传统换手率Turn20因子表现与局限 [page::0][page::4][page::5]

• Turn20因子月度IC均值为-0.075，信息比率为-2.17；年化收益36.55%，信息比率2.07，显示换手率小的股票未来收益较优。

- 组内收益率标准差随换手率增加升高，暗示存在部分大涨股票混入高换手率组，显示Turn20仍存在改进空间。

价格因子选择及影线差PLUS的引入 [page::6][page::7][page::8][page::9][page::10]

• 对比全天涨跌幅、日内涨跌幅与Bar Chart影线发现，影线差更能真实反映市场多空情绪。

- 通过双分组方法评价，影线差PLUS因子的单调性和收益区分能力优于日内收益率和振幅，成为最佳价格辅因子。

• PLUS构造公式为：$PLUSt = \frac{2Ct - Ht - Lt}{C_{t-1}}$。

主要因子：量稳换手率STR及影线差PLUS表现 [page::11][page::12]

• STR因子（换手率标准差）年化收益45.06%，信息比率3.01，选股能力优于Turn20。

- PLUS因子年化收益31.89%，信息比率2.08，胜率74.63%，展现较强选股动力。

价量配合组合TPS与SPS构建及回测表现 [page::13][page::14][page::18][page::19]

• 通过日频纯净化模型，剔除因子间相关性，分别构建TPS(传统换手率PLUS)和SPS(量稳换手率PLUS)。

- TPS年化收益42.15%，信息比率2.56；SPS年化收益47.70%，信息比率3.59，表现优于原因子和Turn20。

纯净因子提升及风格相关性分析 [page::15][page::16][page::17][page::25][page::26]

• 纯净化步骤有效提升了Turn20和STR因子表现，降低了因子间相关性。

- 剔除常规Barra风格因子、行业影响后，纯净TPS和纯净SPS仍展现稳定选股能力，信息比率分别达到2.70和2.49。

TPS与SPS年化及分年度表现及风险收益分析 [page::21][page::22][page::23]

| 因子 | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤 |
|-------|------------|---------|---------|----------|
| TPS | 42.15% | 2.56 | 79.49% | 15.93% |
| SPS | 47.70% | 3.59 | 83.59% | 12.28% |

• 空头超额收益明显，空头与多头收益比例约4:6，风险控制较好。

- TPS、SPS与Turn20正交后依然保有较好的选股能力和风险收益指标。

不同样本空间及参数敏感性分析 [page::27][page::28]

• 在沪深300和中证500成分股中，TPS与SPS表现依旧优于Turn20因子，具备一定的指数增强价值。

- 不同回看窗口（20、40、60日）对指标影响有限，因子表现稳健。

研究总结及未来方向 [page::28][page::29]

• 本报告提出基于影线差的价量配合换手率选股因子TPS、SPS，显著提升传统换手率因子选股效力。

- SPS因子表现优于TPS，展示了量稳换手率结合价格因子的有效性。

• 未来研究方向聚焦寻找更完美的价格变动因子，进一步增强选股表现。

金工专题报告《成交价改进换手率因子》深度解析

---

1. 元数据与报告概览

• 报告标题： 成交价改进换手率因子

- 作者及机构： 东吴证券研究所，高子剑证券分析师（执业证书号：S0600518010001021）

• 发布日期： 2022年8月17日

- 研究主题： 融合价格因素对传统换手率因子进行改进与创新，构建价量配合的新型换手率选股因子——TPS与SPS

• 核心论点：

报告强调传统换手率因子在选股中具有较好表现，但存在局限；引入价格变动因子“影线差”（PLUS），结合换手率因子，通过价量配合策略大幅提升选股能力，构建了TPS和SPS新因子。

• 评级和目标价： 报告为专题研究报告，无明确个股评级和目标价，主要聚焦于量化因子构建和回测绩效分析。

- 主要信息： 传统换手率Turn20因子表现稳健且有理论支撑，但存在挑选错误的部分。引入价格辅助因子PLUS（上下影线差）后，结合量稳换手率STR，通过价量配合设计TPS和SPS因子，带来更高的信息比率、更优的风险收益特征和更稳定的选股表现，且纯净化建模进一步提升有效性，且在沪深300、中证500等指数样本中表现良好，具有较强的投资参考价值。[page::0,4,11,18,28]

