行为金融学视角挖掘Alpha因子 [page::0][page::3]

• 传统风格因子失效明显，行为金融学从微观投资者非理性行为角度切入，寻找市场深层波动驱动因子 CGO。

- 处置效应描述投资者更倾向卖出盈利股、持有亏损股，前景理论赋予投资者风险偏好状态随盈亏变化。

资本利得突出量（CGO）构建与统计特征 [page::4][page::5][page::6][page::7]

• 以100日换手率加权成交均价定义参考价格（RP），CGO为股价相对RP的偏离度。

- CGO优于简单均线，能捕捉换手率信息，反映投资者浮盈亏变动，市场整体表现牛短熊长特征明显。

• CGO分布左偏，表明市场多亏少盈，短期波动与换手率变化密切相关。

CGO单因子策略绩效分析 [page::9][page::10][page::11][page::12]

• CGO在中证500和800成份股中IC呈现显著负值，低CGO股票未来超额收益更佳。

- Q1（低CGO）与Q5（高CGO）多空组合净值表现稳健，行业中性调整后依旧强势。

• 中证500低CGO行业中性组合年化超额收益近19%，最大回撤8.6%，信息比率1.98。

CGO与传统因子相关性分析 [page::13]

| 因子 | 相关性 |
|------------|-----------|
| 5日反转 | 31.33% |
| 15日振幅 | 33.27% |
| SIZE | 24.42% |
| 15日换手率 | 16.33% |
| PE | 2.92% |

• CGO与反转、振幅及SIZE相关较强，表明其融合了部分风险风格信息。

基于CGO分层的风险偏好选股策略设计与表现 [page::14][page::15][page::16][page::17]

• 以CGO=0分层股票池，分别在低CGO中选择小市值股票（风险偏好高），高CGO中选择低振幅股票（风险厌恶）。

- 中证500分层选股策略周度调仓，年化超额收益14.7%，最大回撤7.73%，信息比率1.98。

• 分层组合优于市值和振幅单因子，表现更为稳健，部分年份收益优势明显。

分层阈值λ参数敏感性分析 [page::18]

• 参数λ在0到0.08区间内策略表现优异，信息比率最高；负值不理想，表现稳定。

结论与风险提示 [page::19]

• 行为金融学的CGO因子有效捕捉投资者盈亏与风险偏好差异。

- 低CGO组合具有显著Alpha，高低CGO股票应用不同风险因子可实现稳健超额收益及风格轮动。

• 未来可丰富CGO定义，优化选股时机挖掘。

- 本文基于历史数据，投资需结合市场环境与投资理念。

资本利得突出量 CGO 与风险偏好行为金融因子研究报告详尽解析

---

一、元数据与概览

报告标题：资本利得突出量 CGO 与风险偏好——行为金融因子研究之一
作者：严佳炜
发布机构：广发证券发展研究中心
发布日期：2017年中旬（根据文中数据至2017年3月回测截点推断）
研究主题：从行为金融学视角，利用资本利得突出量（CGO）构建Alpha因子，并探讨投资者风险偏好分层选股策略。
核心论点：传统风格因子在当前市场表现出广泛失效，行为金融学中的处置效应及前景理论为挖掘新的Alpha因子（即CGO因子）提供理论基础和实践路径。低CGO组合表现优异，资本利得突出量因子可捕获投资者风险偏好的异质性，结合风险因子进行分层选股策略，能够带来更为稳定的超额收益。
研究结论：

• 基于CGO的单因子低档组合在中证500和中证800内均有显著超额收益，年化18.99%（中证500，扣费后）以上，风险调整表现优良（信息比率接近2）。

- 按CGO正负将股票分层后，结合振幅（用于高CGO）及市值（用于低CGO）进行选股的组合年化超额收益达14.7%，表现稳定且较单一CGO策略更优。

• CGO因子蕴含行为金融的处置效应及风险偏好特征，是当前风格失效背景下的有效Alpha来源。

- 市场未来环境存在不确定性，报告强调模型及因子的历史推演性质，提醒投资者结合环境审慎运用策略。[page::0,3,19]

