交易者结构划分及占比 [page::4]

• 交易者分为机构（挂单金额>100万元）、大户（20万-100万）、中户（4万-20万）、散户（<4万）。

- 中户和散户占比长期高达70%以上，机构交易占比较低。

交易者结构影响动量因子表现 [page::5][page::6]

• 大单（机构、大户）交易占比越高，动量因子表现出更强反转效应。

- 小单（散户、中户）交易占比增高，动量因子表现由反转向动量效应转变。

• 散户和机构交易占比对动量因子识别能力最强，局部因子年化ICIR呈显著单调变化。

新动量因子构建与回测 [page::6][page::7]

• 新动量因子等于散户交易占比最高与最低两端因子差值，提取交易者结构信息最强部分。

- 2010-2020年回测，新动量因子年化收益21.23%，年化波动8.20%，信息比率2.59，月度胜率78.4%，最大回撤6.29%，显著优于传统动量因子。

| 指标 | 传统动量因子 Ret20 | 新动量因子 NEW_MOM |
|--------------|------------------|------------------|
| 年化收益率 | 18.09% | 21.23% |
| 年化波动率 | 15.14% | 8.20% |
| 信息比率 | 1.19 | 2.59 |
| 月度胜率 | 64.80% | 78.40% |
| 最大回撤率 | 13.05% | 6.29% |

新动量因子与风格因子相关性及纯净因子表现 [page::8][page::9]

• 新动量因子与Barra风格因子相关性较弱，显示其独立选股信息。

- 剔除风格和行业影响后的纯净新因子，仍保持良好表现，年化ICIR约-2.32，年化收益8.26%，信息比率2.36，最大回撤3.34%。

多空收益拆解与参数敏感性分析 [page::10][page::11][page::12]

• 多头超额收益稳定，信息比率达2.64，最大回撤仅2.70%。

- 回看窗口调整为40日、60日，结论依旧成立：大单交易占比越高，反转效应越强；小单占比越低，动量效应增强。

• 新动量因子依旧显著优于传统因子，提供更好的风险调整收益。

不同样本空间验证及其他因子应用 [page::12][page::13][page::14]

• 在沪深300和中证500样本中，新动量因子也优于传统动量因子，验证其稳健性。

- 交易者结构细分方法同样适用于换手率、振幅因子，提升因子表现和选股能力。

| 因子类型 | 年化ICIR(传统) | 年化ICIR(新) | 年化收益率(传统) | 年化收益率(新) | 信息比率(传统) | 信息比率(新) |
|--------------|--------------|------------|----------------|--------------|--------------|------------|
| 换手率因子 | -1.87 | -2.34 | 21.99% | 21.67% | 1.72 | 2.36 |
| 振幅因子 | -0.79 | -1.76 | 10.18% | 11.84% | 0.73 | 2.05 |

总结 [page::14]

• 报告基于交易者结构细分成交量，提出动量因子改进方案，提升选股效果和风险指标。

- 发现大单交易占比越高、小单占比越低，动量因子呈强烈反转效应。

• 同样规律适用于换手率等价量因子，具备较强普适性和操作性。

- 风险提示：所有统计结果基于历史数据，实际收益可能波动，需结合资金管理与风险控制。[page::0][page::14][page::15]

东吴金工“求索动量因子”系列研究（二）——基于交易者结构的动量因子改进分析报告详解

---

一、元数据与概览

报告标题： “求索动量因子”系列研究（二）：交易者结构对动量因子的改进
作者及发布机构： 东吴证券研究所，证券分析师高子剑、研究助理沈芷琦
发布时间： 2020年8月18日
研究主题： 基于A股市场不同交易者结构（机构、大户、中户、散户）细分成交量，探讨其对传统动量因子表现影响及动量因子的优化设计。

核心论点及目标信息：
本报告是东吴“求索动量因子”系列的第二篇，立足于对成交量的更细致划分，突破传统仅用整体成交量修正动量因子的局限，深入分析不同交易者结构对动量效应强弱的影响，最终提出了基于“散户”交易占比的新动量因子。研究显示，动量因子表现受交易者结构显著影响：大单（机构、大户）交易占比高时，动量因子表现为反转效应更强，散户交易占比提升推动动量效应增强。新动量因子在多个指标上显著优于传统因子，尤其表现为出色的稳定性和选股能力。
该研究对量化投资者在使用动量策略时提供了新的框架和思路，有助于提升策略表现的稳定性与收益率。

---

二、逐节深度解读

1. 前言

报告开篇回顾了动量因子自1993年发现后在量化领域的广泛应用，突出A股市场中动量因子表现的独特性——显著的中长期反转效应，但稳定性不足。[页3] 图1展现传统20日动量因子（Ret20）在2010年至2020年间虽取得18.09%的年化收益率，但回撤明显，信息比率仅为1.19，月度胜率64.8%，表现波动较大。

