【研报分享】国信证券:围绕成交量构建的多因子模型

多因子
成交量
标签: #<Tag:0x00007f5b97882d00> #<Tag:0x00007f5b97882bc0>

(aite) #1

围绕成交量构建的多因子模型

 成交量是 A股重要的风险信息
基于 Fama-French 三因子模型的思路,我们对于中国市场的风险进行了研究。通过对比四因子风险模型(SMB/HML/EP+/EP 虚拟变量)和五因子风险模型(SMB/HML/EP+/EP 虚拟变量/成交额),发现成交额能够在四因子模型的基础之上,提供有效的额外信息。

这一点也引起了我们对于“成交量作为风险因子,和其在整个风险模型中所起的作用”的反思。交易面因子本身与基本面因子的相关性较低,无论是在风险端,还是收益端都是如此。所以成交量(或者说成交额这一类)因子能够成为账面市值比和市盈率的有效补充,不足为奇。

 成交量是多因子模型重要的收益信息
我们将成交量类因子池中的 12 个因子,分别在月度频率下,进行了单因子的多空测试,测试结果显示,其中有 9 个因子单因子测试多空双方向有效,包括:月内日均成交额/成交量/换手率;月度日均成交额/成交量/换手率的环比;标准化的月内日均成交额/成交量/换手率。之后我们按照风险平价的方法进行了权重加权,每个月再平衡一次。结果显示,通过风险平价的方法,在历史回测中,能够相对有效的降低多空组合的回撤。

 改进与展望
本篇报告主要通过轮廓性的实证,对成交量这一大类信息,分别在风险模型和策略当中所起的作用,进行了抛砖引玉性质的揭示和反思。在与四因子风险模型的对照中,加入成交额因子对于整个 A 股市场股票的截面平均收益率的改善是显著的。但是,这种改善主要是因为前面四个因子多与基本面相关而导致的,还是成交额本身就是市场重要的风险因子,需要进一步通过实证加以区分。另一方面,在多因子策略当中,9 个成交量因子构建的多因子模型在 09 年以来的历史回测中表现良好,但历史表现并不代表未来的表现。我们需要持续跟踪观察这个成交量多因子模型,从而能够对该模型能有进一步的认识和评价。

投资摘要

本篇报告研究了中国 A 股市场上,成交量作为风险因子和收益因子的一些应用。成交量作为风险因子,能够在规模、账面市值比和市盈率的基础之上,提供有效的增量信息。

1

加入成交额之后的五因子风险模型,可以同时将股票平均月收益率的长期趋势和短期扰动较好地解释出来。

2

加入成交额的五因子模型,对股票截面平均收益的解释度更高。

在成交量相关的因子池当中,选取月内日均成交额/成交量/换手率,本月相对上月的成交额/成交量/换手率,标准化的日均成交额/成交量/换手率,构建多因子策略,成交量作为收益因子,在多空组合的相对收益回测中,表现稳健:

3

综合来看,成交量是市场重要的信息组成部分。它既是 A 股的风险信息,也是多因子模型重要的收益信息。值得投资者深入地研究。

内容目录

从股票市场的风险模型说起
多因子模型:数据准备和数据清洗
数据来源
数据清洗
单因子模型多空测试
单因子收益测试
因子评价与模型结果
总结与讨论

图表目录
图 1:五因子(SMB、HML、EP+、EP 虚拟变量、成交额)风险模型
图 2:成交量的多因子模型多空净值比
图 3:四因子风险模型
图 4:五因子风险模型
图 5:月内日均成交额
图 6:月内日均成交量
图 7:月内日均换手率
图 8:本月与上月成交额环比
图 9:本月与上月成交量环比
图 10:本月与上月换手率环比
图 11:标准化的月内日均成交额
图 12:标准化的月内日均成交量
图 13:标准化的月内日均换手率
图 14:成交额的变异系数
图 15:成交量的变异系数
图 16:换手率的变异系数
图 17:成交量九个因子风险平价的多因子模型多空回测净值图
图 18:成交量的多因子模型多空净值比
表 1:两个因子模型的 F检验结果
表 2:两个因子模型的 F检验结果
表 3:单因子显著性列表

