盈余动量与营收动量表现优异 [page::3][page::4][page::5]

• 盈余动量因子SUE和营收动量因子REVSU基于过去一年财务数据构建，IC值和IR表现优于传统成长因子SalesGq和ProfitGq。

- SUE的IC平均值为0.033，IR为0.881，因子收益t值最高达2.7，表现最佳。

• 数据显示成长类因子中，SUE与REVSU关联性高，具有效率和代表性。

残差动量因子及极值距离动量表现分析 [page::5][page::6][page::7]

• 残差动量因子基于Fama-French三因子模型残差构建，表现出显著反转特征，IC平均为负，收益t值未实现稳健正收益。

- 距离极值距离动量因子(如TOMAXDIS6m)中期动量效应较为明显，T值绝对值的平均值较传统动量更高，IC值但稍低。

• 动量因子多体现反转性质，中期基于极值距离的动量指标表现优于部分传统动量指标。

行业分层动量效应差异明显 [page::8][page::9]

• 银行业短期动量反转不稳定但中期动量明显，TOMAXDIS6m因子在银行表现突出。

- 餐饮旅游行业显示适度中期动量效应，短期动量反转不稳，长期呈反转趋势。

• 行业动量表现呈现周期性差异，揭示投资应结合行业属性。

基本面精选股票池构建及动量反转表现复杂 [page::9][page::10][page::11][page::12]

• 通过ROETTM >15，BasisEPS同比增率>20%，净利润同比增率>10%，结合大单净流入剔除差股，精选出平均167支质量较高的股票池。

- 利用RPS指标进行日频分层，结合指数择时控制仓位，股票池表现动量与反转效应交织，主要取决于市场行情状态。

• 2015-2017年反转效应明显，2017-2019年表现动量效应，结合仓位变化后分层收益差异缩小，表明基本面良好的股票池内动量效应复杂多变。

投资建议与风险提示 [page::0][page::13]

• 动量因子在A股市场表现受行业、时间窗口及样本构成影响显著，主观择时结合动量因子可以提升投资效果。

- 模型存在过度优化及失效风险，建议投资者关注模型适用范围及市场环境变化。

金融工程专题报告——动量类新因子及结合基本面的动量反转测试详尽分析

---

1. 元数据与报告概览

• 报告标题：动量类新因子以及结合基本面的动量反转测试――金融工程专题报告

- 分析师：郝倞

• 发布机构：渤海证券研究所

- 发布日期：2019年12月13日

• 研究主题：本报告围绕股票市场动量因子的创新因子构建，结合基本面数据，深入探讨中国A股市场动量效应及反转效应，重点验证几种新型动量因子的表现及其行业分化特征，同时测试基于优质基本面股票池中的动量反转特征。

核心观点简述：

• 盈余动量因子（SUE）与营收动量因子（REVSU）表现较传统成长因子强，具有更好的预测能力。

- 残差动量及两类距离极值动量因子在全市场样本表现为反转效应。

• 在银行和餐饮旅游两个细分行业中，某些动量因子（如RESID6M和TOMAXDIS6M）表现出显著中期动量效应。

- 基本面精选股票池中的动量、反转效应更加复杂，与整体行情周期高度相关，表现具备波动性和阶段性。

• 风险提示强调模型可能存在过度优化及失效风险。

总体来说，报告主旨在通过多角度、多因子和多样本测试，深入剖析A股市场动量效应的复杂性与行业差异，提示投资者动量策略应用中需结合市场环境及个股基本面择时。

---

2. 逐节深度解读

2.1 前言（第3页）

• 内容概述：介绍国际（美股）与中国A股市场动量因子研究的差异，指出A股市场传统动量因子多表现为反转效应。

- 逻辑依据：基于现有文献和市场实证，提出细分构造各种动量因子，借鉴国际研究，期望发掘中国市场中不同样本及行业的动量规律。

• 关键假设：区别短期、中期、长期动量反转与动量效应，认为构造更为细致的因子可揭示隐藏的市场规律。

2.2 盈余动量与营收动量（第3-5页）

• 因子定义：

- SUE（Standardized Unexpected Earnings），即标准化盈余动量，反映最近4期（1年）EPS年同比增长除以同期EPS标准差，过滤负值情况。
- REVSU（Revenue Surprise），同样方法计算营收动量。