---

2. 逐节精读与剖析

2.1 引言部分（第1章）

• 核心观点： 本报告是“技术分析拥抱选股因子”系列第十篇，关注价量配合在换手率因子上的创新。

- 价量配合的两个方向：
1. 利用换手率改进动量因子（量配价）。
2. 利用价格因子辅助改进换手率（价配量），本报告重点聚焦此方向。

• 传统换手率（Turn20）介绍：

日均换手率构建简单，表现优秀，倍数年化36.55%，信息比率2.07。因子IC为负，说明低换手率股票次月表现更好，解释为“量小换手率因子”。换手率大的股票表现有较大分散，表现未必优异。

• 局限及改善空间： 组内收益标准差随换手率上升而增大，说明换手率高组未被精准识别，有误选多支股票。需通过价量结合提升信号质量。[page::4,5]

2.2 TPS因子与SPS因子的构建（第2章）

• 2.1换手率Turn20局限案例：

揭示单纯换手率难以解释的个案，如隆盛科技2020年6月和8月表现。6月换手率高但股价大涨，8月换手率低股价跌，价格走势与换手率信号矛盾。

• 价量配合理论：

成交量放大支持价格上涨（价涨量增），缩量验证上涨信号弱，暗示价格反转。实例说明价量关系能有效补强换手率因子。

• 价格因子选择探索：

- 全天涨跌幅与日内涨跌幅相较，日内涨跌幅更能反映当日多空情绪。
- 引入上下影线差（PLUS）——使用Bar Chart的上下影线，区别传统蜡烛图影线，更好显示买卖压力。案例显示Bar Chart影线优于蜡烛图在捕捉价格情绪上的表现。

• 双因子分组检验三种价格辅因子：

辅因子包括日内收益率、振幅和PLUS。通过换手率主因子分组再辅因子排序，考察不同组合下年化收益。
- 日内收益率辅因子表现单调性不足。
- 振幅辅因子几乎无序。
- PLUS因子展现出最优的单调结构和选股能力，成为首选辅因子。

• 新增主因子STR：

量稳换手率，即换手率的标准差，表现优于Turn20，信息比率3.01，能反映换手率的稳定性与选股能力。结合PLUS因子两两搭配成原始组合。

• 搭配组合及相关性分析：

Turn20与STR高度相关（0.884），难直接提升选股能力；而PLUS与二者相关性低，适合价量配合。采用标准化与非负化处理后，进行乘法组合。

• 初步回测成果：

Turn20PLUS年化收益43.17%, IR2.48，胜率78.46%（优于单独因子）；STRPLUS表现更优，年化49.25%、IR3.31、胜率81.03%，体现价量配合的有效提升。

• 强调非负化做法： 保证乘积因子在横截面上的顺序不被符号影响，维持因子排序的单调性。[page::5-14]

2.3 纯净化模型构建（第2.5~2.7节）

• 纯净化思想：

引入线性回归残差法，分别剔除主因子与辅助因子的线性交叉影响，使纯因子更加独立纯粹。

• 实施细节：

每日以全样本横截面为单位，分别对换手率（Turn）回归影线差（PLUS），及对PLUS回归换手率，取残差构造纯净型因子TurndePLUS与PLUSdeTurn，再转至月度因子形成Turn20dePLUS和PLUSdeTurn20，同理对STR做纯净处理得STRdePLUS。

• 纯净因子效果：

- Turn20dePLUS较原始Turn20各项指标均有提升，年化收益37.22%、IR2.16。
- STRdePLUS表现更优，年化46.24%、IR3.46。
- PLUSdeTurn20纯净后信息比率下降，约0.87，但作为辅助因子降低相关性更有利联合构建。

