金融研究报告深度分析报告

报告标题：“技术分析拥抱选股因子”系列研究（八）——优加换手率——解决1+1＜2的难题
作者与机构：东吴证券研究所，证券分析师高子剑、沈芷琦
发布时间：2021年8月19日
研究主题：换手率因子在A股市场中的选股效果研究，特别是传统换手率因子与量稳换手率因子的结合优化问题
核心观点摘要：
本篇报告延续“技术分析拥抱选股因子”系列，针对换手率因子进行深入探讨。其核心在于通过量稳换手率因子（STR）和传统量小换手率因子（Turn20）的有效组合，克服两因子简单线性叠加带来的效果不升反降现象，提出“优加法”构建优加换手率因子（UTR），显著提升选股绩效与稳定性，解决“1+1<2”的组合难题。[page::0]

---

1. 元数据与报告概览

本报告属于东吴金工“技术分析拥抱选股因子”系列中的第八篇，延续此前对换手率因子的量价视角研究，对换手率的稳定性与绝对大小的组合关系进行系统梳理。

报告引用数据主要基于2006年1月1日至2021年7月31日的A股市场样本，使用Wind资讯数据库，并在东吴证券自有量化研发框架下计算因子指标及其选股效果。

主要结论：

• 传统换手率因子（量小换手率）表现稳定但有限，IC均值为-0.071，年化收益33.20%，信息比率1.88。

- 量稳换手率因子（STR）效果优于传统量小因子，IC均值更负，年化收益达41.50%，信息比率2.84。

• 简单加权组合传统量小与量稳因子效果反而变差，表现不如单因子。

- 通过提出“优加法”，即对样本先按量稳排序，再分段按量大小逆向排序，实现突破，得到新因子UTR，年化收益达40.54%，信息比率2.98，极大提升组合表现。

• 优加换手率因子经剔除行业及风格影响后仍具强劲选股能力，信息比率进一步提升至3.15。

- 提供了估值、风险提示及实证投资组合构建指导。
总体来看，报告展示了技术分析因子深度挖掘与组合优化在量价选股中的新方法，具有较强的研究与实践指导价值。[page::0] [page::16]

---

2. 逐章节深度解读

2.1 引言与传统换手率回顾

报告首先重申传统换手率因子Turn20的构造及表现。取过去20个交易日平均换手率并市值中性化，每月计算，因子IC均为负，表明换手率越低的股票未来表现越好。此因子年化收益率33.20%，信息比率1.88，月度胜率近70%，但存在一定局限和较大波动性。图2净值走势图显示10分组收益单调下降，符合逻辑但提升空间有限。[page::3]

2.2 前情提要：量稳换手率因子STR

基于前文研究，《量稳换手率选股因子——量小、量缩，都不如量稳？》，报告回顾STR因子的构造：过去20日换手率的标准差标准化后处理。STR体现换手率的稳定性，IC均值更负（-0.077），年化收益41.50%，波动更低（14.63%），信息比率2.84，最大回撤10.04%。说明换手率的稳定性比绝对换手率更有选股价值。图3和表2可视化及量化对比显示STR超越传统量小时换手率的表现，选股效果明显提升。[page::4] [page::5]

2.3 量稳因子STR去除量小信息后的残差效应

对STR因子进行正交化处理，剔除与Turn20线性相关部分（即获得残差STR_deTurn20），发现残差依然保持一定选股能力，年化收益14.02%，信息比率1.40，但整体表现明显不如STR和Turn20。图4展示该因子净值走势平缓回升，支持量稳因子不完全由传统量小因子驱动。[page::6]

2.4 初步组合尝试及结果

尝试传统多因子线性组合两方案：

• 方案一：量小 + 量稳，等权标准化相加

- 方案二：量稳/量小，标准差与平均值之比

图5、6及表3表明两方案收益率均不及单独的量稳因子，甚至波动和回撤增加，显示指标间简单线性叠加无法发挥协同作用，凸显了“1+1<2”的组合难题。[page::6] [page::7]

