• 2019年量化因子回顾 [page::0][page::2]:

- 低估值、低特质波动、低换手因子普遍遭遇回撤，值得关注多头组合的超额收益表现。
- 财通金工开发了量化工具箱，支持单因子周度/月度表现动态跟踪。

• 复合因子构建及历史绩效表现 [page::3][page::4]:

- 复合因子多头组合年化超额收益达15.58%，空头组合为-27.37%。
- 中证500指数增强组合年化收益18.43%，年化波动5.44%，信息比率3.39，表现优异。

• 高频特质偏度因子构建方法 [page::7][page::8]:

- 采用日内5分钟收益率数据，对Fama-French三因子残差取对数后计算偏度。
- 设定过去21天日内偏度均值作为因子值，剔除市值影响。

• 高频特质偏度因子绩效表现 [page::9]:

- 因子月均RankIC达-9.5%，月胜率82.05%，多头组合年化超额收益约6%。
- 空头组合表现较差，实现-22.84%的年化超额收益，主题明确。

• 高频特质偏度因子风格与基本面特征 [page::10][page::11]:

- 因子多头组合与Beta、换手率、收益率及波动率正相关，与估值（BP）负相关。
- 多头组合基本面优良，盈利能力（ROE、ROA）、成长能力及运营能力表现突出。

• 剔除风格因子后因子表现依旧稳健 [page::11]:

- 正交主要风格因子后，RankIC均值仍达-4.4%，多空组合月均超额收益0.96%，胜率72%。

• “博彩偏好”与“风险补偿”效应拆分及回归分析 [page::12][page::13]:

- 构建“暴涨因子”(Jump)和“暴跌因子”(Crash)，剥离相互影响后进行回归。
- Jump因子与特质偏度正相关，Crash因子负相关，解释力达77%。

• Jump与Crash因子选股效应比较 [page::13][page::14]:

- 暴涨因子RankIC均值-8.7%，月胜率12%，显著优于暴跌因子（RankIC-4.1%，月胜率28%）。
- 剥离风格因子后，暴涨因子仍表现优异，显示“博彩偏好”在A股占主导。

• 不同样本划分下特质偏度因子表现 [page::14][page::15][page::16]:

- 在高冲击成本（AmihudHigh）、无分析师覆盖、非股指期货成分股及非融券标的样本中，因子表现更优。
- 表明套利机制限制及信息不对称加强因子效果。

• 报告总结与风险提示 [page::16]:

- 高频特质偏度因子表现稳健且具显著选股能力，主导因素为投资者“博彩偏好”。
- 强调多头组合超额收益和因子动态监控重要性。
- 历史表现不代表未来，市场风格变化可能导致模型失效。

深度解析报告：《博彩偏好还是风险补偿？高频特质偏度因子全解析》

---

1. 元数据与概览

• 标题：《博彩偏好还是风险补偿？高频特质偏度因子全解析》

- 作者：陶勤英、张宇（财通证券量化团队分析师）

• 发布机构：财通证券研究所

- 发布日期：2019年12月10日

• 主题：该报告围绕2019年中国A股市场的多因子投资策略表现，重点分析基于高频日内交易数据构建的“高频特质偏度因子”，并深入探讨该因子背后的成因，即“博彩偏好”与“风险补偿”效应的区分及其市场表现。

核心论点：

• 2019年低估值、低特质波动和低换手率因子遭遇回撤，反映市场风格的调整，故需多角度研究因子有效性。

- 基于5分钟级的高频数据构建的特质偏度因子在A股表现优异，表现出稳定的选股能力和显著多头超额收益。

• 高频特质偏度因子与Beta、收益率、换手率和波动率正相关，与估值指标BP负相关；且即使剔除风格影响后，因子依旧具有显著的选股效能。

- 围绕该因子的溢价成因，学术界主要有“博彩偏好”和“风险补偿”两种解释，通过暴涨和暴跌因子的拆分分析，发现“博彩偏好”在个人投资者占多数的A股市场更为显著。

• 分析显示，在流动性差、无分析师覆盖、非股指期货成分股和非融券标的样本中，特质偏度因子的有效性更优，反映出市场信息不对称及制度限制对因子表现的影响。

---

2. 逐节深度解读

2.1 2019年度因子绩效回顾

总结与论据：

• 过去被广泛认可的低换手率、低波动率和低估值因子在2019年遭遇大幅回撤，市场风格快速切换导致传统因子表现失常。

- 因此，仅以RankIC（排序相关系数）观察因子有效性不够，需要结合实际多头组合的超额收益表现进行综合判断。

• 作者引用了广泛回测数据，2005年起覆盖Wind全A市场，采用正交化处理以排除市值和行业影响，确保因子纯净性。

- 表1列举了20个表现优异的单因子，经过RankICIR加权合成复合因子。

关键数据：

• 复合因子多头组合年化超额收益15.58%，空头组合-27.37%（见图1），显示因子组合表现良好且方向明确。

- 复合因子月均RankIC为12.5%，月度胜率88%，多头多空月均超额收益分别为1.17%和-2.07%（图2）[page::2][page::3][page::4]。