• 测试结果：

- SUE和REVSU的IC值（信息系数）和ICIR（IC的均值除以标准差）较其他成长因子（SalesGq、ProfitGq）表现更佳，表明预测能力更强。
- 表1显示SUE的IC>0概率为76.06%，IC均值0.033，IR为0.881，因子收益t值为2.7，均跑赢同类成长指标。

• 图解：

- 图1、图2展示了SUE和REVSU因子随时间的正向提升，说明均衡预期盈余与营收变动能切实捕捉成长动量的股票表现优势。

• 分析：

- 标准化处理控制了盈利波动性，使得因子稳定性更优。
- 测试期采用近一年数据，灵活适应A股财报周期。
- 盈余动量因子尤为突出，适合构建成长投资组合。

2.3 残差动量（第5-6页）

• 定义：将传统动量因子经过Fama-French三因子回归后，以其残差作为新的动量因子，剥除规模、账面市值效应和市场整体影响。

- Fama-French三因子说明：
- SMB（Small Minus Big）：小市值减大市值股票组合收益差
- HML（High Minus Low，文中称VMG）：高账面市值比减低账面市值比组合差异
- 市盈率为沪深300日频收益率

• 测试结果：

- 图3、4、5表现为1个月、6个月残差动量收益曲线均呈负趋势，显示残差动量同传统动量均表现为反转效应。
- 表2统计数据，RESID1M的IC均值为-0.038，呈负值且因子收益t值在-1.875，表明缺乏持续动量优势。
- 结论为残差动量并未带来优于简单动量的显著改善，仍具反转特征。

2.4 距离极值距离动量与时间动量（第6-7页）

• 因子定义：

- TOMAXDIS 与 TOMINDIS：计量月末价格与月内最高价或最低价的比例偏离，强调价格极值与当前价格的距离。
- TOMAXTIME 与 TOMINTIME：极值点出现时间占比，反映价格极端发生时机。

• 测试指标：

- 表3显示“距离极值距离”类因子（TOMAXDIS和TOMINDIS）的IC均值均为正，IC>0概率高，代表部分正向预测，特别是在3个月及6个月周期。
- “距离极值时间”类因子多数表现不佳，IC为负或接近零。

• 趋势解析：

- 距离极值的距离因子在中期持有期间（3M，6M）有较好表现，短期动量反转效应较弱。
- 视觉图和统计验证显示，这类因子短期提升辨识动量的能力较传统因子更好，值得关注。

2.5 分行业测试（第7-9页）

• 银行行业：

- 传统的6个月收益动量因子无明显效应；
- 新型距离极值距离动量6个月因子（TOMAXDIS6M）及残差动量6个月因子（RESID6M）表现出稳定的中期动量效应（图6），即过去表现好的股票继续表现好。
- 结论：银行行业存在显著的中期动量特征，动量反转现象不明显。

• 餐饮旅游行业：

- 同样表现出中期动量效应，RESID6M因子中动量表现稳定（图7）。
- 说明此行业股价也可从动量策略中获益，且可能受终端消费景气影响。

2.6 特定股票池动量（第9-13页）

• 股票池构建（6.1-6.2节）：

- 按照ROETTM > 15%、BasisEPS同比增长>20%、净利润同比增长>10%设立基本面优质股票池。
- 结合大单净流入占市值比例指标进行剔除流动性差股票，均衡质量与资金流入，控制风险。
- 图8和图9显示股票池规模平均约167-215支，体现精选与流动性的双重过滤。