作者指出，传统研究多以整体成交量为视角，但市场交易活跃者结构复杂，成交量的细分可更准确捕捉动量信号的强弱。报告因此提出，以“交易者结构”为切入，在散户、中户、大户及机构四大类交易者成交量占比基础上拆解动量信号，为动量因子建模提供新思路。[页3]

2. 交易者结构对动量因子的影响

2.1 A股市场交易者分类及占比

将订单按挂单金额分为四类：机构（大于100万）、大户（20万-100万）、中户（4万-20万）、散户（小于4万），形成交易者结构体系。[页4]

图3显示了这四类在2010-2020年A股交易中的占比分布，机构交易占比低（约6%），大户约22%，散户和中户合计超过70%。散户和中户为市场交易主力，但该结构占比在期间呈出一定振荡。散户的波动性较大，而中户较稳定。[页4]

2.2 交易者占比细分对动量因子的影响分析

基于将当天涨跌幅分组对应不同交易者占比（低至高排位，分为五组），构造5个局部涨跌幅因子，逐月回测其信息比率指标（ICIR）。分别针对散户、中户、大户和机构分组做测试。

图4至图7展示了针对四类交易者不同占比划分的局部因子年化ICIR：

• 散户（图4）： 随着散户交易占比由低到高，涨跌幅因子由明显反转效应（ICIR=-2.35）转为正动量效应（ICIR=0.96）。

- 中户（图5）： 全线反转效应，且小单占比越低反转越强。

• 大户（图6）： 仍反转效应为主，且随着大户占比增加，反转效应更强。

- 机构（图7）： 机构占比高时反转表现突出，但占比低时转向动量效应。

这表明大单（机构、大户）交易占比高时，动量因子表现反转效应更显著，而小单（散户、中户）高占比则转向动量效应，说明不同投资者行为的交易信号对动量形态提供关键识别。[页5-6]

3. 基于交易者结构的新动量因子构造与效果

以散户交易占比为例，取20个交易日中的低占比因子1与高占比因子5相减，合成新动量因子NEW_MOM。用全A股2010-2020年样本回测，结果表现稳定优异：

• 月度IC均值-0.058，RankIC均值-0.073，年化ICIR达-2.46，RankICIR-3.30

- 5分组多空对冲年化收益率21.23%，波动8.20%，信息比率2.59，月度胜率78.4%，最大回撤仅6.29%

• 多头表现尤为亮眼，信息比率2.64，最大回撤2.70%，显著优于传统因子Ret20的信息比率1.19和13.05%最大回撤。

图8、图9所示净值曲线清晰反映新因子走势优于传统因子。[页6-7]

年度表现（表2）表现为绝大多数年份正收益显著，波动控制优于传统因子。相关系数分析（表3）显示新因子与Barra 风格因子相关性弱，尤其Size、Book-to-Price较低，说明新因子具备一定的独立alpha来源。

剔除市场常用风格因子和行业因素残差后，作为“纯净新因子”，依然保持良好选股能力（图10，表4），且2020年迄今表现更优，最大回撤显著减小，信息比率保持在2.36水平。[页8-9]

4. 其他重要讨论

4.1 多空收益分解

图11及表5揭示新因子多空拆分：

• 多头策略年化收益9.02%，信息比率2.64，回撤2.7%

- 空头策略年化收益11.41%，信息比率2.02，回撤4.37%

说明新因子多头选股能力突出，表现稳定性明显优于空头。

4.2 新因子参数敏感性分析

延长回看窗口至40日和60日，图12和13显示交易者结构对动量因子影响依然显著，核心结论稳定。

图14和15显示无论40日还是60日回看周期，新动量因子均明显优于传统因子，且对应回测指标（表6）大幅超越传统因子，年化收益率提升约2%、波动率骤降近一半，信息比率翻倍，回撤显著降低。[页10-12]

4.3 不同样本空间验证

在沪深300和中证500成分股中，新动量因子同样强于传统动量因子，交易者结构效应覆盖不同市值样本（表7），保证了模型推广应用的有效性。[页12]

4.4 交易者结构在其他价量因子上的应用

换手率和振幅因子经交易者结构细分测试，结果同样发现类似动量因子效应，即大单交易占比越高，因子表现越强，反转效应越显著（图16、图17）。基于散户交易占比构造新的换手率和振幅因子，在ICIR和选股绩效上稳步领先传统版本（表8、表9），进一步印证交易者结构细分具有普适性和提升价值。[页13-14]

---

三、图表深度解读

图1（第3页）

展示传统动量因子Ret20 2010-2020年期间5分组及多空对冲净值走势。左轴为各分组净值，右轴为第1组与第5组对冲净值。图中可见，顶组与底组回撤明显，说明动量信号稳定性较差，信息比率1.19。[页3]