• 相关性显著下降验证纯净效果。

Turn20dePLUS与PLUSdeTurn20的相关性由0.134降至-0.102，STRdePLUS与PLUSdeTurn20降至0.009，非常接近零。说明纯净化有效剥离主辅因子之间冗余联系。

• 最终因子构建为纯净主因子与纯净辅因子相乘，形成TPS（Turn20dePLUSPLUSdeTurn20）和SPS（STRdePLUSPLUSdeTurn20）。

- 回测性能优异：
TPS年化42.15%、IR2.56、胜率79.49%，SPS年化47.70%、IR3.59、胜率83.59%，显著优于传统Turn20和STR。

• 纯净因子乘积细节： 仍需保证非负化，防止符号反转导致排序错乱。[page::15-19]

---

3. 图表深度解读

3.1 重要选股因子的净值和分组表现图

• 图1与图2（第4、5页），传统Turn20表现与组内波动：

图1显示，按照十分组排序，组1（换手率最低）净值持续攀升，组内表现单调优良。图2显示高换手率组波动大，呈现选股信号杂散，提供改进动力。

• 图3与图4，隆盛科技成交量及股价走势（第5、6页）：

对比2020年6月和8月，展示仅靠换手率难以预测趋势，凸显引入价格因子的必要性。

• 图5至图11，价格因子Bar Chart与蜡烛图对比（第7-9页）：

证实Bar Chart的上下影线更能体现多空情绪，能解释更多价格走势信息，是PLUS辅因子的基础。

• 表1至表3（第9-11页），不同价格因子双分组年化收益对比：

PLUS因子组内年化收益单调性最好，优于日内收益率和振幅，确认了PLUS因子的选股有效性。

• 图12与图13，STR和PLUS因子净值走向（第12页）：

STR因子表现优于Turn20，PLUS单独有一定选股能力，两者均表现出因子值下降对应未来收益提升的趋势。

• 图14与表4，因子相关性与组合创新效果（第12-13页）：

说明STR与Turn20相关高，难在简单组合中产生较大协同，PLUS低相关，适合新组合。

• 图15至图16及表5至表6，因子乘积表现回测：

图净值曲线清晰分层且稳定，中间分组表现不强，说明分组能力好。
性能指标表明乘积因子显著提升年化收益与信息比率。

• 图17至图19与表7至表9，纯净因子表现：

纯净化后因子同样表现稳健，且部分指标提升，说明线性回归残差处理有效降低共线性和噪声。

• 图20至图21及表11至表12，TPS与SPS纯净价量配合因子表现：

净值持续上升幅度大，最大回撤小，信息比率远超传统因子。数据具备强烈的投资信号。

• 图22至图24，TPS、SPS与Turn20正交净值及波动率对比：

正交因子依然具备正向收益，且组内收益率波动减小，显示新因子成功剔除与传统因子重复部分，提升分组纯度。

• 图25至图26，纯净TPS与SPS净值走势剔除风格与行业影响：

净值持续增长且分组分明，信息比率仍保持较高水平，说明因子独立有效。

• 多年度表现分解表（表15、16、17、18）：

展示了TPS和SPS年年均能保持稳定收益和较高胜率，特别在市场震荡期仍有较好抗风险能力。

• 不同样本空间表现（表24）：

TPS、SPS在沪深300和中证500内依然优于Turn20，说明其广泛适应性。

• 参数敏感性分析（表23）：

因子在不同回看窗口（20、40、60日）均维持较好绩效，体现因子构建的稳健性。[page::4-28]

---

4. 估值分析

本报告核心为因子策略构建，未涉及传统意义上的企业估值模型。因子表现通过回测统计指标如年化收益、信息比率（IR）、回撤、胜率进行“价值”衡量，强调统计显著性和盈利能力，不涉及现金流折现（DCF）等定价模型。

---

5. 风险因素评估

• 未来市场风险变化： 本报告基于历史数据，未来市场条件变化可能导致因子表现失效。

- 单因子模型波动风险： 因子收益存在波动，建议与资金管理与风险控制配合应用。

• 数据和测算误差风险： 计算模型及数据可能存在误差，不构成实际投资建议。

- 该风险提示体现出因子策略的历史有效性不保证未来，强调实际操作需谨慎，多因素和风控结合。[page::0,29]

