动量因子构造及改进方法 [page::3]

• 传统动量因子MOM以过去区间收益率为因子值，剔除近期收益以规避反转效应，但对异常价格波动敏感。

- 改进的RANK因子基于每日收益率的横截面排名标准化得分，剔除极端波动影响，得分计算方法参考“Rank, Sign, and Momentum”文献。

• RANK因子计算方式综合使用每日排名标准化，提升了因子稳健性。

因子表现及有效性比较 [page::4][page::5][page::6]

• MOM因子在全市场范围内，无论计算周期与是否中性化，IC绝对值均不超过1.5%，ICIR不足0.4，表现无效。

- RANK因子于全市场有效，IC稳定在2%以上，ICIR达0.6以上，最大回撤控制在20%左右，年化收益率可达11‰，多空组合净值稳定上升。

• RANK因子在沪深300、中证500、1000等股票池均有效，表现优于MOM。

因子在不同股票池及机构持仓分组的表现 [page::7][page::9][page::10]

• MOM因子在沪深300表现较好，其他股票池中无明显效力。

- RANK因子各大股票池均表现显著，且原始值及中性化效果相近。

• 机构持仓比例高的分组内，两因子均表现更佳，IC及ICIR均有所提升，体现机构持股对因子表现的正向影响。

因子时间序列和多空端收益解析 [page::11][page::12]

• RANK因子多空组合收益稳健且回撤小于MOM。

- MOM因子收益主要由空头端贡献，多头端收益仅约1%-2%；RANK因子多头端贡献更为显著，贡献可达3%-5%。

因子相关性与增量价值分析 [page::12][page::13]

• RANK与MOM因子相关性为63%，与主流大类因子相关性较低。

- RANK剔除MOM后仍显著有效，而MOM剔除RANK后无效且IC转负，说明RANK包含更多有效信息。

行业内选股和行业轮动能力 [page::13][page::14][page::15][page::16]

• RANK因子在消费、医药、TMT、周期行业中IC均超过3%，ICIR接近1，明显优于MOM。

- 两因子均表现出较强的行业选择能力，行业层面动量效应存在，支持行业轮动策略构建。

• 行业内多空组合净值显示RANK因子更稳健，收益更好。

研究结论与风险提示 [page::17][page::18]

• 传统MOM因子因计算方式缺陷，在中国市场适用性差。

- 基于日收益率排名的RANK因子为更稳健有效的动量指标。

• 因子在全市场、不同股票池、高机构持仓及行业内均表现出色，适合实际量化选股应用。

- 风险包括模型失效及极端市场环境冲击，建议动态跟踪调整。

《因子选股系列研究 之 七十八》详尽解读报告点评

---

一、元数据与报告概览

• 报告标题：《存在于全市场范围内的稳健动量效应》

- 作者与机构：东方证券研究所，证券分析师 朱剑涛、刘静涵

• 发布日期：2021年9月2日

- 研究主题：本报告针对A股市场中的传统动量因子（MOM）与改进动量因子（RANK）进行深度研究，核心研究焦点在于动量效应的存在性与稳健性，以及不同动量因子在不同股票池及行业层面的表现差异。

• 核心论点与结论：

- 传统动量因子MOM（基于绝对收益率）在全市场并无稳定显著选股效力，且其收益主要由空头端贡献，多头端收益有限。
- 改进的RANK因子通过基于每日收益率排序代替绝对收益，更能剔除异常波动，表现出稳定的动量效应，且在全市场不同股票池均有效，且在高机构持股比股票表现更好。
- RANK因子在行业内均展示显著选股优势，行业选择能力亦明显。
- 两因子虽有一定相关性（约63%），但RANK剔除MOM依然有效，说明RANK含有MOM缺失的重要增量信息。

• 风险提示：量化模型可能失效风险，及市场极端环境冲击的风险[page::0,3,17,18]

---

二、逐节深度解读

1. 动量效应与因子度量方法

• 动量效应定义：过去表现好的股票未来继续保持优异表现。报告回顾了国外动量效应研究历史，提及Jegadeesh和Titman (1993)的经典发现，及Rouwenhorst(1998)对新兴市场的确认。

- A股特殊性：相较于国外，A股表现出明显的股价反转效应，传统动量效应整体弱甚至无效。

• 动量因子计算：

- 传统MOM因子：计算为过去一段时间（N个交易日），剔除近期M交易日后的累计收益率，即MOM(N,M)。
- 改良RANK因子：
- 利用每日股票横截面收益率的升序排名值进行标准化（以日内中位获得0分数，最大和最小排名对应正负分数）。
- 计算整个N天考察期内每日排名得分的均值，作为因子值。
- 该改良方式有效削弱了单点异常股价波动对因子的干扰，使得因子更稳健[page::3]