---

二、章节细致解读

2.1 前景理论与处置效应（第3-4页）

关键论点

• 传统因子研究基于历史市场风格，但近期风格因子表现疲软甚至“失效”，转向被视为风险因子。

- 行为金融学通过微观个体行为及心理动因解释市场波动，提供了新的Alpha因子探索方向。

• 处置效应指投资者倾向卖出盈利股而持有亏损股，这种行为造成投资者在盈利时风险厌恶，亏损时风险偏好。

- Kahneman与Tversky的前景理论基于心理实验，提出左凸右凹S形价值函数，挑战传统风险厌恶假设，解释了投资者盈亏状态下不同风险态度的根源。

推理与证据

• 投资者的非理性行为永远存在，规避风格因子波动影响，行为金融提供的Alpha因子具有长期有效性。

- 价值函数中，盈亏边界处（零点）呈不对称斜率，盈亏不同导致风险偏好突变。

• 这种理论框架是本报告构建CGO因子的心理基础。[page::3,4]

图表解读

• 图1展示前景理论价值函数，左侧（亏损区）曲线平缓并向下凸，右侧（盈利区）凸起且向下凹，说明亏损时边际效用下降缓慢，易产生风险偏好和惜售心理，盈利时边际效用递减且趋于风险规避。

- 此图作为理论基础，贯穿报告后续因子构建逻辑。[page::4]


---

2.2 参考价格（RP）与资本利得突出量（CGO）（第4-8页）

关键论点

• 投资者盈亏状态难以直接得知，因个体持股成本不同，无法统一计算。

- 通过历史价量数据估算“心理价位”即参考价格（RP），反映投资者整体盈亏状态。RP考虑换手率加权成交均价，较均线更能体现投资者的平均持仓成本。

• 利用昨日收盘价与RP的相对关系定义资本利得突出量CGO，衡量市场整体的浮盈或浮亏情况。低CGO（股价低于参考价）指投资者亏损，限定处置效应的行为基点。

推理与计算

• 参考价格RP定义为过去100日换手率加权的成交均价，换手率的递减乘积衰减体现流通盘的逐步持股变动。

- CGO计算公式 ：
\[
CGOt = \frac{P{\text{close}, t-1} - RPt}{RPt}
\]
表示当日的市场平均浮盈或亏损比例。

• 表1详细展示了换手率权重计算示例，强调换手率对RP权重的影响，是考虑市场真实持股成本重构的关键。

- 图2显示某股收盘价、100日均价、RP和CGO序列，解释RP领先趋势转换，CGO能更灵敏捕捉投资者盈亏变化。

数据解读与趋势

• 图3、图4分别展示中证800成分股中CGO>0的股票比例和CGO中位数时间序列，结合市场指数走势，反映市场整体盈亏周期特征。

- CGO中位数偏左分布（见图5）表明，中国股市“牛短熊长”，投资者整体处于亏损状态较多，符合“股市长期熊市特质”。个股层面亏损多于盈利。

• 图6进一步展示CGO与股价的动态关系，在不同换手率和市场情绪环境中，CGO对顶部预示及底部反弹的潜力解释。

说明

• RP和CGO通过复权后的价格和换手率构成，数据来源可信，考虑了A股市场的高换手率特性。

- CGO指标体现了市场整体的心理价位，并能辅助判断投资者的风险偏好及股价走势。[page::4,5,6,7,8]