• 构建的中证500指数增强型组合显示18.43%的年化对冲超额收益，日胜率约59%，但2017年后绩效波动加大（图3、表2）。

推断：

• 多数单因子在近期表现回撤，特别体现在多头组合超额收益降低，而空头组合依旧落后市场，拖累整体绩效，解释了增强组合表现的下滑。

- 作者指出，因子有效性检验需包含多头超额收益的持续性，强调考察实盘投资价值的必要性。

---

2.2 高频特质偏度因子的构建及实证表现

关键论据及构建方法：

• 报告深入讲解了矩的概念（均值、方差、偏度、峰度），特别强调偏度作为衡量数据分布厚尾性的重要指标（图5）。

- 采用日内5分钟高频交易数据，通过Fama-French三因子模型提取个股特质收益残差，进一步对残差进行对数变换以稳定波动。

• 用过去21个交易日的日内特质收益偏度的均值构建高频特质偏度因子（公式详尽，条理清晰）[page::7][page::8]。

因子表现：

• 高频特质偏度因子2013年以来月均RankIC约-9.5%，月胜率10%，多空组合月收益差2.19%，表现稳健（图6）。

- 多头组合年化超额收益达6%，空头组合年化超额收益大幅为负，显示强烈方向性（图7）。

• 因子多头组合的基本面表现优良，ROE、ROA、CFO、净利润同比及资产周转率均较高（图9），表明多头股质地优秀。

- 因子与Beta、换手率、收益率、波动率正相关，与估值指标BP负相关（图8），多头通常是低Beta、低估值、低换手率及低波动股票。

剥离风格影响：

• 对Beta、BP、Size、Turnover21、Vol21、Ret21等因子正交处理后，特质偏度依旧保持选股能力，RankIC均值降至约-4.4%，依然显著（图10）。

综合解读：

• 高频特质偏度因子不仅基于日内高频数据，捕捉了市场微观波动特征，也揭示出其稳定的选股能力；

- 多头组合基本面优异体现出了该因子有效性与公司质地的正相关，提升了其投资实用性价值。[page::9][page::10][page::11][page::12][page::13]

---

2.3 博彩偏好还是风险补偿？因子拆解与成因分析

背景：

• 学术界将特质偏度效应主因分为两类：

1. 博彩偏好：投资者追逐高偏度“彩票股”（即历史暴涨股），预期暴涨重现，形成价格偏离和终极回调；
2. 风险补偿：投资者持有低偏度股票承担暴跌带来的风险，因而获得风险补偿溢价。

因子拆解：

• 构建暴涨（Jump）和暴跌（Crash）因子，分别作为对应效应的代理变量，基于高频残差收益的日内极值计算（详见公式及ZScore标准化过程）。

- 通过横截面回归互相剔除暴涨与暴跌效应之间的相关性，获得纯净的Jump因子和Crash因子（公式清晰）。

统计结果：

• Jump因子与特质偏度正相关（系数0.89），Crash因子负相关（系数-0.87），模型总体解释力达77%。

- 右偏股票主要受Jump因子驱动，左偏股票更多受Crash因子影响（表5）。

• 实证上，Jump因子表现更强，月均RankIC约-8.7%，T值-8.86，月胜率达到12%。Crash因子表现相对弱（表6）。

- 正交化处理后，Jump因子选股能力依旧显著优于Crash因子，暗示博彩偏好效应在A股市场占主导地位（表7）。[page::12][page::13][page::14]

---

2.4 不同市场样本研究：流动性与信息效率影响

样本划分标准：

• 按Amihud非流动性指标分为高流动性和低流动性组。

- 按是否有分析师覆盖划分。

• 按是否为股指期货成分股划分。

- 按是否为融券标的划分。

实证发现：

• 在非流动性高、无分析师覆盖、非股指期货成分股和非融券标的股票中，特质偏度因子表现明显更好（表8，表9）。

- 这表明市场上的套利限制及信息不对称加剧了特质偏度因子的溢价表现，制度因素是驱动因子表现重要背景。

---

2.5 总结与风险提示

• 报告清晰总结了因子表现及成因，强调了不同风格因子表现的市场环境依赖性，以及新型高频结构数据对量化投资的推动作用。

- 提醒读者因子基于历史数据构建，未来市场风格变化可能导致模型失效，具备一定风险。

---

3. 图表深度解读

图1（复合因子年化相对超额收益）

• 显示20个组合从多头（D9）到空头（D0）年化超额收益递减，方向清晰且效果显著。多头组合年化超额高达15.58%，空头组合显著负超额（-27.37%），体现复合因子的强大区分能力。

图2（复合因子多空组合月度收益及净值曲线）

• 月均RankIC达到12.5%，胜率88%。多头月均超额1.17%，空头月均超额-2.07%，此数据支撑因子稳定的选股能力。月度收益波动符合风险偏好，净值曲线稳步上扬，显示组合高度增值潜力。

图3（中证500指数增强组合绩效）

• 展示增强组合相较标准基准和对冲组合的净值增长。对冲组合年化收益18.43%，波动率5.44%，信息比率3.39，整体表现优异，但2017年以来回撤风险加大，兼具波动性需规避风险。

