第二篇，受到学术界“股价波动与股票信息流”关系理论的启发，从“信息冲击”的角度出发，逐步构建了衡量“股票信息分布均匀度”的选股因子

波动率与信息冲击

学术研究表明，股票价格的波动，与流入股票的信息流直接相关。借鉴前人研究经验，我们提出如下猜想：若股票信息匀速流入市场，则股价的波动相对较小；但若信息流入市场的速度发生剧烈变化，则会造成股价的波动迅速增大。因此，我们认为股价波动率大小的变化幅度，可以用来衡量信息冲击的剧烈程度

信息分布均匀度UID因子

利用个股分钟数据，在计算每日高频波动率的基础上，构建信息分

摘要

高频因子

高频选股因子与低频因子具有较大的差异。以月、季为持仓周期的低频选股因子主要来自于财务指标，其从盈利、成长、估值等维度综合评估上市公司；而以日为持仓周期的高频因子主要从股票量价信息中衍生而得。高频因子挖掘与低频因子相比更显复杂和神秘。相比于低频基本面因子的挖掘由主动管理的投资逻辑所驱动，高频因子的挖掘更倾向于由数据所驱动。而股票交易产生的量价数据频率远高于财务信息，通过遍历量价衍生指标以筛选因子并非易事。

遗传编程

遗传编程通过模拟“物竞天择，适者生存”的进化思想，基于个体对于环境适应度，通过“自然选择”和“基因变异”方式从父代中迭代生成新的子代种群

摘要

“量价结合”的选股因子的构建。本文将股票在短期内的量价走势分类为量价背离与量价同向，并通过量价相关性来衡量量价走势的背离/同向程度。通过回测，我们发现量价相关性在半个月的换仓周期下具有十分好的选股效果并具有显著的Alpha。在控制了常见风险因子后，该因子依旧对于股票收益具有较好的区分效果

因子多空收益明显。半个月的维度上看，该因子多空收益达1.07%。多空收益中，多头收益约占30%而空头收益约占70%，所以可以说因子具有较强的空头效应。进一步观察多头端组合（第1组、第2组）可以发现组合收益表现区分度较低，而空头端组合（第9组、第10组）从收益上看依旧具有较强的区分效果。从Ran

摘要

Level2类选股因子存在进一步挖掘空间。随着业界对于选股因子研究的深入，许多类别的选股因子都得到了较好的挖掘。但在众多研究中对于基于Level 2行情数据的选股因子的相关研究却少之又少，很多前期研究都将注意力集中到了Level 2类指标的短期选股效果上而并未对于该类指标在中长期上的选股效果进行研究。本报告旨在对于Level2行情构建的选股因子的选股效果进行初步的回测，为各位投资者进一步细化构建相关选股因子提供方向与灵感

围绕逐笔数据可构建相关选股指标。逐笔成交数据从单笔成交金额以及单笔成交方向两个维度上为投资者提供了更多关于成交的信息。基于逐笔成交信息，我们可以掌握股票日

摘要

近年来，随着投资者对于技术因子挖掘的深入，能够给模型提供额外选股能力的技术因子也越来越少。在系列专题报告《选股因子系列研究（四十七）——捕捉投资者的交易意愿》中，我们对于盘口委托挂单数据中所包含的信息进行了初步探索。本文在前期研究的基础之上，尝试将委托数据与成交数据结合起来，构建选股因子。

可基于股票日内净委买变化率序列以及高频收益序列计算委托成交相关性因子。本文尝试使用股票净委买变化率刻画投资者买入意愿的变化，使用股票高频收益刻画股票价格的变化。通过计算净委买变化率序列与股票高频收益序列之间的相关性，可刻画投资者买入意愿与股价走势间的关系。

委托成交相关性因子具有较强的月度

摘要

在系列前期报告中（《选股因子系列研究（十九）——高频因子之股票收益分布特征》），我们基于股票高频收益分布特征对于相关因子的选股效果进行了回测。研究发现，股票高频偏度具有较好的选股效果，但是高频方差以及高频峰度并无显著的选股能力。

考虑到股票日收益的波动率同样选股效果不佳，但将其拆分为系统波动以及特质波动后，两个因子皆具有较好的选股效果。本报告尝试对于股票高频波动率进行拆分，并期望从高频波动中提取出有效的选股因子。

“系统波动+特质波动”的拆分方式在高频维度上无法得到具有优秀选股效果的因子

在1分钟的数据频率下，高频特质波动率因子表现较差，并无明显的选股能力。

摘要

从分钟单笔成交金额中提炼选股因子

分钟单笔成交金额的分布包含更加细化的选股信息，从单笔成交金额的分组统计结果来看，其信息分布并不是均匀的，我们基于这一现象捕捉Alpha，构造了一系列统计指标因子，如分位数、标准差、偏度和峰度。以分位数因子为例：

1. 因子表现：RankIC为-0.072，RankICIR达到3.57，具备稳定有效的选股能力。多头组合的年化收益仍能达到24.69%，信息比率达到3.59；
2. 选股逻辑方面，我们引入“相对大单”的概念来辅助理解。对于分钟单笔成交金额而言，其分布越集中，整体右偏程度越高，股价未来表现越好。我们发现，心因子核心Alpha缘自