图4-7（第5-6页）

分别对应散户、中户、大户、机构不同交易占比下，动量因子5个局部分组年化ICIR条形图。核心趋势：

• 散户的高交易占比对应正动量（ICIR最高0.96），低占比对应强反转（-2.35）

- 机构反转效应明显，随交易占比降低趋于动量

• 中户及大户主要表现反转，且交易占比越高反转越强

此组图深刻体现交易者结构影响动量因子信号方向与强度。[页5-6]

图8-9（第7页）

图8为基于散户交易占比构造的新动量因子5分组净值曲线，显示新因子净值稳步提升，且分组间差异明显，体现良好的选股区分能力。
图9为新旧动量因子5分组多空对冲净值对比，新因子红线趋势明显优于传统蓝线，验证了结构细分的改进效果。[页7]

图10（第9页）

剔除行业及风格因子影响的“纯净新因子”5分组及多空对冲净值，表现依旧优异，说明所提因子信息高度独立且稳定可信。[页9]

图11（第10页）

多空超额收益拆解图及表，表明多头选股带来的超额收益稳定且风险较低，是新因子收益主驱动。[页10]

图12-13（第11页）

40日和60日样本窗口的局部因子ICIR，与20日窗口保持高度一致，验证研究结果的稳定性和稳健性。[页11]

图14-15（第12页）

比较40日和60日窗口下新旧动量因子5分组多空对冲净值走势，新因子明显跑赢传统因子，支持方法的广泛适用性。[页12]

图16-17（第13-14页）

换手率因子和振幅因子根据不同交易者占比细分后ICIR表现，均显示高大单交易占比时反转效应更强，交易者结构划分的普适价值明确，且基于此构造新因子收益稳定优于传统因子。[页13-14]

---

四、估值分析

本报告未涉及具体估值模型或目标价的测算，主要聚焦因子研究及策略回测，故无DCF、PE等估值分析。

---

五、风险因素评估

报告明确指出所有结果基于历史数据，未来市场存在重大变化风险，单因子收益波动较大，实际应用需结合资金管理和风险控制策略。[页0, 15]
此外，由于因子构建涉及交易者结构，数据质量或市场结构突变可能影响因子表现。此外，因子优势是否持续依赖于交易者行为模式稳定，亦为潜在风险。

---

六、批判性视角与细微差别

• 数据依赖： 本文大量依赖Wind资讯提供的交易者结构数据，若该数据存在统计偏差，或交易分类标准与实际行为有出入，可能影响结论可靠性。

- 因子构造复现难度： 以特定交易者群体成交量占比细分信号，虽有效提升动量因子表现，但实际应用中交易者结构数据的及时性及准确性是关键门槛。

• 市场环境适应： 报告中动量及反转效应的表现均源自历史A股市场，未来交易者结构、监管政策、市场行为变化可能导致效应弱化。

- 策略适用范围： 本研究主要基于A股，特别是散户交易活跃的市场环境，跨市场或跨资产类别适用性有待验证。

• 收益波动与回撤控制： 虽然新因子回撤远低于传统因子，但仍需深入分析极端市场环境下的表现，特别是流动性风险和市场冲击成本对策略的影响未详述。

---

七、结论性综合

此次报告从深度细分交易者结构的视角切入，以A股市场为样本，系统展示了交易者结构在动量因子表现中的决定性作用。主要发现为：

• 大单交易成交量占比高时，涨跌幅因子表现为反转效应显著增强；反之，散户等小单占比高时，因子逐步呈现动量效应。

- 基于散户交易占比，提取极端占比区间的涨跌幅因子差值构造新动量因子，实现选股能力显著优化，2020年前十年回测年化收益超21%，信息比率达2.59，最大回撤控制在6.29%内。

• 新因子剔除传统风格因子影响依然表现稳健，且其强劲的多头表现为其收益主力。

- 该交易者结构细分的框架同样适用于换手率、振幅等价量因子，普适价值突出。

• 各类参数变化对结果影响较小，结论稳健，且适用于沪深300和中证500等不同样本。

总之，本研究为理解和改进量化动量因子及其他价量因子提供了独创且实用的交易者结构视角，有望推动量化策略构建向更细致、更有效的方向演进。[页0-14]

---

八、附图展示示例

以报告首页示例：



---

参考页码标注：
本文内容均严格基于报告具体页码，引用处附带对应页码标注，例如[page::3] [page::5]等，便于追溯与验证。

---

结束语

此报告系统而深入地揭示了交易者结构对经典动量因子表现的显著影响，创新性提出了利用极端交易者行为占比构造新动量因子方案，实验证实该因子具有优越的选股能力和稳健性。在当前量化投资日益依赖微结构和行为数据的趋势中，该研究具有重要的理论价值和应用指导意义，适合量化研究者及基金经理深度阅读与借鉴。[page::0-15]

报告