• RPS指标（6.2节）：

- 计算120、250日涨幅排名（RPS）的归一化指标，整合短中期动量排名，以剔除次新股偏差。
- 使用全市场与行业内分层，参考CANSLIM理论，意在捕获动量和成长双重属性。

• 指数择时策略（6.3节）：

- 为跑赢熊市和极端行情，结合全市场下跌幅度和均线状态调节仓位。
- 具体条件包括连续5个交易日跌超12%全空仓，低于120日均线时半仓控制，展现基于市场风险的动态仓位管理。

• 测试结果分析（6.4节）：

- 图10显示将股票按照RPS分层，顶层（75-100）走势整体优于低层（0-25）股票，体现了动态选股的有效性。
- 图11展示Bottom-Top层差随大盘走势波动，反转效应与市场环境密切相关。
- 结合仓位控制后（图12、13），动量与反转效应表现更为复杂，牛市后期反转明显，横盘震荡偏动量效应。

• 关键解读：

- 基于基本面的精选股票池内，动量与反转现象依赖市场行情波动，不同于全市场样本的持续反转。
- 顶层股票存在个别被快速拉升后回调，择时和个股分析有助提升组合表现。
- 对投资者提示：在优选个股基础上，结合市场周期择时十分关键。

2.7 风险提示（第13页）

• 主要风险：

- 模型过度优化风险：针对历史数据调整过度，可能导致模型失效。
- 模型失效风险：未来市场可能与历史规律不符，因子策略失效。

• 报告作者隐含提醒：动量因子虽有统计意义，但实际操作需谨慎，避开过拟合及市场结构变化。

---

3. 重要图表解读

图1、图2：SUE和REVSU因子时间序列

• 展示2009年至2019年间这两个盈余及营收动量因子的正向累计表现趋势。

- 随时间推移因子值稳步上升，反映持续存在的正向动量效应。

• 结合表1中较高的IC值等指标，支持盈余动量因子稳健性。

表1：SUE和REVSU与传统成长因子对比

• 均显示SUE的表现最好，指标体系IC>0概率接近76%，远超传统SalesGq。

- 表明盈余动量因子量化效果优异，推荐作为成长股选股因子。

图3-5：RESID1M、RESID6M残差动量走势

• 呈现明显负趋势，说明残差动量整体显示反转效应特点。

- 与表2统计一致，残差动量不适合作为单独的正向动量因子。

表2：残差动量因子统计

• 负的IC均值、较低因子收益t值，表明该因子在A股主要呈反转效应。

- 传统动量因子亦表现为反转，与残差动量同质。

表3：距离极值动量因子表现

• TOMAXDIS、TOMINDIS等距离极值距离因子呈现正IC，尤其3个月、6个月期的IC>0概率超过55%，部分指标t值大于2，具有统计显著性。

- 说明极值距离动量因子能补充传统动量不足，是新的动量择时维度。

图6：银行行业TOMAXDIS6M动量表现

• 该图显示银行行业基于TOMAXDIS6M因子的收益曲线，呈现持续向好趋势，体现银行行业中期动量效应明显。

图7：餐饮旅游RESID6M因子表现

• 显示餐饮旅游行业基于残差动量6个月因子收益表现，具有稳健的中期动量优势。

图8-9：股票池规模变化

• 图8显示基本面选股规模200-300股之间波动，体现策略严格但有足够样本空间。

- 图9显示结合资金流后股票规模有所下降，约167股左右，保证股票质量及流动性。

图10-13：基本面精选池分层表现及仓位调节效果

• 图10、12显示按RPS划分的不同层次股票收益分化明显，尤其高RPS股票表现更佳。

- 图11、13显示Bottom-Top差值与市场行情高度相关，反映动量/反转效应的动态切换。

• 结合仓位调整后表现更为理想，缓和了极端行情影响。

---

4. 估值分析

报告核心内容不涉及具体企业的估值测算或目标价，但报告采用了金融工程中的多因子构建和检验方法，隐含使用统计指标如IC、IR、t值进行因子有效性评估，属于因子投资模型研究范畴。报告未具体披露DCF、P/E等传统估值模型。