2. 因子表现及数据说明

• 样本与股票池覆盖：回测时间为2009年末至2021年8月，覆盖率超过90%，样本数量稳定增长，保证数据有效性和代表性（见图1，页面4）。

- 全市场表现：
- MOM因子无效，IC绝对值均不超过1.5%，ICIR都低于0.4，且多空组合年化收益表现不佳，收益稳定性弱（表格和图3说明[page::4,5]）。
- RANK因子有效，IC稳定超过2%，ICIR达到0.6以上，最大回撤控制在20%左右，多空组合最高年化收益约11%，显著优于MOM（表格和图4、图5体现[page::5,6]）。

• 原因分析：

- MOM因子对区间起点和终点价格敏感，忽略区间内走势波动，容易被短期拉抬股价误导。
- RANK因子考虑每日收益排名，消除异常拉抬造成的极端值，表现更合理稳健。

• 不同股票池比较：

- MOM因子在沪深300中存在较弱选股能力，中证500和中证1000中效度进一步降低甚至无效。
- RANK因子在各股票池均有效，IC均在2%以上，且ICIR稳定于0.6上下，表现稳健（见图6至图8[page::6,7,8]）。

• 机构持仓对因子表现影响：

- 两因子均在机构持股比例高的股票中表现更佳。
- MOM因子仅在最高机构持股分组内有一定正效应，且中性化后效果减弱。
- RANK因子无论原始值还是中性化，均在高机构持股股票上表现稳定，IC大于3%，ICIR达到0.7以上，说明机构投资者持有比例是驱动动量效应稳定性的关键变量之一（详见页面9至10的分组数据及表10、表11分析）[page::9,10]

3. 时间序列表现分析

• 多空组合净值对比（图11、12，页面11）：

- 无论是原始值还是市值及行业中性化后的因子值，RANK因子的多空组合净值明显优于MOM因子。
- MOM因子波动幅度大，回撤重，收益集中在空头端；RANK多头端贡献较大，组合表现更稳定。
- 回撤控制较好是RANK因子运用价值的关键体现[page::11]

4. 因子分组收益及相关性

• 分组年化收益（图13、14，页面12）

- RANK因子多头端贡献的正向收益可达3%-5%，而MOM仅为1%-2%。
- 各分组收益基本具有单调性，确认了排名靠前股票未来收益率更优。

• 相关性分析（图15，页面12）

- RANK与MOM相关系数为63%，但两者与传统大类因子（价值、成长、盈利等）相关性均较低，显示RANK因子有其独立的信息价值。

• 剔除效应回归（图16，页面13）

- RANK剔除MOM后仍保持显著选股能力（IC3.06%，t值4.69），
- MOM剔除RANK后无效且IC转为负值，说明动作过度反应的股票在MOM中占比显著，体现了MOM的噪声问题[page::12,13]

5. 行业内选股能力

• 报告在TMT、医药、周期和消费行业均验证RANK对选股的准确度高于MOM，行业内IC均超过3%，ICIR接近1（图17，页面13）。

- 行业内多空组合净值（图18，页面14）显示各行业使用RANK因子均表现稳健提高，且普遍优于MOM。

• 说明不论行业环境，RANK因子都具有较强的识别能力，有助于提升行业内部选股策略的表现[page::13,14]

6. 行业选择能力

• 以行业平均因子得分与未来收益比较，发现MOM与RANK均表现出较强的行业轮动效应（选行业效果）（图19、21，页面15、16）。

- 行业层面的动量依然有效，且RANK因子在此表现更为突出。

• 行业多空组合净值（图20、22，页面15、16）进一步证实上述结论[page::14,15,16]

7. 总结观点总结（全文总结段）

报告总结了研究发现的8大核心结论，涵盖动量效应定义、MOM因子缺陷与表现、RANK因子的有效性及稳定性、股票池与机构持股比的影响、收益贡献结构、因子相关性及独立信息、行业内表现、行业选择能力等方面，全面且系统地呈现了RANK因子优于MOM因子且更稳健的核心观点[page::17]

