• 江西（2008）方法简化以“单利”和“连续复利”收益率差值衡量股价跳跃，构造“月跳跃度”因子，日内跳跃度在小市值股如中证1000中更显著（见图1、2）[pidx::1][pidx::2]。

- “月跳跃度”因子Rank IC约-7.63%，多空组合年化收益高达34.71%，显示良好选股能力[pidx::3]。

• 传统振幅因子表现波动且信息比率低，通过区分“火把”型（含跳跃）和“太阳”型（无跳跃）振幅，修正振幅因子选股效果显著提升[pidx::4]。

- 两种“修正振幅”方法均提升Rank IC和ICIR，合成后因子表现最佳，年化收益率达36.68%，信息比率3.28[pidx::5][pidx::6][pidx::7]。

• “飞蛾扑火”因子（“月跳跃度”与“修正振幅”合成）Rank IC为-8.90%，年化收益37.30%，月度胜率87.83%，选股稳定性突出[pidx::8]。

- 剔除其他风格因子后，“飞蛾扑火”因子依旧表现优异，年化收益23.35%，呈现高度增量信息价值[pidx::9]。

• 该因子在沪深300、中证500、中证1000指数成分股中均具备显著多空超额收益，最大达13.87%[pidx::10]。

方正金工报告《个股股价跳跃及其对振幅因子的改进——多因子选股系列研究之六》详尽分析

---

1. 元数据与概览

• 报告标题：个股股价跳跃及其对振幅因子的改进——多因子选股系列研究之六

- 作者：曹春晓，春晓量化，方正证券研究所分析师，资质编号 S1220522030005

• 发布日期：2022年9月22日

- 发布机构：方正证券研究所

• 研究主题：股票价格跳跃特征及其在股票振幅因子上的应用改进，构建新的多因子选股模型

核心论点与目标

本报告围绕“博彩偏好”投资心理，通过引入股价跳跃的度量方法，改进传统的振幅因子，构建了一个新的多因子选股因子——“飞蛾扑火”因子。作者核心观点是：价格发生跳跃的股票更容易被博彩偏好型投资者追逐，这类股票常常被过度买入并未来可能出现回撤，因此传统振幅因子应结合跳跃特征进行修正。综合跳跃度因子和修正振幅因子表现出的“飞蛾扑火”因子，能够更有效识别未来表现欠佳的“博彩股”，从而提升选股效果。

报告结论显示，“飞蛾扑火”因子在多个广泛股票池中均取得了优异的选股效果，表现出较高的负向Rank IC值、较好的ICIR和年化收益率，强调其实用价值。

---

2. 报告逐节深度解读

2.1 报告摘要与引言

摘要明确提出了“博彩偏好”心理对股价跳跃的关注，分析股价跳跃度的构造方法及其如何修正传统振幅因子。引入Jiang(2008)的股价跳跃计算方法，结合单利与连续复利两种收益率计算差值的简化机制，定义“月跳跃度”因子。通过对振幅因子的“火把型”和“太阳型”划分，修正传统振幅因子并构建“修正振幅”因子，最终融合为“飞蛾扑火”因子。

核心逻辑：

• 跳跃上涨会吸引“博彩偏好”投资者，但这一行为往往伴随超买风险；

- 基本面稳健股票上涨多为平缓步骤，不伴随明显跳跃；

• 识别跳跃性上涨是筛选有效股票和规避风险的关键。

2.2 股价跳跃度的测量方法（章节2.1）

关键论点

采用分钟数据计算“单利收益率”（简单收益率）与“连续复利收益率”（对数收益率）之间的差异作为跳跃度的代理。具体步骤包括：

• 剔除开盘和收盘，以日内分钟收盘价分别计算单利收益率 \(R{sl} = \frac{Pt}{P{t-1}} -1\) 和连续复利收益率 \(R{cl} = \ln\frac{Pt}{P{t-1}}\)。

- 计算两者差值（单复利差）及基于泰勒展开的残差，用日内所有分钟的残差均值衡量日跳跃度。

• 进而计算过去20个交易日的均值与标准差，综合得到“月跳跃度”因子。

关键数据和图示解析

报告展示了2022年8月19日沪深300、中证500、中证1000及全指指数的单复利差时序图，显示小市值股票如中证1000指数更易出现股价跳跃。此外，对比贵州茅台与宁德时代单复利差走势，观察到两者跳跃行为差异较大，显示个股跳跃时点和幅度具有个体差异。