图2示例图解：

图3中证800内CGO>0的比例与指数走势关联：


---

2.3 基于CGO的单因子选股策略及表现（第8-12页）

关键论点

• 处置效应假设下，低CGO（亏损，投资者惜售）股票在未来具有反转潜力，盈利后处置抛售导致高CGO股票表现一般或负Alpha。

- 实证统计CGO因子周度与月度IC均显著负值，说明低CGO股票未来收益优于高CGO股票，形成因子收益。

• 实施基于CGO的五分位滚动周度换仓策略，中证500和中证800均表现出明显的多空组合收益梯度，低CGO分组收益最优。

- 行业中性和等权组合均检测，扣除交易成本后仍有显著正向超额收益，风险调整指标表现优异。

数据与指标

• 图7与图8中IC的时间序列表明CGO因子持续表现负IC，负相关胜率超60%。

- 图9-12展示低至高分位组合净值走势，中证500内Q1（最低CGO）组合累计收益显著领先。

• 图13、14多空组合针对行业中性及等权处理后净值，扣费后仍为稳健正收益。[page::8,9,10,11]

统计性能

• 表3总结整体业绩，行业中性扣除交易费用的年化超额收益达到18%-19%，信息比率1.9以上，Sortino比率接近2，年化波动率适中，换手率合理。

- 表4分年度展示，中证500低CGO组合在牛熊交替年及强势年份表现尤为突出，最大回撤较小，风险控制良好。

结论

• CGO单因子策略不仅理论上合理，实证表现强劲，并具有一定稳定性，适合作为量化投资Alpha因子。[page::9-12]

图9示例（中证800内各分位组合）

图11（多空组合净值）


---

2.4 CGO与其他常见因子的相关性分析（第13页）

观察点

• 计算CGO与常见传统因子的截面相关系数及IC，评价其独立性及交叉影响。

- CGO与市值、反转、振幅相关性较高（约30%），与换手率和市盈率相关性较低。

• 反映CGO与价值、波动及反转因子有一定重叠性，但仍保留一定独立Alpha空间。

- 市盈率相关性低，显示CGO更多是行为驱动的非基本面因子。[page::13]

图15：CGO与SIZE因子相关性

图16：CGO与PE因子相关性


---

2.5 考虑风险偏好，基于CGO的分层选股策略（第14-18页）

逻辑与流程

• 前景理论启发：投资者风险偏好依赖盈亏状态。

- 将股票池以阈值λ=0分为高CGO(盈利者多)和低CGO(亏损者多)两组。

• 在高CGO组中，投资者风险厌恶，应优选风险较低股票；在低CGO组中，投资者风险偏好，应优选风险较高股票。

- 根据组内因子与收益的Rank IC差异（ICspread），选取振幅（波动率较能代表风险）因子用于高CGO组，市值因子用于低CGO组。

• 设计选股策略：

- CGO >0选低振幅1/5档股票，风险较低；
- CGO <0选低市值1/5档股票，风险较高期望反转。

• 周度换仓，构建组合。

实证结果

• 表6、表7显示在中证800与中证500样本中，风险因子IC在CGO高低组显著不同，振幅在高CGO更有效，市值在低CGO更有效，验证理论推断。

- 图17-19展示综合分层策略净值及扣费后表现，组合净值呈稳健上升，最大回撤低，信息比率约1.98且稳定，年化超额收益达到14.7%。

• 图20展示不同时间高CGO股票占比变化，策略自适应风格变动，牛市偏高CGO低风险，熊市偏低CGO高风险。

- 分层阈值参数敏感性分析（图22）显示最佳阈值为λ∈[0,0.08]，参数稳健性良好。

• 组合策略与单因子（振幅、规模）比较，分层策略整体表现更优，年度超额收益普遍领先，风险更低。

- 表8、表9详细年度业绩对比显示组合策略依然领先各单因子。

说明

• 本策略从行为角度结合风险偏好分层，实证支持理论，形成了一个简单有效的多因子混合模型。

- 换仓成本纳入计算，确保结果的实用价值。

• 参数灵敏度测试增强策略的可信度。[page::14-18]