---

三、图表深度解读

• 图0：全市场多空组合净值（原始MOM vs RANK）

- 展示了2010年至2021年间，全市场多空组合净值走势。
- RANK因子（红线）表现出持续且明显的净值增长，而MOM因子（灰线）波动剧烈且整体收益较低。
- 阴影区表示最大回撤，RANK回撤明显小于MOM，体现了更好的风险控制能力。
- 图示支撑文章观点中RANK优于MOM，收益稳定且风险较低的论断[page::0]

• 图1：每期样本个数（全市场）

- 两因子覆盖全市场股票样本，均在90%以上，体现数据全覆盖和扎实的样本基础。
- 样本数量随着时间逐年递增，与市场发展相符[page::4]

• 图2 & 图4：MOM和RANK因子整体绩效表现表

- 数据包含IC、ICIR、tstat等统计指标，RANK无论原始值还是中性化均显著优于MOM，IC最高可达2.85%，ICIR最高0.81，均显示较强的预测能力。
- MOM因子表现波动大，指标较弱，不构成有效选股信号[page::4,5]

• 图3 & 图5：全市场多空组合净值图（MOM vs RANK）

- 展示不同考察期因子净值走势，RANK因子净值持续上涨，尤其近年表现抢眼。
- MOM因子净值起伏大，且近年来趋势并不稳定[page::5,6]

• 图6-8：不同市值股票池中MOM与RANK因子对比表

- 沪深300中MOM因子有一定效果，IC最高5.39%，ICIR达0.95，但在中证500与1000中逐渐失效。
- RANK因子在中小盘股票池稳健有效，IC均保持在2%以上，ICIR超过0.6，显示较强普适性。
- 这些数据说明RANK因子的适用范围广泛，且内部质量稳健[page::7-9]

• 图9 & 图10：不同机构持仓比分组表现

- MOM因子在机构持仓比例最高分组中表现更优（IC>3%，ICIR>0.7），但在低持仓分组表现反转，反映散户行为对MOM因子负面影响。
- RANK因子则在所有持股分组中均表现稳定，与原始与中性化结果接近，强化了模型稳健性和抗噪声能力[page::9,10]

• 图11 & 图12：因子时间序列多空组合净值及回撤

- 明显可见RANK因子多空组合净值长期稳定提升，最大回撤较MOM小，表明风险调整后收益更优秀[page::11]

• 图13 & 图14：因子分组年化收益柱状图

- RANK因子的优胜尤为突出，多头端多贡献额外正收益，且单调性更明显，说明收益排序信号可靠性更佳。
- MOM因子表现收益主要由空头策略带来，说明其在选股策略中的不可控性及风险[page::12]

• 图15 & 图16：因子相关性与剔除其他因子后的残差效应

- RANK因子提供独特增量信息，剔除MOM后依然有效。
- MOM剔除RANK后失效，且IC为负，提示MOM因子捕捉了许多可能为过度反应的股票表现[page::12,13]

• 图17 & 图18：行业内部选股效果与多空组合净值

- RANK因子在TMT、医药、周期、消费等行业内均明显优于MOM，IC和ICIR均衡显示其策略稳定优质。
- 沿时间序列净值优势显著，产业配置及行业内选股均受益[page::13,14]

• 图19-22：行业选择效果及行业多空净值

- 两因子均表现出显著行业动量效应，RANK稍优。
- 行业多空净值稳健增长，与行业轮动策略协同，增强策略多级别应用价值[page::14-16]

---

四、估值分析

本报告为量化策略研究，未涉及传统的企业估值模型（如DCF、PE等）。主要采用因子股择方法，依据信息系数(IC)、IC的收益风险比(ICIR)、t统计量、最大回撤、年化收益等量化指标作为策略有效性的衡量标准。

核心“估值”体现为因子在构建多空组合后的收益表现和风险控制，其中：

• IC > 0且稳定，显示因子能有效预测未来个股收益排序；

- ICIR 高，表明因子收益的稳定性和可靠性；

• 多空组合年化收益和最大回撤反映收益风险特征。

报告重点在于构建和验证改良动量因子RANK，其数理统计和风险控制优于MOM因子，所用指标明确且合理。[page::4-17]

---

五、风险因素评估

• 量化模型失效风险：基于历史数据建立的模型面对未来市场结构、参与者行为变化及制度变动有失效可能，需要持续跟踪模型表现及时调整。

- 市场极端环境冲击：极端行情如重大政策调整、市场恐慌、黑天鹅事件可能剧烈影响因子表现，使得策略收益出现较大波动甚至亏损。

报告未详细列出风险缓释措施，仅提示投资者警惕以上风险并建议密切监控模型表现[page::0,18]

