2019年因子绩效综合回顾 [page::2][page::3][page::4]

• 复合因子多头年化超额收益高达15.58%，空头达到负27.37%。

- 月均RankIC值为12.5%，月度胜率88%，多头超额收益显著[page::3][page::4].

单因子表现及组合构建实证 [page::5][page::6]

| 因子名称 | 全样本RankIC均值 | 年初至今多头年化超额收益 | 年初至今空头年化超额收益 |
|--------------------|------------------|--------------------------|--------------------------|
| Turnover_1M（换手率） | -8.81% | 0.92% | -19.77% |
| BP（净资产/市值） | 5.52% | -2.06% | 6.33% |

• 换手率因子和估值因子近年多头表现显著回撤，导致复合因子表现下降。

- 开发量化工具箱（图4）支持因子绩效的周度、月度动态监测[page::5][page::6].

高频特质偏度因子构建与表现 [page::7][page::8][page::9][page::10]

• 通过5分钟高频数据提取特质收益残差的日内偏度，21日均值构建特质偏度因子。

- 因子月均RankIC达 -9.5%，多空组合收益差2.19%，月度胜率82.05%，多头有效性显著。

• 多头组合股票基本面优良，低Beta、低换手、低波动及低估值特征明显。

• 剥离主要风格因子后，因子表现依旧稳健，表明其alpha来源独立于传统因子[page::8][page::9][page::10][page::11][page::12].

“博彩偏好”与“风险补偿”效应拆解 [page::12][page::13][page::14][page::15]

• 构建暴涨(Jump)和暴跌(Crash)因子剥离特质偏度中的两类成分。

- Jump因子（暴涨）选股能力明显强于Crash因子，证实“A股博彩偏好”主导特质偏度溢价。
| 因子类型 | IC均值 | RankIC均值 | 多头月均超额 | 空头月均超额 | 多空收益差 | 月胜率 | T值 |
|---------|--------|------------|--------------|--------------|------------|--------|-----|
| Jump | -6.20% | -8.70% | 0.54% | -1.48% | 2.00% | 75.64% | 5.87|
| Crash | -3.30% | -4.10% | 0.39% | -0.88% | 1.18% | 74.36% | 3.21|

• 剥离主流风格因子后，Jump因子仍显著优于Crash因子，博彩偏好证据增强[page::13][page::14][page::15].

特质偏度因子在不同样本中的表现差异 [page::14][page::15]

| 样本类别 | RankIC均值 | 月胜率 | T值 | 年化收益 | 年化波动 | IR | 最大回撤 | 月度胜率 |
|--------------------------|------------|--------|-------|----------|----------|-------|----------|----------|
| 高非流动性(AmihudHigh) | -8.4% | 8% | -11.3 | 35.7% | 9.1% | 3.92 | 2.33% | 84.6% |
| 低非流动性(AmihudLow) | -10.1% | 15% | -9.2 | 24.3% | 11.1% | 2.19 | 7.8% | 75.6% |
| 无分析师覆盖 | -12.0% | 5% | -13.4 | 44.4% | 10.9% | 4.06 | 4.0% | 88.5% |
| 有分析师覆盖 | -8.7% | 14% | -10.7 | 28.9% | 10.2% | 2.83 | 6.13% | 82.1% |
| 非股指期货成分股(NotFutures) | -10.3% | 5% | 13.1 | 38.1% | 9.4% | 4.04 | 6.30% | 88.5% |
| 股指期货成分股(Futures) | -7.9% | 21% | -7.5 | 18.9% | 11.5% | 1.64 | 10.6% | 66.7% |
| 非融券标的(NotShortSelling) | -10.0% | 6% | -12.9 | 38.0% | 8.0% | 4.32 | 4.9% | 89.7% |
| 融券标的(ShortSelling) | -8.2% | 22% | -7.6 | 18.0% | 12.0% | 1.47 | 15.8% | 70.5% |

• 流动性较差、无覆盖、无做空渠道的股票中，特质偏度因子表现更佳，体现信息不对称及制度限制对因子有效性的影响[page::14][page::15].

结论与展望 [page::16]

• 2019年低估值、低特质波动和低换手等因子整体表现不佳，高频特质偏度因子显示稳定溢价。

- 高频特质偏度因子多头组合与良好基本面高度相关。

• “博彩偏好”主导因子溢价，投资者偏好高偏度“彩票股”。

- 市场流动性及制度限制对因子表现影响显著，针对不同样本表现异质。

• 量化工具箱持续更新单因子表现，支持动态跟踪与研究[page::16].