---

5. 风险因素评估

• 过度优化风险：因子建立过程若针对历史数据过拟合，未来表现可能明显下滑。

- 模型失效风险：市场结构变化、新的市场机制或政策变动可能使得历史有效因子失去作用。

报告未具体给出风险缓释方案，但结合指数择时仓位管理策略可对一定程度风险进行动态控制。

---

6. 审慎视角与细微差别

• 报告强调多因子测试，谨慎对待传统动量因子在A股普遍表现反转的普遍现象，体现科学求证的态度。

- 报告中基础财务数据质量及数据频次与国外成熟市场存在一定差异，可能影响因子稳定性，需投资者警惕。

• 基于基本面的股票池研究显示，动量效应受市场整体环境影响较大，暗示单纯依赖因子可能存在阶段性风险，需结合择时策略。

- 对极值动量因子的研究较新颖，统计结果说明该因子虽有优势但IC和IR数值仍较低，提示实际应用尚需进一步验证。

• 报告未披露样本期间对行业是否完全覆盖，有待关注样本偏差。

- 本报告风险提示较为简洁，未详述具体事件风险及市场影响，投资时需额外监测宏观环境。

---

7. 结论性综合

本报告对A股市场动量因子进行了多维度创新构造与实证测试，得出以下关键结论：

• 盈余动量SUE与营收动量REVSU因子优于传统成长因子，信息系数和收益显著，值得作为成长股选股核心指标。

- 残差动量因子整体呈现反转效应，未能带来超越传统动量的预测改进。

• 新颖构造的距离极值距离动量因子（TOMAXDIS、TOMIN_DIS）在中期表现出一定的动量效应，高于传统动量因子的统计显著性，具有应用潜力。

- 行业异质性显著，银行和餐饮旅游行业中部分动量因子表现出明显中期动量效应，说明行业内资本市场结构存在差异，动量策略需定制化。

• 结合基本面精选股票池，动量反转效应复杂且时变，与牛市、熊市和震荡市行情周期紧密相关，动量策略表现受市场环境影响显著。

- 指数择时结合动态仓位管理能有效缓冲极端行情风险，提升因子策略的稳定性和收益表现。

• 模型的过度拟合和失效风险不容忽视，需持续动态优化因子和策略，结合后续研究方向，如个股择时和基本面选股策略，提升策略整体抗风险能力。

综合本报告数据图表和逻辑推演，可以明确看出作者认为：

• 盈余动量类因子（SUE）是当前A股环境下较为稳定且有效的成长类动量因子，值得重点使用。

- 新的极值距离动量类因子，是一种有潜力改善传统动量因子预测能力的创新工具。

• 结合市场大环境和分行业视角，动量策略需要动态调整和细分市场的差异化操控。

- 基本面优选股票池内，动量与反转效应不稳定且与行情相关，提示投资者宜实施动态择时。

• 风险管理及模型稳健性检验是动量策略成功的关键。

---

总结

这篇由郝倞主笔的金融工程专题报告通过采用多因子、分行业、精选股票池等多维测试手段，系统性地揭示了A股市场内动量类因子的复杂表现及投资应用的策略思考。报告数据详实、方法多样，结论合理且结合实际行情周期变化，体现较高的专业水平。尽管报告指出了模型潜在风险，但仍为A股动量策略的理解和构建提供了有价值的参考框架，特别是提出了结合基本面和市场择时的策略建议，为投资实践提供了现实指导。

---

参考页码

本分析内容涉及全文，特别重点引用并标注了如下页码内容：[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13]

---

（报告内原文图表均以形式嵌入于分析相应段落位置供对照）

报告