图17示例回测净值曲线


---

2.6 总结与风险提示（第19页）

研究总结

• 本报告基于行为金融学中的处置效应与前景理论，创新性构建了资本利得突出量CGO因子。

- CGO因子通过市场换手率加权参考价格推断投资者盈亏预期，从而刻画投资者风险偏好心理，挖掘Alpha。

• 低CGO组合显著优于高CGO组合的收益表现验证了处置效应的市场影响。

- 根据CGO分层，结合不同风险因子构建的分层策略实现更高效收益且更稳定风险控制，同时具备风格轮动特征。

• 尽管模型在历史数据上表现突出，周度和月度多空胜率约50%，提示投资仍存在不确定性和择时难度。

- 未来研究可进一步拓展CGO定义（如不同周期，行业平均CGO指数预测；高CGO买入时机区分等）。

风险提示

• 模型基于历史数据推演，未来市场变化可能导致因子失效。

- 交易成本、市场流动性及实际操作限制需充分考量。

• 该报告不构成具体交易建议，投资者需结合个人风险偏好和投资目标审慎应用。

整体表现出报告具有高度的理论深度与实证严谨性，同时对未来和风险持谨慎态度。[page::19]

---

三、图表深度解读

| 图表名称 | 描述与展示内容 | 数据与趋势分析 | 关联文本及结论 | 局限性及备注 |
|---------------------|------------------------------------------------------------|------------------------------------------------------------|-------------------------------------------------------------|----------------------------------------------------------|
| 图1：前景理论的价值函数 | 投资者价值函数图形式呈左凸右凹S型，盈亏临界点非对称，定量解释不同风险偏好 | 盈亏边界处函数斜率不对称，亏损时曲线平缓，呈风险偏好，盈利时陡峭呈风险规避 | 论证了持股盈亏状态决定风险态度，是CGO因子开发理论起点 | 仅为理论模型，实际参数α,β,λ需估计，可能个体差异大 |
| 表1：CGO的计算示例 | 历史4日成交均价、换手率权重及归一化权重计算示范，演示CGO数值计算过程 | 加权过程体现权重随时间衰减，换手率越大权重越高，对未来参考价值影响越大 | 确立了以换手率调整的参考价及CGO计算规则，实证方法基础 | 模拟示例短期，实际选用100日加权，参数可调整 |
| 图2：CGO与股价变化 | 某股票历史收盘价、100日均价、RP及CGO变化序列对比，展示CGO领先均线的动态 | RP较均线更敏感地反映换手率变化，CGO序列能反映投资者持仓盈亏状态波动，预示趋势反转 | CGO领先股价转折，成交活跃度调节价格平滑，体现投资者行为特征 | 个股代表性，适用范围及稳定性需结论支持 |
| 图3，图4，图5：CGO全市场统计 | CGO大于零比例及中位数时间序列，及CGO中位数分布密度，展示不同时间点投资者盈亏状态分布 | CGO比例随行情波动；中位数偏负显示亏损股票多、牛市短，熊市长；分布显示市场整体亏多盈少 | 证明市场长期结构性亏损状态，符合A股特征，CGO作为市场行为指标价值突出 | 统计区间、样本选取可能影响结论 |