2.5 矛盾现象的探究与双重分组分析

通过分别对量稳与量小因子进行双重10分组（共100组合）统计年化收益，发现逻辑违背单因子预期：

• 从整体因子IC看，量越小、量越稳的股票表现越好，但双分组统计显示，“量最稳且量最小”组合不一定年化收益最高，反而“量稳且量较大”的组合收益更优。

- 特别是在量稳因子较高样本中，随着量的增大股票收益反而上升，与传统“量小换手率”理论相悖。

• 结合案例三一重工（图8）展示的“量大且量稳”状态对应股价上涨，揭示量大且保持稳定或意味着投资者集中关注与持续活跃交易，具备潜在涨幅动力。[page::7] [page::8]

2.6 优加法原理及UTR因子构建

基于上述发现，报告提出“优加法”：

• 首先按照量稳因子得分排序，全市场股票分前后50%。

- 对量稳较好的前半样本，反转量小因子排序（即量小因子打分从大到小），优先选量相对较大的。

• 对量稳较差的后半样本，保留原方向排序（量小因子从小到大）。

- 最终得分是量稳得分与量小得分的加权（“得分1+得分2或3”），取得分最小为多头，最大为空头。

此设计确保在量稳样本中认可量大的积极作用，矛盾逻辑得以解决。图9、表4、表5展示该UTR因子显著优于传统组合，年化收益40.54%，信息比率2.98，月度胜率超82%，最大回撤11.65%，结合多个年度维度数据，表现稳定且优异。[page::9] [page::10]

2.7 优加因子净化及独立性考察

剔除Turn20、STR因子对UTR的线性影响，保留残差因子以验证独立信息，回测能产生年化收益9.48%，信息比率1.05，说明UTR含有超越两个单因子的额外选股信息。（图10）

进一步剔除常见市场风格因子（如市净率、市盈率、动量等）及行业影响，用Barra风格因子及申万一级行业Ptrace21虚拟变量回归，提取残差后生成“纯净UTR因子”。
图11及表7显示纯净UTR因子保持良好年化收益23.03%、信息比率3.15，且多空对冲表现稳定，表明UTR因子独立性强，非风格或行业归因。
表6披露UTR与各Barra指标相关性低至中度，例如与流动性0.61、与残差波动0.43相关，中性偏小，强化了因子货真价实的特性。[page::11] [page::12]

2.8 参数敏感性验证

考察不同回看周期（日）对因子性能影响，改变回看窗口为40日、60日，均显示UTR因子依旧跑赢量小、量稳单因子，且信息比率及最大回撤控制优良（图12-13，表8）。此稳健性检验表明UTR方法具有较好适应性和实际相关性。[page::13]

2.9 多空收益及样本空间延展

UTR因子多头和空头贡献均衡，空头表现稍强（年化空头超额收益22.61%），多头稳健（14.99%），都具备较高信息比率（分别2.20、1.99）。（表9）

适用样本拓展：沪深300及中证500指数成分股中，UTR表现优于量小和量稳因子，尤其是沪深300成分股，年化收益16.95%，信息比率0.85明显提升。说明UTR策略不仅适合全市场，更能适应主流蓝筹和中型股板块。（表10）[page::13] [page::14]

2.10 指数增强投资组合构建

选取沪深300成分股，构建5类组合：

• 组合一：单纯量小10%

- 组合二：单纯量稳10%

• 组合三：量小31.6%后筛选量稳31.6%

- 组合四：量稳31.6%后筛选量小31.6%

• 组合五：量稳31.6%后筛选量“大”31.6%（优加法）

图14及表11显示组合五表现最优，年化收益16.14%、信息比率0.51明显优于其他组合，体现优加法实操价值。且该方法适合月度调仓，方便应用于指数增强策略。[page::14] [page::15]

2.11 总结与风险提示

总结归纳本系列第八篇成果，UTR因子有效解决传统换手率因子组合难题，展现显著提升的年化收益和稳定性，兼具独立选股信息，具备广泛应用潜力。风险提示明确指出未来市场变化、单因子模型波动、数据误差均可能对模型效果产生影响，投资需谨慎。[page::16]