从股票市场的风险模型说起

1. Fama-French 三因素模型

Fama 和 French 对于美国市场的研究,认为规模和账面市值比可以解释美国市场不同股票间截面收益率的差异[1]。然后,对股票和债券市场的风险因子的研究发现,美国股票市场股票的主要风险因子包括三个:β、规模和账面市值比 [2]。Fama-French 的三因素模型对股票市场的影响深远,包括诸如组合构建、绩效评估、事件 研究和 估计资金 成本等。 本篇报 告下面的 内容将 主要利用Fama-French 构建三因素模型的模式,来探讨特定风险因子(本文主要是讨论成交量)在风险模型和组合构建方面的应用。

[1]资料来源:E.Fama & K. French, The Cross-Section of Expected Stock Returns, Journal of Finance, June
1992
[2]资料来源:E.Fama & K. French, Common risk factors in the returns on stocks and bonds, Journal of
Financial Economics, 1993

2. 中国 A股市场的风险模型 1:四因子模型

我们对于 A 股市场股票平均收益率,构建了四因子的风险模型,包括:规模因子 SMB[2],账面市值比 HML[2],EP+,EP 虚拟变量。时间:2003 年至今。频率:月度。

4

上图显示,四因子模型对于 A 股股票截面的平均收益率的长期时间结构下的趋势项有着较好的解释作用(虽然风险模型的趋势性估计存在轻微的滞后,并且估计项的波幅低于实际收益率的波幅),但对短期时间结构的扰动项并没有做出较好的刻画。故在此基础之上,我们引入成交额,构建五因子模型,与上述模型进行对比。

3. 中国 A股市场的风险模型 2:五因子模型

我们对于 A 股市场股票平均收益率,构建了五因子的风险模型,包括:SMB,HML,EP+,EP 虚拟变量,成交额对数的时间截面中位数。时间:2003 年至今。频率:月度。

5

与四因子模型相比较,五因子模型不仅对于 A 股股票截面的平均收益率的长期时间结构的趋势项解释度强(风险模型的趋势性估计的滞后性有所减少,估计项的波幅更加接近实际收益率的波幅),短期时间高频扰动项的结构信息更加精细。在两个模型不同的自由度下,我们对模型进行了 F 检验,结果如下:

6

上表显示,加入成交额的五因子模型,对股票截面平均收益的解释度更强,风险刻画更完善。这一结果,促使我们进一步反思一个问题:对于股票规模、账面市值比和市盈率而言,股票成交额的信息是否是一个有效的信息补充呢?

多因子模型:数据准备和数据清洗
时间区间:2009 年至今。
股票池的选择:考虑到股票池在时间区间上的完备性,在全市场范围内,我们将上市时间不晚于 2009 年的股票作为股票池。

数据来源

主要输入数据
原始数据类型:成交量,成交额和换手率。
频率:月度。

派生因子类型:
 月内日均成交量,成交额和换手率;
 本月与上月成交量,成交额和换手率环比;
 标准化的月内日均成交量,成交额和换手率;
 成交量,成交额和换手率的变异系数(即均值/方差)。

数据清洗

异常值处理
股票池按月度滚动扫描,剔除了在当期处于重组、摘牌、停牌的上市公司。

单因子模型多空测试

我们依次对上述 12 个因子进行了多空测试。规则如下:股票池剔除当期异常值之后,选择该因子值最高的 10%作为多头组合;该因子值最低的 10%作为空头组合,等权进行配置。

单因子收益测试

测试结果如下:

7

上图显示,月内日均成交额多头组合显著跑赢市场,从绝对收益角度看,多头组合在 2011 年和 2012 年有一些回撤;月内日均成交额空头组合显著持续跑输市场,空头组合自 2009 年中期以来,绝对收益趋势持续向下。显示该因子多空两端整体表现均比较良好。

8

上图显示,月内日均成交量与月内日均成交额情形比较类似。多头组合显著跑赢市场,从绝对收益角度看,多头组合在 2011 年和 2012 年有一些回撤;月内日均成交量空头组合显著持续跑输市场,空头组合自 2009 年中期以来,绝对收益趋势持续向下。显示该因子多空两端整体表现均比较良好。

9

上图显示,月内日均换手率与月内日均成交额/成交量的情形有些许差异。多头组合显著跑赢市场,从绝对收益角度看,多头组合在 2010 年,2011 年和 2012年有一些回撤。月内日均换手率空头组合显著持续跑输市场,空头组合自 2009年中期至 2012 年上半年,绝对收益趋势持续向下;2013 年至今,空头组合有一定幅度的上扬。整体而言,该因子多空两端表现尚可。

