• 普通投资者因信息及处理能力劣势，难及时捕捉突发利好，且大单成交后市场跟随形成价格反应过度风险，若跟随不足则预示超额收益空间[pidx::0][pidx::1]

- “待著而救”因子通过计算优势时刻与其后跟随时刻的成交量比值，衡量普通投资者跟随强弱，因子值越小预示潜在收益越高，越大代表反应过度风险[pidx::3][pidx::4]

• 因子在2013-2023年市场中表现稳健，Rank IC达到-9.28%，多空组合年化收益33.16%，多头组合年化收益22.64%，空头组合年化收益-8.88%，分行业均表现较好[pidx::5][pidx::6][pidx::7]

- 正交处理常见风格因子后，因子依然具备较强选股能力，Rank IC均值为-4.42%，多空组合年化收益18.89%，信息比率3.42[pidx::8]

• 因子在沪深300、中证500、中证1000等主流指数成分股中均表现优异，年化多头组合超额收益分别为8.85%、9.16%、15.50%[pidx::9]

- 周频调仓使“待著而救”因子表现更佳，多空组合年化收益率达49.85%[pidx::14]

• 与其他9个高频量价因子正交合成的综合量价因子表现显著胜出，年化收益率49.23%，月度胜率达91.94%[pidx::17]

【方正金工】大单成交后的跟随效应与“待著而救”因子——多因子选股系列研究之十一 深度分析报告

---

1. 元数据与报告概览

• 报告标题：《大单成交后的跟随效应与“待著而救”因子——多因子选股系列研究之十一》

- 作者及机构：曹春晓，方正证券研究所

• 发布时间：2023年6月11日（公众号发文2023年6月12日）

- 研究主题：基于分钟频交易数据，探究大单成交后市场的跟随效应及其对股票价格波动的影响，构建了名为“待著而救”的多因子选股策略因子，精准识别市场对成交量突增反应的程度，判断股票潜在超额收益或回落风险。

核心观点与结论：

• 大量信息优势投资者在触发成交量激增的“优势时刻”买入后，如果市场产生大量普通投资者跟随买入，意味着价格存在短期反应过度风险。

- 相反，如果成交量激增后跟随量不足，暗示市场反应不足，股票未来可能获得超额收益。

• 基于此原理，构建“待著而救”因子，通过跟随系数量化普通投资者的跟随程度，结果显示该因子在月度及周频调仓频率下的选股效果优异，显著优于传统风格因子，且不同样本空间（沪深300、中证500、中证1000）表现均不俗。

- 将“待著而救”因子与此前系列多因子组合正交化合成后，综合量价因子表现进一步提升，年化收益率达到近50%，信息比率也较高。

---

2. 逐节深度解读

2.1 摘要与引言

总结： 作者指出，市场中信息优势者会在股票产生利好预期时形成大单成交，随后普通投资者基于信息劣势跟随买入，造成价格短期反应过度。若跟随交易不足，则可能出现价格反应不足的机会，后续股价有望获得超额收益。