---

3. 图表深度解读

图1（首页）优加换手率UTR 10分组及多空对冲净值走势

该图反映2006年至2021年期间，根据UTR因子分组的资产净值表现。分组1（最优组）与分组10（最差组）净值差距巨大，多空对冲净值（分组1-分组10）持续上升，表明因子稳定捕获超额收益。图形显示因子产生复利增长，且该超额收益并非偶发现象，而是长期趋势。[page::0]

图2 传统换手率因子Turn20的10分组净值走势

10组从低换手到高换手，分组1净值显著优于分组10，指向低换手率股票更具涨势，确认负IC逻辑。全市场表现波动较大，最大回撤较高，信息比率低于UTR因子。[page::3]

图3 量稳换手率因子STR 10分组净值走势

分组1表现持续领先，净值增长幅度较图2显著，走势平滑，最大回撤更低，验证稳定换手率优于单纯量小的特性。图形强调因子稳健性和选股有效性。[page::5]

图4 STR去除Turn20线性信息后的残差因子净值

波动较小，收益水平整体降低，显示脱离量小因子的独立信息有限，但仍具备选股能力。[page::6]

图5-6 传统组合的“量小+量稳”和“量稳/量小”因子及其净值走势

两图均显示净值增幅和分组间差异较前述单因子弱，且波动与回撤有所增加，视觉及统计指标验证组合劣化，说明简单线性组合不可行。[page::7]

图7 量小与量稳双重分组年化收益矩阵

该热力图直观揭示逻辑混乱：左上角（量最稳且量最小）并非常胜，反而左下角（量最稳且量较大）表现优异，该发现颠覆了传统预期，提示组合设计必须有所区分。[page::7]

图8 三一重工成交量与股价特例分析

具体个股展现“量大且量稳”的成交量与上涨价格的对应，客观案例佐证理论逻辑，强化扩展组合思路的合理性。[page::8]

图9 优加换手率因子UTR的10分组净值走势

整体收益及回撤表现远超传统及初步组合方案，图中多空对冲净值增速持续且幅度显著，体现方案有效性。[page::9]

图10 优加因子UTR剔除Turn20、STR后的净值走势

指示UTR因子拥有超出两个单因子线性组合的独立选股效应，但效果略有折损，证明因子结构复杂，多因子信息融合后出现增值。[page::11]

图11 纯净UTR因子（剔除风格和行业因素）净值走势

净值曲线呈现稳定上涨，收益虽低于原UTR，但信息比率及月度胜率提升，表现更为纯净优异，强化因子的独立性与稳定性。[page::12]

图12-13 不同回看窗口（40/60日）下的量小、量稳、优加因子净值对比

图中优加因子净值在不同参数设置下均领先其他单因子，说明因子方法稳定性和实用性强。[page::13]

图14 沪深300不同投资组合净值走势

“组合五”（先量稳后量大）净值明显领先，验证报告核心方法在实操框架下的优越性，显示策略应用潜力。[page::15]

---

4. 估值分析

报告并未涉及公司或行业直接估值模型，不包含DCF等传统估值方法，而是专注于因子构建及性能回测分析。因子绩效通过年化收益率、波动率、信息比率（IR）、最大回撤、月度胜率等多项指标量化。

信息比率（IR）作为选择因子性能的关键衡量指标，表征超额收益的风险调整能力。报告UTR因子ICIR接近3，信息比率第二高，反映该因子具备较强的选股区分力和风险控制能力。

同时报告提及因子净化（剔除风格与行业变量）及正交化，确保因子独立性并去除外部因子干扰，这种多元线性回归的残差法保证因子纯净，提升后续应用可靠度。

---

5. 风险因素评估

报告明晰3类主要风险：

• 未来市场变化风险：历史表现不等同未来，市场结构与投资环境可能发生深刻变化，影响模型适用。

- 单因子模型风险：单因子选股的风险波动较大，因子效用会随着市场情绪及结构演变而发生波动，建议结合资金管理和风险控制手段。

• 数据测算误差风险：模型计算涉及换手率数据和净值数据，存在测算误差及样本选择偏差风险，不构成保证未来表现的承诺。

报告未深入探讨因子过度拟合、微观结构变化、交易成本或流动性约束等风险，但警示投资者慎重参考并结合多因素及动态管理。[page::0] [page::16]