10

上图显示,本月与上月成交额环比之多头组合显著跑赢市场,从绝对收益角度看,多头组合在 2011 年和 2012 年有一些回撤;月内日均成交额空头组合显著持续跑输市场,空头组合自 2009年中期至 2012年绝对收益趋势持续向下,2013年至今,空头组合有一定程度的上涨。综合而言,该因子多空两端表现尚可。

11

上图显示,本月与上月成交量环比之多头组合与成交额的情形基本相同。多头组合显著跑赢市场,从绝对收益角度看,多头组合在 2011 年和 2012 年有一些回撤;月内日均成交额空头组合显著持续跑输市场,空头组合自 2009 年中期至 2012 年绝对收益趋势持续向下,2013 年至今,空头组合有一定程度的上扬。综合而言,该因子多空两端表现尚可。

12

本月与上月换手率环比之多头组合与与成交额和成交量类似。多头组合显著跑赢市场,从绝对收益角度看,多头组合在 2011 年和 2012 年有一些回撤;月内日均成交额空头组合显著持续跑输市场,空头组合自 2009 年中期至 2012 年绝对收益趋势持续向下,2013 年至今,空头组合有一定程度的上涨。综合而言,该因子多空两端表现尚可。

13

上图显示,标准化的日成交额之多头组合显著跑赢市场,从绝对收益角度看,多头组合仅在 2011 年有些显著的回撤;月内日均成交额空头组合显著持续跑输市场,仅在 2009 年,空头组合上涨;2010 年和 2013 年走平,其余年份空头组合绝对收益趋势持续向下。综合而言,该因子多空两端表现不错。

14

同标准化的日成交额类似,标准化的日成交量之多头组合显著跑赢市场,从绝对收益角度看,多头组合仅在 2011 年有些显著的回撤;月内日均成交额空头组合显著持续跑输市场,仅在 2009 年,空头组合上涨;2010 年和 2013 年走平,其余年份空头组合绝对收益趋势持续向下。综合而言,该因子多空两端表现不错。

15

同标准化的日成交额和成交量类似,标准化的日换手率之多头组合显著跑赢市场,从绝对收益角度看,多头组合仅在 2011 年有些显著的回撤;月内日均成交额空头组合显著持续跑输市场,仅在 2009 年,空头组合上涨;2010 年和 2013年走平,其余年份空头组合绝对收益趋势持续向下。综合而言,该因子多空两端表现不错。

16

上图显示,成交额变异系数这个因子,其多头组合和空头组合的净值表现差异不大,多头组合仅略好于空头组合的表现。该因子的多空测试有效性并不显著。

17

与成交额类似,成交量变异系数这个因子,其多头组合和空头组合的净值表现差异不大,多头组合仅略好于空头组合的表现。该因子的多空测试有效性并不显著。

18

与成交额和成交量类似,换手率变异系数这个因子,其多头组合和空头组合的净值表现差异不大,多头组合与空头组合的表现长期接近。该因子的多空测试有效性并不显著。

因子评价与模型结果

因子评价

根据以上单因子模型的测试结果,我们对每个单因子进行了评价。列表如下:

多因子合成

这里我们将上述九个显著有效的单因子,视每个因子模型为一个策略,采取多策略的方式进行合成。策略合成的权重按照风险平价(risk parity)的方式进行加权,即等风险的投资每个策略,每个月权重再平衡一次(这里未考虑交易成本)。成交量多因子模型的历史回测结果如下:

20

上图显示,成交量多因子模型的多头组合显著跑赢市场,从绝对收益角度看,多头组合在 2011 年和 2012 年有一些回撤;月内日均成交额空头组合显著持续跑输市场。空头组合除了在 2009 年和 2013 年走平之外,其余年份绝对收益趋势持续向下。显示该模型多空两端整体表现均比较良好。

21

上图显示,成交量多因子模型的多头相对空头组合的超额收益表现十分稳健。自 2009 年以来,分年来看,多头组合持续跑赢空头组合。显示该模型作为多空策略来看,多空两端的相对收益表现优秀。

总结与讨论

在中国 A 股市场当中,成交量无论是从风险角度来看,还是从多因子模型角度来看,都称得上是重要的交易性数据信息之一。从风险角度而言,成交量是在规模、账面市值比和市盈率基础之上,有效的信息补充;从成交量多因子模型回测结果来看,成交量大类因子是值得深入研究的收益类信息;在本篇报告当中,成交量作为多空类指标进行测试的时候,月内日均因子、月度环比因子和标准化月度因子都呈现出一定的预测性,展现出进一步研究的潜力。

作者:国信证券金工团队