推理依据： 以分钟频交易数据作为基础，通过观察大单成交后后续成交量的变化来度量市场跟随程度，从而构建量化因子。

重要性： 传统多因子模型中，成交量作为重要指标，但细化到大单成交后的跟随效应更能捕捉隐含的超额收益机会。

---

2.2 待著而救因子构建（方法论）

关键步骤：

1. 数据频率及样本过滤：

- 使用1分钟频率成交量数据，剔除盘前15分钟的活跃期数据（9:30-9:44），从开盘后第16分钟（9:45）开始分析，避免初盘扰动。

1. 定义“海量时刻”：

- 每日成交量最高的10个分钟时刻称为“海量时刻”，这些时刻反映投资者的大单买入行为。

1. 筛选“优势时刻”：

- 依据时间距离判定，如果两个“海量时刻”相隔超过5分钟即为独立时刻；若少于5分钟，第二次视为跟随现象，应剔除，只保留领先的“优势时刻”。

1. 定义“跟随时刻”：

- 每个“优势时刻”后续5分钟内视为“跟随时刻”，用于捕捉普通投资者的跟随交易行为。

1. 计算“跟随系数”：

- 跟随时刻成交量总和除以对应优势时刻成交量，衡量跟随交易强度。跟随系数越大，说明跟随越明显，反应过度风险高；系数小则反应不足，可能带来超额收益。

1. 日、月两级指标构建：

- 每日跟随系数取均值作为日跟随指标，月末计算过去20日的平均和标准差，分别称为“月均待著而救因子”和“月稳待著而救因子”，两者等权合成最终因子值。

推理与假设：

• 该构建方法假定大单成交时点的领先信息和普通投资者的跟随行为时间窗口（5分钟）是合理的，跟随程度通过成交量量化解决了信息不对称带来的滞后反应问题。

---

2.3 待著而救因子表现测试

• 测试方法与样本：

- 全市场非ST股票，剔除次新股，月频调仓，分组10等份，等权加权。
- 测试时间：2013年1月至2023年5月。

• 核心结果：

- 合成因子Rank IC（排序相关系数）均值为-9.28%，Rank ICIR（信息比率）为-4.23，表明因子负向关联未来收益，即跟随系数高（反应过度），未来收益较差，符合逻辑。
- 多空组合年化收益33.16%，信息比率3.51，表现优异。
- 不同细分因子中，月均因子空头表现优异，月稳因子多头表现更好。
- 十分组收益保持单调递减趋势，多头组合年化收益22.64%，空头-8.88%，表现稳定。

• 按年度与行业划分：

- 年度表现均显著且稳定，2023截至5月底多头上涨9.61%。
- 所有一级行业中表现均较好，大多数行业Rank IC均值超-8%。

---

2.4 剥离常规风格因子后因子表现

• 流动性和波动率因子与“待著而救”相关较高，其他风格因子相关较低。

- 正交（回归剔除）常见风格因子和行业因子后，纯净“待著而救”因子依然保持较好选股能力：
- Rank IC均值为-4.42%，Rank ICIR为-3.94
- 多空组合年化收益18.89%，信息比率3.42

• 说明该因子提供了独立的增量信息，不完全被传统因子解释。

---

2.5 因子在不同样本空间中的表现

• 测试沪深300、中证500、中证1000指数成分股：

- Rank IC均值分别为-5.75%、-6.69%、-9.44%
- 多空组合年化收益率分别为18.04%、17.67%、36.12%
- 多头组合超额收益分别为8.85%、9.16%、15.50%

• 表明“待著而救”因子适用范围广，尤其在较小市值（中证1000）表现更优。

---

2.6 指数增强模型检验

• 在沪深300/中证500/中证1000增强指数策略中，仅使用该因子打分，控制市值中性与行业中性，个股权重误差小于1%。

- 年化超额收益率分别为5.82%、8.41%、14.25%，显示该因子在实战增强策略中具有应用价值。

---

2.7 高频因子低频化及频率敏感性

• 因子底层基于分钟频数据，但在月度频率使用。

- 研究发现将调仓频率调整为周频时，因子表现更佳：
- 多头组合年化收益约29.57%
- 多空组合年化收益约49.85%

• 表明低频化处理和中等频率调仓利于因子稳定性与收益表现。

---

3. 多因子整体整合及比较

• 作者将“待著而救”与此前九个基于量价关系构建的高频因子（如“适度冒险”、“完整潮汐”、“勇攀高峰”、“球队硬币”等）进行正交和等权合成，构建综合量价因子。

- 综合因子表现：
- Rank IC均值提升至-12.64%，ICIR -5.48
- 多空组合年化收益率达到49.23%，信息比4.62，月度胜率高达91.94%

• 剔除常见风格因子后的纯净综合因子依然强劲：

- Rank IC均值-7.49%，ICIR-4.11
- 多空组合年化收益29.90%，信息比3.36

• 周频调仓下综合量价因子多头年化收益达41.98%，空头-23.39%

- 显示“待著而救”提升了多因子模型的选股效率和收益。

---

4. 图表深度解读

报告中多处图表展示了以下关键信息：

• 因子表现图表：

十分组收益图显示，单因子及组合因子在不同时间点和行业的单调性较好，多头表现明显优于空头，分组收益稳定且显著。

• 相关性矩阵图：

“待著而救”因子与其他量价因子及流动性、波动率因子呈现中低相关，证实其信息增量。

• 指数增强表现曲线:

