|
基于多期限的选股策略研究——多因子 Alpha 系列报告之（三十四）报告摘要： 动量、反转效应与多期限因子
动量效应与反转效应是金融市场上长期存在的特殊现象。本篇专题报告构建了一个基于多期限下的因子，通过分析不同期限的均线数据来同时捕捉短中长期限下的动量、反转效应特征。在多期限的指标下，通过综合考虑价格来刻画个股的收益特征。 基于多期限因子的构建
在周频调仓情况下，构建基于不同期限下的因子，实证结果表明在全市场、中证 500 指数和中证 800 指数成分股中，因子对股票收益率都有良好的区分效果。在实证区间内，基于多期限均线构建的因子在全市场选股中证 500 指数对冲情况下，年化收益率为 25.40%，最大回撤为 9.11%，信息比率为 2.44。 改进后的 LLT 趋势因子
针对均线对价格延迟性较差的缺点，本篇专题报告结合之前的研究成果 LLT 低延迟趋势线，构造了基于 LLT 指标的因子，以 LLT 线代替 MA线。实证结果表明，在全市场选股中证 500 指数对冲下，在实证区间内年化收益率 29.58%，最大回撤为 11.57%，信息比率为 2.51。改进的 LLT 趋势因子相对之前的基于 MA 构建的因子在全市场、中证 500 以及中证 800指数中结果都有较大的改进。 核心假设风险：
本文所做的数据测算完全基于历史行情数据完成，市场表现受诸多因素影响，注意模型失效风险。 目录索引一、背景介绍
1.1 动量效应与反转效应
1.2 理论模型
1.3 BETA 系数与资产价格收益率
二、基于不同期限下的因子构造
2.1 因子构造流程
2.2 实证分析
三、LLT 因子构建
3.1 LLT 低延迟趋势线回顾
3.2 LLT 因子实证分析
四、总结
风险提示 图表索引
图 1：基于不同期限因子构造流程
图 2：基于不同期限下因子在全市场中周度 IC 值
图 3：基于不同期限的因子在全部 A 股中分档表现
图 4：基于不同期限的因子在中证 500 成分股分档表现
图 5:在中证 800 指数成分股分档表现
图 6：单条 MA 均线因子表现
图 7：多条 MA 均线因子表现
图 8：基于不同期限因子在全市场多空对冲累积收益率
图 9：基于不同期限因子换手率
图 10：不同期限因子在全市场中证 500 指数对冲累积收益率
图 11：全市场中证 500 行业中性策略表现
图 12：基于不同期限因子在中证 500 成分股中对冲后表现
图 13：LLT 指标和传统 MA、EMA 指标的比较
图 14：单个 LLT 指标因子表现
图 15：多个 LLT 指标因子表现
图 16：基于 LLT 指标因子在全市场中周度 IC 值
图 17：基于 LLT 指标构建多空策略表现
图 18：基于 LLT 指标构建因子换手率表现
图 19：MA、LLT 指标构建因子不同指数对冲表现对比
图 20：基于 LLT 指标构建因子在全市场中证 500 指数对冲累积收益率
图 21：LLT 指标构建因子中证 500 行业中性策略表现
图 22：MA、LLT 指标构建因子行业中性策略比较
图 23：基于 LLT 指标构建因子在中证 500 成分股中表现
表 1：期限因子在不同指数成分股中 IC 值特征
表 2：全市场多空对冲下分年度表现
表 3：Q1 档分年度换手率
表 4：全市场中证 500 指数对冲分年度表现
表 5：全市场中证 500 行业中性策略表现
表 6：中证 500 成分股对冲后分年度表现.
表 7：LLT 指标与 MA 指标因子 IC 值特征
表 8：LLT 指标与 MA 指标构建因子在全市场分档表现比较
表 9：基于 LLT 指标构建的因子多空对冲分年度表现
表 10：基于 LLT 指标构建因子分年度换手率
表 11：MA、LLT 指标构建因子不同指数对冲表现对比
表 12：基于 LLT 指标构建的因子在全市场中证 500 指数对冲分年度表现
表 13：基于 LLT 指标构建因子中证 500 行业中性策略分年度表现
表 14：基于 MA、LLT 指标构建因子行业中性策略比较
表 15：基 LLT 指标构建因子在中证 500 成分股中分年度表现
[hide]
一、背景介绍1.1 动量效应与反转效应自有效市场理论提出起，关于市场有效性的争论就未曾停止，反对者认为现实金融市场中长期存在一些异常现象，根据有效市场理论无法解释。最典型异常现象如 Jegadeesh 和 Titman (1993) 提出的中期动量效应，Lehmann (1990) 提出的短期反转效应，DeBondt 和 Thaler (1985) 提出的长期反转效应等。动量效应指在过去一段时间内收益率较高的股票，在未来一段时间内期望收益率也较高。反转效应正好相反，指在过去一段时间内收益率较低的股票，在未来一段时间内期望收益率更高。国内学者如程兵、梁衡义和肖宇谷 (2004)，樊家鸣 (2010)等对 A 股的实证分析中发现，在 A 股市场中也存在中期动量效应和短期反转效应。本篇专题报告中构建了一个新的因子，通过分析不同期限的均线价格数据来同时捕捉短期反转、中期动量、长期反转等价格趋势。进一步，本篇专题报告针对移动平均线延迟性差的缺点，引入低延迟的 LLT 趋势线，构造基于不同期限下的LLT因子。 1.2 理论模型Yufeng Han，Guofu Zhou 和 Yingzi Zhu (2016) 在论文中提出一个信息非对称下的市场模型：
1.png[size=1em]652x546 113 KB
移动平均价代替。
1.3 Beta 系数与资产价格收益率二、基于不同期限下的因子构造2.1 因子构造流程为了同时捕捉短期、中期、长期的价格趋势，本篇专题报告取 3, 5, 10, 20, 30, 60,90, 120, 180, 240, 270, 300 等不同期限的均线数据，每期期末 | 