推断和假设

跳跃值越大意味着价格运动非平滑，短期内存在大的跳变，往往容易引发市场过度反应。该测度依赖分钟数据的高频价格信息，假设数据完整且清洗到位。

2.3 跳跃度因子测试效果（章节2.1末尾）

经过市值和行业正交处理后，在2013年1月至2022年8月的全A股股票月度测试显示：

• “月均跳跃度”、 “月稳跳跃度”、 “月跳跃度”因子Rank IC分别为约-6.90%、-6.60%和-7.63%，对应Rank ICIR分别为-3.86、-3.15和-3.68。

- 多空组合年化收益率分别达到约28.7%至34.7%，信息比率达到较为理想的水准。

由此认为跳跃度因子表现良好，负的Rank IC表明高跳跃因子值通常预示后续表现欠佳。

2.4 传统振幅因子介绍与分类（章节2.2）

• 传统振幅因子定义为 \(\frac{当日最高价 - 当日最低价}{前一日收盘价}\)的20日均值。

- 其Rank IC虽有-7.41%，但Rank ICIR仅-2.05，信息比27不理想，表明执行力及稳定性不足。

报告提出将振幅因子细分为：

• “火把”型振幅（含跳跃）：日内存在明确跳跃且容易吸引博彩偏好型投资者；

- “太阳”型振幅（非跳跃）：波动虽大但没有跳跃，不具备吸引度。

这种分类旨在剖析传统振幅因子存在的识别盲区。

2.5 “修正振幅”因子构造（章节2.3 及2.4）

修正振幅因子1

• 按“日跳跃度”排序，当日个股跳跃度低于截面均值的归为“太阳”型振幅，其振幅乘以-1进行负号翻转，跳跃度高于均值归为“火把”型，保持正值。

- 按天累积计算20日均值，构建“修正振幅1”因子。

实验结果显示，Rank ICIR从-2.05提升至-4.41，年化收益率从传统振幅未列具体数字提升到30.28%，信息比率提升到3.16。

修正振幅因子2

• 利用日频最高价与最低价，通过类似“跳跃度”的构造逻辑，计算“单复利差”与“泰勒残项”，分类振幅为“太阳”型或“火把”型并翻转。

- 同样计算20日均值得出“修正振幅2”因子。

该因子Rank IC达到-8.47%，Rank ICIR为-3.89，年化收益率33.83%，信息比率2.82，较修正振幅1有进一步提升。

合成修正振幅因子

• 两个修正振幅因子等权合成，

- 结果Rank IC达到-8.70%，ICIR达到-4.38，

• 年化收益率36.68%，信息比率3.28，皆优于单只因子。

通过该过程，报告成功改良了传统振幅，强化了其稳定性和选股效果。

2.6 “飞蛾扑火”因子定义及表现（章节2.6）

• “飞蛾扑火”因子即将“月跳跃度”因子与合成后的“修正振幅”因子等权合成。

- 测试结果：Rank IC达到-8.90%，Rank ICIR为-4.52，年化收益37.30%，信息比率3.51，月度胜率高达87.83%。

• 因子负相关性表明其能够有效捕捉到博彩型股票风险。

该组合指标表现更优，融合两种跳跃相关指标的优势。

2.7 剥离其他风格因子影响后的验证（章节2.7）

• 报告进一步与主流风格因子作相关性分析，发现“飞蛾扑火”因子与流动性、波动率因子相关度较高。

- 在剔除行业与风格因子影响后，对“飞蛾扑火”因子进行正交化，得到“纯净飞蛾扑火”因子。

• 正交化后仍表现稳健：Rank IC为-5.03%，Rank ICIR为-2.68，年化收益率23.35%，信息比率2.46。

这表明“飞蛾扑火”因子并非简单重复其他因子，具备独立增量信息。

2.8 因子在不同指数成分股的表现（章节2.8）

• 在沪深300、中证500、中证1000指数样本中，因子均表现良好。

- 多头组合年化超额收益分别达到6.05%、8.48%及13.87%，说明因子在大中小市值股票均有效，且对小盘股表现更佳。

---

3. 图表深度解读

图表1：2022年8月19日四个指数单复利差时序变化图