2019 年12 月10 日报告分析：《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： 2019 年12 月10 日《博彩偏好还是风险补偿？高频特质偏度因子全解析》

- 作者与发布机构： 陶勤英、张宇，财通证券研究所，财通金工团队，报告为“星火”多因子系列报告第九篇。

• 日期： 2019 年12 月10 日

- 主题： 本报告聚焦于高频特质偏度因子的构建及其在中国A股市场的特征和表现，进一步拆解特质偏度因子的成因，辨析“博彩偏好”与“风险补偿”的驱动机制。

• 核心观点：

- 2019年因子风格呈现变动，低估值、低换手及低特质波动等传统有效因子遭遇较大回撤。
- 基于5分钟高频数据计算的特质偏度因子表现优异，尤其多头组合业绩突出。
- 通过构建暴涨（Jump）与暴跌（Crash）因子，区分特质偏度的成因，验证“博彩偏好”在以个人投资者为主的A股市场中占主导。
- 在交易制度和信息不对称显著的样本中，特质偏度因子的表现更为强劲。

• 风险提示： 所有统计基于历史数据，市场风格变化可能导致模型失效。

- 投资建议评级： 报告正文未直接覆述，但行业评级给出“增持”及股评级体系条款。

整体上，报告旨在通过理论及实证分析，验证高频特质偏度的强选股能力及其背后的投资者行为动因，辅助投资者理解因子驱动力及风险，为量化投资决策提供依据。

---

2. 逐节深度解读

2.1 2019年因子绩效表现回顾

报告指出，在年内市场环境及投资者行为发生变化背景下，部分传统Alpha因子（低估值、低换手率、低波动率）表现大幅下滑，尤其多头组合超额收益大幅缩减，明确单纯观察RankIC指标不足以评价因子有效性，强调多头组合近年超额收益同样重要。

• 方法和样本：

- 使用Wind全A股数据，剔除上市不满100天、风险警示股、调仓日停牌、涨跌停股票。
- 因子涉及盈利（ROE系列）、成长、杠杆、流动性、质量、估值、波动率及特色因子。

• 表1详细列出20个Alpha单因子的定义及历史表现，显著指标如NetProfitQYOY RankIC-t高达6.49，换手率Turnover_1M 负向显著。

- 复合因子构建与表现：
- 多因子以RankICIR滚动加权合成，分组测试显示多头组年化超额收益15.58％，空头组-27.37％，表现良好且单调（图1）。
- 多空组合月度收益显示月均RankIC高达12.5%，多头相对基准超额1.17%，胜率超75%（图2）。
- 基于复合因子构建中证500指数增强组合，该组合年化收益约达20.52%，波动率偏低，信息比率优异（图3），但2019年仅获得1.61%超额，前几年风格冲击明显（表2）。

• 因子失效原因分析：

- 2019年多头表现下滑的主因是单因子多头组合超额收益回撤，而空头仍显著跑输基准，例：高换手率因子多头2019年收益大幅下跌。
- 估值因子低估值多头策略表现反转，表现不佳。

• 工具支持： 财通金工开发的量化工具箱（图4）便于因子表现跟踪，体现了作者团队对量化研究的技术体系建设。

[page::0,1,2,3,4,5,6]

2.2 高频特质偏度因子构建

• 采用日内5分钟高频数据，计算个股在该频率段的收益率的特质偏度。

- 先回归Fama-French三因子剥离市场因子影响，残差定义为特质收益率，并对其取对数后计算偏度。

• 以过去21日的日内特质偏度的均值作为最终因子值。

- 统计学基础详述包括一阶至四阶矩定义及偏度的含义（图5示意正偏、无偏、负偏）。

• 该因子从2013年5月开始测试，筛选样本类似上述多因子测试。

[page::7,8]

2.3 高频特质偏度因子实证表现

• 因子在2013年5月至2019年11月表现优异（图6）：月均RankIC -9.5%，多空组合月度收益差2.19%。

- 年化超额收益图（图7）显示多头正收益6%，空头 -22.84%。表4展示近年多头稳定取得超额收益。

• 风格相关性（图8）：该因子与Beta、21天换手率、收益率、波动率呈正相关，与估值BP负相关，显示多头持有低Beta、低换手、低波动和低估值股票。

- 基本面特征（图9）：多头组合基本面优异，在ROE、ROA、现金流及成长性等指标均表现较优。

• 剥离风格影响后，该因子的绩效依然显著（图10），RankIC均值降至-4.4%，但多空收益仍具统计显著性。

[page::9,10,11,12]