摘要

量价背离现象与股票收益预测

利用股票的价格与成交量的信息构建的价量因子已经被证明可以预测股票的未来收益。根据逻辑分析和数据实证，我们发现，当量价出现背离时，无论当前股价处在上升还是下降通道，未来上涨的可能性均较高: 同理，当量价趋同时,股价未来下跌的可能性较大。本篇报告是 Aloha 据金系列报告的第二篇，我们将重点关注基于快照数据的股票价格与成交量的相关关系，构建高频量价背离因子，而后通过降频后，构建了满足机构投资者要求的中证 1000 指数增强策略。

量价背离因子在日频和周频预测上有效性显著

我们利用高频快照数据构建因子对日内价格与成交量的相关关系进行衡

摘要

股价主要受业绩和估值两方面因素驱动。新闻中体现的市场情绪一方面影响中短期的估值水平，一方面也反应了市场对公司未来业绩的预判，因而把握舆情对预测股价收益有重要影响。

新闻舆情的刻画方法

新闻舆情对股价的影响可以从两个方面刻画：舆情的热度（新闻数量）和舆情的评价度（新闻情感值）。对个股每月新闻情感值求和作为新闻情绪因子，既体现了新闻对个股的正负向评价度，又体现了新闻热度。

新闻情绪因子的改进方式

对月度新闻情感求平均数计算新闻情感因子→增加新闻热度的刻画，用月度新闻情感之和作为新闻情绪因子→补充对新闻类型的筛选条件：新闻标签为“包含基本面信息”→补充新闻相关度

摘要

常见选股因子在医药行业内存在显著选股效果。其中，风格类因子平均收益水平高，但稳定性差，在近两年出现了持续性的大幅回撤。技术类因子与股票收益呈现显著负相关性，前期涨跌幅越大，换手率越高，波动率越大，流动性越强，次月股票收益表现越差。在这几个因子中，综合表现最好的是波动率，综合表现相对较差的是换手率。盈利能力在医药行业内也存在显著的选股效果，高盈利公司具有更高的收益。

医药行业其他有效的选股因子。除常见的ROE及其同比增长因子外，其余基本面因子在医药行业内也存在显著的选股效果。企业盈利能力越高，资产增长越快，利润增长越快，盈利质量越好，偿债能力越强，股票收益表现越优。从一致预期数据

摘要

股票的收益来自于两部分：股息收入和资本利得。其中股息收入可以通过股息率来刻画。股息率不仅是重要的选股因子，也是SmartBeta指数中重要的一类因子即红利因子。本文在传统股息因子的基础上，引入预期因素构建预期股息率因子。预期股息率因子可以更加动态地捕捉上市公司未来分红的变化。实证发现，预期股息率因子不仅能完全解释历史股息率因子，还有增量信息，能大幅提升对未来收益的预测能力。

常见的股息率因子

在计算股息率时，股息通常选取最近年度或者过去12个月内的现金分红，经检验，这两种方法构建的股息率因子均具有较为显著的选股效果。然而，历史股息率因子存在缺陷。例如，使用过去12个月除

摘要

近年来，A股市场机构化进程日益加快。公募基金作为A股市场最重要的机构投资者之一，规模增长较快，业绩较为优异。而公募基金的持仓数据中包含有诸多有用的信息，本文重点利用基金的持仓数据，构建一系列选股因子，为投资者利用基金持仓数据进行投资提供参考

由于基金持仓数据公布频率较低，且季报只公布前十大重仓股信息，因此我们利用上一期的年报或者半年报数据，在最近一期季报重仓股信息的基础上进行了填充，形成了完整的持仓数据

我们利用补全后的基金持仓数据，分别构建了三类选股因子：基本因子、主动权重因子、主动需求因子。其中，基本因子是从基金持有股票的数量、市值等出发所构建出的一系列简单、直观的因子，

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

近年来，随着投资者对于因子选股体系研究的深入，选股因子值的处理也在逐渐细化。本文主要对于选股因子的正交进行了讨论。之所以讨论因子的正交是因为在传统的多因子模型中，选取的因子之间往往存在着相关性，而这种相关性并不稳定。因此相关性的存在会复杂因子权重的分配。对于等权分配因子权重的多因子模型，由于因子之间相关性的存在，模型可能实际上对于某一因子有更高的暴露（例如，市值因子）。对于权重优化的模型，相关性的影响可能会更大。因此，本文考虑在构建因子的时候就对于相关性进行剔除从而达到更为可控的因子暴露。

选股因子截面相关性波动较大。以市值因子与反转因子为例，虽然两因子截面相关性长期来看均值较

摘要

自2017年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此，因子收益的预测就变得至关重要。系列前期专题报告《选股因子系列研究(二十)——基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。 专题报告《选股因子系列研究(三十)——因子择时模型改进与择时指标库构建》对于因子择时模型进行了改进并对于择时变量库的构建进行了讨论。本文将重点讨论择时变量的筛选以及择时模型的相关扩展应用。

可使用套索回归进行择时变量筛选以及因子收益预测。在2016年12月30日至年12月29日间，因子择时模型收益为12.3%，基准组合收益为-20.9%。在2008年12月3