---

6. 批判性视角与细微差别

• 因子构造创新点凸显，逻辑严密。优加法设计巧妙解决传统因子组合矛盾，理论结合实证，以资金流稳定性驱动量大的多样本效用，令人信服。
• 但报告主要基于历史数据回测，缺少对极端市场环境、宏观变量影响和持仓成本的讨论。尤其最大回撤虽有披露，但没有进一步风险管理层面及策略稳健性检验，存在一定局限。
• 报告中“量大在量稳样本中更优”的结论较为经验化，是否具备更广泛普适性需要后续验证。特殊行情（如抱团股）可能推高相关度，未来环境变化或弱化该效应。
• 多空收益分解显示空头收益较强，提示策略或依赖“做空”机制，但报告未涉及实操难度和空头风险。在中国A股实际操作空头受限，策略应用可能有限。
• 相关性剔除仅限于Barra及申万一级行业，未考虑其他因子模型或宏观因子潜在影响，因子独立性解释尚有空间。
• 报告中术语清晰，但未具体披露优加法得分计算具体数学公式和权重设定细节，复现难度较大。需结合作者后续具体模型代码以便应用。

---

7. 结论性综合

本报告延续东吴金工“技术分析拥抱选股因子”系列研究，围绕换手率相关因子构建与优化展开了深入探索。

首先，报告确认传统换手率因子（量小）与量稳换手率因子各自具备稳定选股能力，且量稳因子表现整体优于传统量小时换手率。

然而简单的线性组合反而导致性能下降，归因于量小因子和量稳因子之间在极端组合上的逻辑矛盾——即在量较稳的样本中，量越大反而收益越好，与量小策略相冲突。该现象通过量小与量稳双重分组（100组合）详细揭示，并通过真实个股“量大且量稳”成交量与股价上涨走势予以佐证。

基于这一发现，报告创新提出“优加法”组合机制，通过先划分量稳排序样本，再在其中分段逆向利用量小因子得分，有效兼容两因子矛盾，实现因子协同。新因子UTR表现远超以往方案，在多个时间窗口、样本空间均验证其稳定性和优越性。

• 年化收益率40.54%，信息比率2.98，月度胜率82.26%，最大回撤11.65%。

- 剔除传统因子和行业/风格影响，纯净UTR仍表现优异，信息比率达3.15，具备稳定独立的选股信息。

• 在沪深300、中证500样本中同样表现优良，具有较广泛的实用价值。

- 优加法指导下的实操组合回测显示“先量稳后量大”显著压倒其它组合，逻辑与实证高度一致。

报告以丰富的图表（图1-14）和量化指标（表1-11）详尽支撑论点，系统展示因子构造、组合优化、净值走势及敏感性验证过程。

风险提示明确告知模型历史依赖性和单因子特性风险，投资者必须结合风险管理。

整体来看，本报告为技术分析视角中的换手率因子提供了创新组合框架，既严谨又契合市场实际，既拓展理论边界，也具备较强策略应用潜力，值得关注和后续研究深化。

---

主要图表示例（Markdown格式引用）

• 图1：

- 图2：

• 图3：

- 图7：（示意举例）

• 图9：

- 图14：

---

结束语

本报告深入解析换手率因子的内涵与组合优化难题，结合大量实证数据和创新组合逻辑，提出兼顾稳定性与大小的优加换手率UTR因子，显著提升因子选股效率和收益稳定性，为基于量价关系的多因子投资策略提供了新的路径和实操参考。投资者应结合整体市场环境及组合风险管理，审慎使用此类因子，持续跟踪模型在未来市场的适用性与表现。

报告结论系统、数据扎实，具有显著的学术价值和实务指导意义。[page::0,3,4,6,7,8,9,10,11,12,13,14,15,16]

报告