2.4 博彩偏好还是风险补偿？因子拆解与解释

• 学术界对特质偏度异象成因解释分成两类：

- 博彩偏好：投资者追逐“暴涨”彩票型股票，预期其继续暴涨，导致高特质偏度股票溢价；
- 风险补偿：持有低特质偏度、暴跌风险较高的股票以获取风险溢价。

• 构建Jump（暴涨）和Crash（暴跌）因子，用以分别代表前述两效应。基于日内残差对数收益标准化后取最大（Jump）和最小值（Crash）构建。

- 对Jump与Crash因子进行相互回归剥离相关性，再回归特质偏度原始因子，发现解释力显著且Jump因子正向系数大于Crash因子绝对值，表5显示二者对因子的解释度达到77%。

• 两因子性能对比（表6）显示Jump因子选股能力强于Crash因子，表7正交化剔除其他风格后结果保持一致，说明博彩偏好效应在A股中占优。

[page::12,13,14]

2.5 不同样本下的特质偏度因子表现

• 按照非流动性（Amihud）、分析师覆盖情况、是否为股指期货成分股及是否为融券标的将样本划分，验证特质偏度因子表现。

- 结果（表8、表9）显示，在非流动性高、无分析师覆盖、非股指期货成分股及非融券标的样本中，因子表现优异，年化收益和信息比率均高于对应反样本。

• 说明制度限制和信息不对称是影响套利和因子表现的重要因素。

[page::14,15]

2.6 总结与风险提示

• 2019年市场风格变换使部分传统因子失效，构建了基于5分钟高频数据的特质偏度因子以捕捉市场信息，表现优异。

- 高频特质偏度因子多头组合基本面良好，与Beta、换手率等因素正相关。

• 通过Jump和Crash因子拆解，识别出博彩偏好是特质偏度异象在A股的主要驱动。

- 样本划分进一步印证流动性、信息覆盖及做空机制限制对因子表现的影响。

• 报告强调历史数据局限，模型随市场风格变化可能失效。

[page::16]

---

3. 图表深度解读

图1（复合因子各组相对基准年化超额收益）

• 横轴为分组（从最强多头D9到最强空头D0），纵轴为年化超额收益率。

- 多头最高收益超15%，空头负收益超27%，展示了良好的单调性和区分能力。

• 说明复合因子对股票的选取有效，能够形成有效的多空套利结构。

- 该图为资本市场因子策略的基础验证。

图2（复合因子多空组合月度收益及净值表现）

• 蓝色柱状图为月度多空组合收益，红线为累计净值。

- Table指标中RankIC平均12.5%，胜率达88%，多头月超额收益1.17%，空头-2.07%。

• 净值平稳上升，表明策略稳定盈利且风险可控。

图3（中证500指数增强组合表现）

• 绿色线为多头组合净值，蓝线为基准，红线为对冲组合。

- 年化收益20.52%，对冲组合年化收益18.43%，但2019年单年表现明显下滑。

• 指出策略存在阶段性风格轮换风险。

图4（量化工具箱界面截图）

• 表明作者团队具备便利的工具系统支持，助力持续因子跟踪和研发。

图5（正偏、无偏、负偏分布示意）

• 基础统计教学，解释偏度概念。

图6（高频特质偏度因子多空月度收益及累计净值）

• 高频因子月均RankIC -9.5%，多空收益差2.19%，多头净值稳步增长。

- 强调高频数据因子的实证有效性。

图7（各组年化超额收益）

• 多头年化贡献6%，空头-22.8%，空头组合提供了稳定的价差为正向因子提供基础。

图8（风格因子得分）

• 市值得分均匀，Beta、换手、波动、收益率呈正相关，BP负相关。

- 反映多头为低估值且低风险成长型股票。

图9（基本面因子得分）

• 多头组合ROE、ROA、现金流及成长指标均较优，显示质量较好。

图10（正交化后因子绩效表现）

• RankIC均值下降但仍显著，多空收益率约0.96%，月度胜率72%。

- 说明因子非简单风格交叉品种。

表5（特质偏度因子对Jump和Crash回归）

• Jump和Crash因子合计解释特质偏度77%，结构显著。

表6、表7（暴涨与暴跌因子表现）

• 暴涨因子选股能力强于暴跌因子，且剔除风格因子后依然存在有效性。

表8、表9（不同样本RankIC及多空绩效）

• 非流动性高、无分析师、非期货成分股、非融券标的样本，因子表现明显优于对照组，印证信息和制度限制影响。

---

4. 估值分析

报告未专门提供估值模型或现金流贴现等企业估值内容，更多偏重于量化因子构建与实证表现，着重Alpha因子的选股能力和组合优劣验证，重点在因子构造理论风险及多空组合表现，而非公司或行业估值。