• 表示沪深300、中证500、中证1000及中证全指当天的分钟级单复利差走势。

- 结论：中证1000小市值股票跳跃度整体更高，体现小盘股跳跃风险更大。

• 说明指数间跳跃特征差异，强化跳跃因子的实用性。

贵州茅台与宁德时代单复利差时序图

• 宁德时代跳跃度明显高于贵州茅台，体现白酒龙头股价格平稳上升，小市值或高波动成长股跳跃特征明显。

- 视角验证了跳跃度因子对个股特性的识别能力。

选股效果表现表与折线图（多个章节中）

• Show Rank IC、Rank ICIR、年化收益率、信息比率及月度胜率等指标体现因子有效性。

- “飞蛾扑火”因子在所有指标均优于传统振幅和单一跳跃因子，说明组合策略较优。

---

4. 估值分析

本报告不涉及传统的公司估值模型如DCF、市盈率法等。其核心是因子构建和选股效果测试，利用统计学指标（Rank IC、Rank ICIR、多空组合年化收益率、信息比率）评价“飞蛾扑火”因子的有效性。

重要的是，因子投资采用横截面排序法，并非通过绝对估值，而是通过排行预测未来个股表现，因此估值方法多为统计绩效评估，而非传统估值。

---

5. 风险因素评估

报告明确指出风险：

• 历史规律失效风险：因基于历史数据建模，未来市场条件若发生改变，则历史因子效力可能失效。

- 市场超预期变化风险：包括政策、宏观经济、流动性等非线性冲击，可能影响因子表现。

• 阶段性失效风险：因子受环境影响存在涨落，可能出现阶段性无效或表现不佳。

报告未提供具体风险缓解措施，仅提示投资者关注风险。

---

6. 批判性视角与细微差别

• 报告假设：将单复利收益率差异与价格跳跃性直接挂钩，简化处理跳跃检测，但跳跃现象多受市场微结构及异常交易影响，模型对极端行情或缺失数据敏感。

- 负IC因子的解释：因子Rank IC为负，意味着因子值越高未来表现越差，投资者需正确应用反向策略，否则易误操作。

• 因子稳定性：报告虽进行了行业及风格正交验证，但未详述因子在极端市场（如2015年、中国股灾）表现，存在阶段性失效可能。

- 跳跃与博彩偏好关联：逻辑合理但未提供行为金融实证数据验证，仅基于推理，存在待进一步实证验证空间。

• 图示数据局限：部分图表无法直接展现，具体量化分布待补充，模型对交易数据完整性依赖较大。

---

7. 结论性综合

本报告深入探讨了股价跳跃的量化测度方法，基于分钟数据对单利和连续复利收益率差值作出创新性简化，用“泰勒残项”量化股价跳跃水平。结合传统振幅因子的不足，对振幅进行“火把型”和“太阳型”分类，采用截面翻转修正振幅因子，有效提升振幅因子的预测能力。

通过月跳跃度因子与修正振幅因子的等权合成，构建出“飞蛾扑火”因子，实证检测结果显示该因子在全A股及沪深300、中证500、中证1000指数成分股均表现出较强的选股能力，负向Rank IC高达-8.9%，ICIR达到约4.5，且年化收益约37.3%，信息比率超过3，月度更新胜率接近88%，参数指标均属行业领先水平。此外，该因子在剔除行业及常见风格因子影响后，仍保有较强独立解释力和选股能力。

整体来看，报告通过创新的跳跃度测量和振幅因子划分修正，提出了针对博彩偏好投资者行为的量化因子，增强了传统振幅因子的风险识别功能，为多因子模型提供了强有力的新型因子补充，具有较高的理论价值与应用潜力。

---

总体评价

报告结构严谨、论证逻辑清晰，数据分析细致，因子构建科学合理。报告对复杂金融概念如单利收益率、连续复利收益率、泰勒展开及残项做了适度解释，便于专业读者理解。

图表辅助说明跳跃特征的多维度表现，且大量实证检验使结论具有较强说服力。风险提示合理，但投资者需警惕因子模型可能的历史依赖及阶段性失效，谨慎使用。

综上，该报告为基于价格跳跃识别博彩偏好相关投资风险和机会提供了理论和方法支持，较好地补充了多因子策略中的价格波动类因子，值得研究和实践应用。

报告