图6（高频特质偏度因子多空月度收益及净值）

• 月均RankIC-9.5%，月胜率10%低但多空组合月均收益差2.19%，T值显著，反映市场对负指标因子有追捧（反向收益），表现突出。

图7（特质偏度各组相对基准年化超额收益）

• 逐组收益逐步递增，从多头组合6%到空头组合-22.8%，体现强烈的择股能力和明显的收益分层。

图8（因子与风格因子关系）

• 显示特质偏度因子多头组合与Beta、换手率、收益率、波动率正相关，估值因子BP负相关，印证因子在选股时综合考虑了风险与价值特征。

图9（因子与基本面因子关系）

• 多头组合在盈利能力（ROE、ROA）、现金流（CFO）、成长（净利润同比增长）和运营效率（资产周转率）指标上得分更高，表明选股方向偏向优质标的。

图10（剔除风格后正交化因子表现）

• 正交化后因子的表现依旧稳健，RankIC均值维持-4.4%，多空组合月均收益0.96%，表现依然显著，验证了因子纯净度及独立有效性。

表5-9（因子拆解及样本划分效果）

• 表5显示Jump与Crash因子对特质偏度的显著解释力度（系数绝对值接近0.9），表6和表7展示暴涨因子选股效果优于暴跌因子且剥离风格后依然有效。表8和表9则揭示不同样本划分中因子的表现差异及制度因素对因子表现的影响，支持制度环境对因子有效性的判断。

---

4. 估值分析

报告本身不聚焦传统的估值模型或公司个股估值，而是以因子收益表现和信息比率作为衡量因子投资价值的关键指标。采用的信息比率（Information Ratio）作为量化组合收益与风险调整后的绩效评价标准，展现因子组合的超额风险调整回报水平（例如中证500增强组合信息比率为3.39，显示优秀的风险收益比）。

---

5. 风险因素评估

• 历史数据依赖风险：因子构建和收益表现基于历史回测，未来市场环境及风格变化可能使模型失效。

- 市场风格切换：2017年以来传统多因子表现波动剧烈，强调需灵活调整因子组合。

• 制度约束风险：A股卖空、融券、做空等制度的不完善加剧了部分因子的表现差异，制度变动可能影响因子表现稳定性。

- 样本选择风险：不同市场样本因信息效率和流动性存在差异，因子表现具有异质性。

报告未详细提供具体缓解策略，但通过多样样本分析和剥离风格，已体现出对风险的初步量化和识别。

---

6. 批判性视角与细微差别

• 报告基于丰富数据和严谨方法，但因子表现对市场制度和投资者结构敏感，尤其高度依赖A股市场的个人投资者偏好，可能在其他市场或未来不适用。

- 该高频特质偏度因子表现为负RankIC，符合因子设计理念，但其基本面关联性略显复杂，正相关的Beta和负相关的估值指示该因子综合多维度特征，拆解后模型复杂，使用者需谨慎。

• 2019年因子回撤揭示传统因子有效性不可持续，表明未来因子模型需要动态调整，单一因子或复合因子的稳健性仍需进一步验证。

- 报告未深入讨论交易成本、高频数据处理细节及潜在风险，实际落地中可能面临更复杂的技术及市场问题。

• 以暴涨、暴跌因子拆解博彩偏好与风险补偿虽有学术支持，实际归因中仍存交叉和解释局限，需结合更多市场行为和宏观信息综合分析。

---

7. 结论性综合

本报告围绕2019年A股多因子投资表现，结合高频日内交易数据构建了“高频特质偏度因子”，并系统检验了其在A股市场的优异选股能力。该因子展现稳健的负RankIC和显著的多空超额收益，且多头组合对应基本面优质股票，体现较高投资价值。

通过学术视角的“博彩偏好”和“风险补偿”两条路径拆解，发现A股市场以个人投资者主导的“博彩偏好”效应更为突出，暴涨因子表现明显优于暴跌因子，进一步验证了因子的溢价来源。制度约束（流动性、信息不对称、做空限制）强化了特质偏度因子的表现差异，体现了市场微观结构对因子溢价的重要影响。

图形和表格清晰呈现了：

• 复合因子和高频特质偏度因子的年化收益及信息比率，表现稳定且显著。

- 不同因子分组的明晰收益梯度和基本面特征，确保因子经济直觉和实用性。

• 因子剥离风格影响后依然保持较强解释能力，因子独立性较好。

- 不同样本和制度背景下因子表现的差异性，支持投资者根据市场环境调整策略。

总体而言，报告立场明确，综合使用高频数据和量化方法，揭示了A股市场偏度因子的投资价值及其背后的行为金融学机制，为主动投资者提供了创新且实用的研究工具与策略指引。

---

报告结构清晰，内容丰富，理论联系实证充分，值得关注。

---

（全文主要结论、数据和图片均来源于报告各页，具体溯源码如所示；图片均引用对应页的相对路径以便查验）[page::0][page::1][page::2][page::3][page::4][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16]

报告