---

六、批判性视角与细节

• 模型设定的稳健性：

- RANK因子的设计通过每日收益排序减弱了异常波动影响，提高稳健性，较传统MOM因子明显改进。
- 但排名归一处理对异常信息的忽略也可能导致某些极具代表性异常信号的丢失，是否对极端事件反应充分，仍需关注。

• 样本区间与幸存者偏差：

- 采用2009末至2021年期间数据，覆盖丰富且数据规模充足，利于结果推广。
- 但是否考虑停牌、退市等事件对样本的影响未详述，可能存在幸存者偏差风险。

• 行业划分与因子应用：

- 行业内和行业间的选股能力均有体现，但细分行业和市场环境变化对因子表现的影响未深度探讨。

• 相关性与因子冗余：

- RANK与常规大类因子相关性较低，说明具有一定独立信息，降低因子冗余风险。
- MOM因子剔除RANK后负效应提示其包含的非持续性信号甚至反向效应，强化了RANK优先级。

• 风险控制策略缺失：

- 报告强调了最大回撤及收益稳定性，但缺少具体的风险管理和仓位控制建议。

• 报告结构与引用：

- 报告结构合理，数据图表详实。
- 编排中出现部分表格文字错位和少量格式问题，可能影响阅读体验，建议后续调整[page::3-10,17]

---

七、结论性综合

东方证券研究所发布的《因子选股系列研究 之 七十八》系统分析了A股市场中传统动量因子MOM与新型稳健动量因子RANK的表现差异。报告通过丰富的历史数据（2009年末至2021年中）及多维度分析，验证了以下深刻见解：

1. 传统MOM因子在A股全市场无显著动量效力，其收益主要由空头捕捉，且容易受异常股价波动和散户过度反应影响，表现不稳定且容易产生反转风险。
2. RANK因子通过采集每日股票收益的排名来度量动量，显著增强了因子稳定性和抗噪声能力，表现出持续且稳健的正收益信号。IC均长期超过2%，ICIR超过0.6，最大回撤控制在20%以内，多空组合年化收益最高达11%，显示良好的风险调整后收益。
3. RANK因子在不同市值股票池均表现稳定有效，是一个具备广泛适用范围的优质选股因子。尤其在沪深300及中小市值指数中均优于MOM。
4. 机构持仓比例对动量效应有显著影响，RANK因子的表现无论在高低机构持股分组中均较为稳健，而MOM仅在高机构持股板块有效，低持股板块反转现象严重。
5. RANK因子不仅能在整个市场实现有效选股，在各个热门行业内均表现优越，IC超过3%，ICIR接近1，选股效果更突出。
6. 两因子虽有一定正相关（63%），但统计分析显示RANK包含MOM无法覆盖的重要信息，剔除后依旧显著有效，反之MOM剔除RANK则无效甚至反向，强调RANK在信息价值上的独立性和优势。
7. 行业选择能力方面，二者均表现出显著的行业轮动信号，能辅助把握大类行业趋势。

总体而言，报告明确提出RANK作为稳健动量因子的典型，优于传统MOM因子，在A股市场环境下更适用、更稳健，具备指导投资构建多空组合的实际应用价值。

最后，报告适当指出了量化模型潜在的失效风险与市场极端环境影响，强调投资需谨慎且需持续跟踪监控。

---

全文溯源标注示例

报告引用的核心结果主要来自以下页码：

• 报告主题、结论及风险提示：[page::0,18]

- 因子度量方法详细介绍：[page::3]

• 样本及周期选择及因子表现汇总（含图表）: [page::4-6]

- 股票池影响与机构持股影响分析： [page::7-10]

• 因子时间序列表现与多空组合表现： [page::11,12]

- 因子分组年化收益及相关性分析： [page::12,13]

• 行业内选股与行业选择能力： [page::13-16]

- 结论总结及风险提示： [page::17,18]

---

结语

本报告为A股市场动量效应研究中的重要成果，通过系统研究改良后的RANK因子，相较传统MOM因子提出了更有效的选股工具。研究逻辑严密，数据支持充分，结论具有较高的参考价值，为投资者构建量化策略提供坚实的理论与实践基础。



上述为报告首页中展示的全市场多空组合净值走势图，图中红色曲线为RANK因子多空组合净值，灰色为MOM因子净值，阴影区域表示回撤幅度，清晰展示了RANK因子优于MOM因子的长期风险调整表现[page::0]。

报告