| 图7，图8：CGO因子IC统计 | CGO截面IC周度与月度时间序列，均值负向显著，显示低CGO后的股票未来收益优于高CGO | IC负值超60%，负相关显著，表明因子有效性，虽波动但趋势稳定 | 统计指证CGO因子的Alpha属性，低CGO带来未来正向超额收益 | IC偏负表示因子负相关风险，需注意策略构建逆向思维 |
| 图9-12：CGO分位数组合净值 | 不同CGO分位组合历史累计净值，Q1（低CGO组）表现最佳，多空组合呈持续盈利趋势 | Q1净值增长显著领先，2015年后涨势尤为明显，验证CGO选股能力 | 体现处置效应的投资效益，多空显著差异支撑Alpha因子特性 | 市场极端行情或周期转换时表现可能不同 |
| 表3，表4：回测统计 | 中证800和中证500，行业中性等权组合回测超额收益、波动率、最大回撤、信息比率等指标完善数据 | 年化超额收益18%以上，最大回撤一般低双位数，信息比率近2，波动率适中，风险调整后收益突出 | CGO因子在不同指数成分股有效，实用性及稳定性高 | 交易成本考虑，数据样本及回测区间影响收益与风险表现 |
| 图15，图16及表5：因子相关性分析 | CGO与SIZE、PE等因子相关性及Spearman系数，振幅和反转因子相关性较高，PE与CGO低相关 | 相关度30%左右，显示部分共性，PE相关性约3%，脱钩基本面，偏行为特征 | 确认CGO作为行为金融因子与传统因子存在区隔，具备独立Alpha贡献 | 相关性存在时间波动，且不同因子组合考虑需细化 |
| 图17-20：CGO分层选股策略净值 | 基于CGO正负分层，结合振幅与市值因子构建策略净值及交易成本扣除后表现，高CGO股票占比分时动态调整 | 复合策略净值持续上扬，最大回撤回落，交易成本控制，可视为顺应市场风格轮动 | 活用前景理论风险偏好分层框架，实证策略优化，风格轮动自然显现 | 需验证参数敏感性及策略稳健性 |
| 表6，表7：分层后风险因子IC | CGO高低组内不同风险因子IC值差异明显，市值及振幅分布不同，指导分层选因子组合策略 | 高CGO组振幅因子在风险偏好中相关，低CGO组市值因子更有效，风险偏好切换清晰 | 基于行为金融设计选股逻辑，推动多因子融合效益 | IC值绝对值整体偏低，需结合实际角度验证 |
| 图21及表9：策略组合对比 | 分层策略与单因子振幅市值策略回测对比，综合策略优势稳固，年度收益多优于单一因子 | 多数年份分层组合年化超额收益更高，最大回撤合理，风险调整优势明显 | 分层策略为CGO因子应用带来实质进步，验证理论指导下因子组合效果 | 单因子策略表现极端年份会有胜出，策略稳定性需进一步验证 |
| 图22：分层阈值参数敏感性 | 分层阈值λ对策略信息比率影响，IR呈现平滑曲线，在0到0.08间为合理阈值区间 | λ<0时IR偏低，不理想；λ>0.08超出最佳区间微弱下降，说明策略对λ不敏感，鲁棒性好 | 参数确定简单且稳健，便于实际应用 | 未对极端参数范围表现开展深度测试 |