---

5. 风险因素评估

• 历史有效性风险： 任何因子的历史表现并不保证未来表现，市场风格变迁可能导致因子失效。

- 投资者行为风险： A股市场个人投资者偏好博彩性质股票，可能导致因子表现波动及遭遇阶段性回调。

• 制度限制： 做空机制缺失、流动性限制、信息不对称等因素均会影响套利效率，间接影响因子选股能力。

- 数据和模型风险： 高频数据处理和回归模型固有假设，可能导致测算偏差或低效信号。

• 市场流动性与冲击成本： 流动性差异对因子表现产生敏感影响。

- 市场变动风险： 杠杆变化、资金面波动等因素可能扰乱历史模式。
报告对风险均有明确提示，且未忽略其可能带来的实际投资冲击。
[page::0,16]

---

6. 批判性视角与细微差别

• 报告依赖高频数据残差计算偏度，微观结构噪声及数据完整性为隐含风险，虽说明取5分钟窗口为业界常用方式，但仍存潜在估计误差。

- 2019年多头收益真实衰退明显，报告合理指出传统因子回撤及其对组合绩效影响，但对未来市场变迁适应策略论述略显不足。

• 对博彩偏好和风险补偿的划分与拆分具有创新性并有实证支持，但对两种效应交织影响的动态互动可能因横截面分析和线性回归方法简化而未充分刻画。

- 报告多处提及因子剥离风格后的有效性，体现方法谨慎，但各种回归中变量选择与多重共线性控制细节未详述，限制外部可验证性。

• 样本划分中对冲击成本和信息覆盖的定义清晰，但在细节如分析师覆盖的具体来源及时间一致性等方面未做深入讨论。

总体报告科学严谨，数据充分，方法合理，但分析较为线性，未来可考虑非线性、时变关系及更丰富的微观制度干预因素。

---

7. 结论性综合

本报告以2019年多因子表现变动为背景，通过引入高频交易数据构建的特质偏度因子，深度挖掘该因子在A股市场的选股能力及其成因。实证结果表明，基于日内5分钟数据计算的特质偏度因子具备显著的统计效力，多头组合取得了稳定的超额收益，且从风格和基本面角度均呈现优良特征，如低Beta、低换手率、良好盈利及成长能力。

通过创新地拆分暴涨(Jump)与暴跌(Crash)效应，报告揭示了特质偏度因子背后主要由投资者“博彩偏好”驱动的特征，这与A股市场个人投资者主导和市场做空机制缺失相符。进一步样本划分显示，因子在信息不对称、流动性差及做空受限的股票表现更强，表明制度和市场结构对因子效应有显著塑造作用。

整体来看，报告对高频特质偏度因子的构造、实证表现、成因拆解和制度影响进行了细致、系统的分析，数据充分、方法多维并注重实际投资组合表现。报告结论对于量化投资者理解A股市场非线性行为偏差及优化Alpha因子投资组合具有重要参考价值。

主要图表洞察总结：

• 复合因子及高频特质偏度因子均表现出良好选股能力和收益分布（图1、图6、图7）。

- 复合因子多空组合稳定获利，增强型中证500组合组合虽整体优异，但2019年业绩回落明显（图3、表2）。

• 高频特质偏度因子与传统风格因子相关显著，且组合多头基本面较强，因子表现稳健（图8、9、10）。

- Jump和Crash因子有效区分博彩偏好与风险补偿因素，且博彩偏好在A股市场主导（表5、6、7）。

• 市场制度和信息覆盖差异显著影响因子表现，有效强化对特质偏度因子多空组合的解释（表8、9）。

综上，报告 不仅展示了一个创新且科学的高频特质偏度因子构建路径，也系统地揭示了因子背后的行为金融逻辑与制度限制，值得量化研究与产品实操参考。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]

---

总结：

本报告专业且详实，具备优良的学术与实证基础，对市场行为差异和制度环境下因子表现的辨析尤为透彻。对多因子组合构建者及量化投资者来说，提供了宝贵视角与实用工具支持，推动理解深度与投资应用的结合。

报告