展示因子在沪深300、中证500、中证1000的增强效果，收益曲线持续向上，模型稳定性好。

• 分样本空间表现表格：

三大指数样本的Rank IC和年化收益数值直观体现不同规模股票池中因子表现的优劣差异。

---

5. 估值方法与分析

本报告属于量化投资因子研究，未直接涉及股价估值模型（如DCF、PE等），而是通过构建统计学上有效的多因子因子进行股票排序及组合构建，典型量化多因子模型框架：

• 利用分钟级的成交量数据，提取核心信号“跟随系数”作为因子。

- 利用Rank IC、ICIR作为因子有效性指标。

• 使用月度、周度调仓频率控制因子换手及估计风险。

- 结合行业、市值中性等限制，避免估值偏差带来的系统性误差。

因此，估值部分重点在于多因子打分模型的构建及因子统计检验，而非传统估值理论。

---

6. 风险因素评估

报告明确提示：

• 本研究基于历史数据分析，历史规律未来可能失效。

- 因因子表现受宏观及市场环境影响，存在阶段性失效风险。

• 突发市场超预期变化可能导致因子预测偏差。

- 股价反应与跟随效应受市场心理和信息传播的复杂变量影响，模型假设存在不确定性。

报告未具体给出风险缓释方案，但提示投资者警惕因子时效性和环境适应性，同时建议结合多因子、风险控制策略使用，分散特定风险。

---

7. 批判性视角与细微差别

• 假设合理性：筛选“优势时刻”和5分钟跟随窗口基于对普通投资者行为的合理假设，但不同市场结构或阶段可能有较大差异，短窗口或重要波动可能未捕捉到。

- 负向Rank IC含义：因子Rank IC为负，表明该因子数值越大，对应未来收益越低，属于逆向因子，需要投资者理解和反向操作使用，市场环境改变时该逻辑可能失效。

• 样本选择偏差：剔除次新股和ST股，因子表现稳健但在小盘股或新股市场的表现和适用性未知。

- 数据频率与现实交易成本：高频数据计算因子后降频应用，现实操作中月度或周度换手频率较低，可能导致捕捉信号的滞后，实际操作需权衡。

• 行业差异与外部环境：行业表现虽整体较好，但具体行业波动可能影响因子表现稳定性，报告未细化行业调控对因子影响。

---

8. 结论性综合

本文详尽探讨了如何通过对大单成交后的跟随效应量化，构造“待著而救”因子来识别市场中普通投资者的过度反应或不足反应现象，从而挖掘超额收益机会。

• “待著而救”因子基于分钟级成交量的优势时刻筛选和后续跟随量度量，数学清晰，经济逻辑合理，囊括了投资者行为差异的信息优势。

- 因子在全市场及不同指数样本空间的测试均表现良好，数据指标（Rank IC、ICIR、多空组合收益、信息比率）在量化领域处于领先水平。

• 在剔除主流风格因子影响后，因子依然保持独立选股能力，显示出强大的信息增量价值。

- 将该因子与其他九个高频量价因子合成后，形成的综合量价因子极大提升了因子稳定性和收益水平，月度胜率高达近92%。

• 该因子适合应用于指数增强策略，在控制市值、行业中性约束下依然能够带来显著的超额收益，体现实际应用价值。

- 周频调仓时因子表现优于月频调仓，提示在策略设计时应权衡换手率与信号强度。

• 报告明确告知历史数据不代表未来，且因子可能存在阶段性失效风险，提醒投资者理性使用。

整体而言，“待著而救”因子是对量价关系研究的有益补充，充分利用大单成交的市场信号，优秀地捕捉了市场跟随行为的结构性机会，是多因子组合优化的重要候选。

---

免责声明：本文系对原始研究报告的基于内容的客观解读与分析，不包含个人投资建议，投资需谨慎。

报告