---

四、估值分析

本报告为行为金融因子研究专题，侧重于因子构建、组合策略和风险偏好分析，未涉及具体个股或行业的估值测算，也未采用DCF、EV/EBITDA等传统估值方法。因此，报告中不包含估值部分，侧重点放在因子构造和选股策略的绩效检验上。

---

五、风险因素评估

报告明确指出的风险：

• 模型研究基于历史数据推演，未来市场环境的不确定性可能导致模型失效。

- CGO因子的有效性依赖于行为金融中的投资者非理性行为，若市场行为发生根本变化，因子表现可能下降。

• 交易成本、流动性限制影响实际收益，现实执行中需充分考虑。

- 策略周度换仓频繁，可能产生高额费用，影响净收益。

• 不同市场阶段高CGO与低CGO股票表现胜负互换，择时难度大，存在策略周期性风险。

- 报告强调客户投资决策需结合自身风险承受能力与投资理念，不盲目套用策略。

缓解策略

• 分层阈值调节，参数敏感性测试保证策略稳健性。

- 行业中性组合与等权配置，分散个股风险。

• 继续深化CGO定义与行为金融理论，试图扩大因子研究深度，提高适应性。

---

六、批判性视角与细微差别

• 报告在理论与实证结合上表现出色，但仍基于历史数据检验，未来实际操作仍需警惕因子失效问题。

- 因子IC表现虽稳定为负，表明低CGO优于高CGO，但同时胜率仅略超50%，投资执行存在难度。

• CGO计算涉及换手率加权，A股市场高换手率可能带来噪音影响，特别是极端行情下参考价格可能被操纵。

- 报告未深入讨论可能的样本选择偏差、存活偏差及多重比较问题，对风险因子本身存在的交叉影响和潜在冗余没有深入去除分析。

• 风险因子选取基于IC差异，部分因子IC绝对值较小，策略构建谨慎采用，可能存在过拟合风险。

- 策略主要集中在中证500/800范围，较小蓝筹或创业板等表现未涉及，适用范围有限。

• 报告对高CGO组的收益并无明确策略指出，未来研究应重点关注何种时点和条件下买入高CGO股票更有收益。

---

七、结论性综合

本报告从行为金融学前景理论和处置效应视角，创新性构建资本利得突出量（CGO）因子，通过对投资者整体盈亏状态的推算，精确刻画风险偏好的动态变化。CGO因子在实证中呈现显著Alpha特征，低CGO组合具有稳定超额收益和较好风险调整表现。进一步结合行为风险偏好，将股票池以CGO正负进行分层，分别结合振幅和市值风险因子，提出分层选股策略，显著优于传统单因子策略，表现出明显的风险收益优势及风格轮动能力。

报告提供详实的统计数据和多期回测，充分支持理论框架，从多个维度验证了因子的有效性和策略的稳健性。CGO因子捕获了传统因子未全面覆盖的投资者心理与行为特征，是当前风格因子失效背景下，行为金融角度挖掘有效Alpha的范例。

尽管如此，报告也谨慎指出方法基础为历史数据推演，未来市场环境多变，对模型和因子的适应性存在不确定性。此外，投资策略执行上风险调整后胜率仅略高于半数，存在择时和组合构建风险。风险因子选择和参数设定均经过严格测试，策略具有一定鲁棒性。

未来工作方向建议继续丰富CGO定义，探索不同时段因子表现差异，细化高CGO股票买入策略，扩展行业平均CGO等应用场景，进一步巩固行为金融Alpha因子的实用价值。

综上，CGO因子及基于其风险偏好分层的选股策略为行为金融学在量化投资中的应用提供了有力的实践范例，尤其适合当前市场风格因子全面失效的背景，推荐投资者关注此类行为驱动因子的潜力，结合自身投资理念审慎运用。

---

参考主要图表索引（部分）

| 图表 | 说明 |
|-------------------|---------------------------------------------------------|
| 图1：价值函数 | 前景理论投资者风险偏好描述，收益区间风险态度不同 |
| 表1：CGO计算示例 | 100日换手率加权成交均价及CGO计算具体流程展示 |
| 图2：CGO与股价变化 | RP领先均线，体现投资者心理价位动向，CGO敏感反映盈亏状态 |
| 图3-5：CGO市场统计 | CGO>0比例、CGO中位数时间序列及其分布，表现中国股市亏损主导的结构性特征 |
| 图7-8：IC周月度分析 | CGO指标负IC持续显著，显示Alpha属性且多空组合长期有效 |
| 图9-12：CGO分位排序 | 不同CGO档位多空组合净值走势，低CGO组合表现最佳 |
| 表3-4：整体及年度业绩 | 多维指标量化回测，年化超额、回撤、信息比率等，突出风险调整表现 |
| 图15-16及表5：因子相关 | CGO与常见传统因子的相关系数，体现CGO的行为金融属性及因子独立性 |
| 图17-20：分层策略 | 基于CGO分层的风险偏好选股策略净值及行为特征，展示风格轮动及策略稳定性 |
| 表6-7、图21、表9 | 分层选股策略风险因子IC、组合与单因子对比，验证分层策略优势与稳定性 |
| 图22：参数敏感性 | 分层阈值参数对信息比率的影响，展示策略鲁棒性和参数容忍度 |

---

（所有内容均来自原文及附图，引用页码详见对应部分）[page::0-20]

报告