---

6. 审慎视角与细微之处

• 因子单调性与辅因子选择： 价格因子用上下影线差（PLUS）优于传统涨跌幅和振幅，但仍非完美，未来可探索替代或更优化价格因子。

- 高相关性主因子组合限制： Turn20与STR高度相关，简单加乘效果有限，优加法虽解决部分问题，但仍需谨慎考察多因子叠加时潜在的信息重叠和过拟合风险。

• 纯净化步骤依赖线性回归残差，假设线性关系成立，非线性影响或市场结构变化可能削弱模型有效性。

- 样本选择限制： 主要基于全A股，沪深300、中证500的表现相对逊色，须考虑在更细分市场的应用适应性。

• 因子表现强劲，但因子研究与实际交易存在滑点、流动性、交易成本等实际障碍，须理性对待回测结果。

- 结合图表及表格解析，因子纯净化和价量配合设计的创新带来指标提升，但回撤控制与多空平衡仍需重点管理。

• 报告中部分篇章对Bar Chart与蜡烛图的区分和演示，体现出技术分析基础与量化因子研究的结合点，为因子设计提供了市场行为的理论依据。

- 后续研究方向明确指出价格因子尚有提升空间，体现研究开放性及谦逊态度。[page::6,7,13,15,28]

---

7. 结论性综合

本报告系统提出并验证了基于“成交价改进换手率因子”思路，结合创新价格变动因子PLUS和两类主因子（传统换手率Turn20与量稳换手率STR），构建了价量配合的两个主要量化选股因子TPS（Turn20conformedbyPLUS）和SPS（STRconformedbyPLUS）。

经过长期回测（2006年起至2022年中），两大因子在全市场及沪深300、中证500不同样本中均表现出优异且稳健的选股能力，包括显著高于传统换手率的年化收益率（TPS约42%，SPS接近48%）、更高信息比率（TPS2.56，SPS达3.59）、较低回撤及较高胜率。
因子纯净化处理显著降低主辅因子相关性，提升组合效能，并剔除行业风格属性，保证了因子信号的独立性和通用性。
图表显示，价量配合理论在实际选股中成功缓解传统换手率因子中组内波动大、误选多支股票的弊端，尤其SPS因子通过量稳换手率体现出更强的风险调整后收益表现。
因子参数稳定、兼容多样样本空间及调整回看窗口，增强了实用性与稳健性。
同时报告诚实指出，价格辅助因子PLUS尚非完美，未来价格因子的挖掘与优化是关键提升路径。
总体而言，TPS与SPS因子代表了结合技术分析中价格动量特征与换手率信号的创新前沿，具备重要的中国A股量化投资引用价值。[page::0-29]

---

图表示范（部分）

以下为报告中的部分重要图表示例（以Markdown格式引用）：

• SPS 因子十分组及多空对冲净值走势（报告第0页）

• Turn20 因子十分组及多空对冲净值走势（第4页）

• 传统换手率十分组组内收益标准差（第5页）

• TPS 因子十分组及多空对冲净值走势（第18页）

• SPS 因子十分组及多空对冲净值走势（第19页）

• 纯净 TPS 因子十分组及多空对冲净值走势（第26页）

• 纯净 SPS 因子十分组及多空对冲净值走势（第26页）

---

总结

东吴证券研究团队通过对传统换手率因子的创新改造，结合价格辅助因子PLUS，系统构建了TPS与SPS两个价量配合选股因子，极大提升了选股的稳定性和收益指标。以翔实的数据回测和图表支持，报告从理论到实证层面丰富了换手率因子的研究，为主流量化策略提供重要参考。风险提示强调历史表现不代表未来，需结合风险管理。未来研究将继续优化价格因子，提高预测精准度，推动价量配合因子体系实用价值深化。[page::0-29]

报告