行为金融理论背景与处置效应简介 [page::3][page::4][page::5][page::6]

• 传统风格因子近期失效，行为金融提供市场波动的深层驱动因素挖掘路径；

- 处置效应体现投资者“出赢保亏”行为，盈利时风险规避，亏损时风险偏好，这一行为由前景理论的S形价值函数所解释；

• 投资者风险偏好随盈亏状态非对称变化，盈利时倾向抛售获利股票，亏损时倾向惜售甚至加仓。

资本利得突出量（CGO）因子定义与计算方法 [page::8][page::9]

• CGO = (昨日收盘价 - 参考价格) / 参考价格，参考价格为过去100日成交均价加权的换手率加权均价；

- CGO反映市场持仓者的平均浮盈浮亏状况，换手率权重使得近期交易信息更有效；

• 示例中显示即便收盘价下降，CGO仍可因高换手率形成浮盈状态。

CGO因子统计特征与市场表现 [page::10][page::11]

• CGO中位数分布和整体分布均呈左偏，反映市场多空非对称特性；

- CGO走势与价格高度相关，但具有更平稳的振幅特征。

CGO因子单因子择时回测表现 [page::14][page::15][page::16][page::17][page::18]

• 在中证500和中证800成分股中，低CGO（Q1）组合表现显著优于高CGO组合，累计净值和超额收益均明显领先；

- 扣除交易成本后优势依旧明显，最大回撤控制良好，信息比率高。

CGO因子相关性及独立性分析 [page::19]

• CGO与常见因子PE、SIZE、换手率及反转因子关联度低，说明CGO因子具有较强独立的Alpha信息。

CGO分层下差异化风险因子选股策略构建 [page::24][page::25][page::26][page::27]

• 通过以CGO=0为分层阈值，将股票分为高CGO和低CGO组；

- 高CGO组优先选取振幅因子（波动率小者优），低CGO组优先选市值因子（小市值优）；

• CGO分层后，风险因子在不同档位的IC差异显著，验证投资者倾向对不同盈亏状态的股票做出不同风险偏好。

CGO分层多因子组合策略回测结果 [page::28][page::29][page::30]

• 策略长期表现优异，扣除交易成本后年化超额收益19.27%，最大回撤-5.46%，信息比率2.53，夏普及Sortino均表现良好；

- 对比单因子振幅、市值因子，组合策略表现更优。

策略参数敏感度及投资者行为解读 [page::31][page::21][page::22]

• 分层阈值λ在0至0.08区间内策略信息比率最高，参数鲁棒；

- 依据前景理论，亏损时风险偏好增强，投资者更倾向持有高风险组合，盈利时风险规避，优选低波动股票；

• CGO因子不仅体现盈亏状态，还能够区分投资者的风险偏好，有效指导分层选股策略构建。

结论总结 [page::33]

• 行为金融学的处置效应及前景理论为量化因子构建提供理论基础，CGO因子衡量投资者的盈亏心理与风险偏好；

- CGO单因子表现优异，基于CGO分层结合振幅和市值因子的差异化选股策略实现稳定超额收益；

• CGO因子丰富了多因子投资体系，提供了风格轮动之外的风险偏好动态调整思路，具备显著应用价值。

资本利得突出量CGO与风险偏好——行为金融因子研究之报告详尽分析

---

一、元数据与报告概览

• 标题：资本利得突出量CGO与风险偏好——行为金融因子研究之

- 发布机构：广发证券发展研究中心

• 报告主题：探讨基于行为金融理论中的处置效应与前景理论，构建资本利得突出量（Capital Gain Overhang，简称CGO）因子，并分析其在股票选股和风险偏好分层中的应用，最终通过实证回测验证其有效性。

- 核心论点及目标：
- 传统风格/Alpha因子在市场风格失效情况下逐渐沦为风险因子，基于行为金融的非理性投资者行为（如处置效应）可构建稳定有效的Alpha因子。
- 引入资本利得突出量CGO衡量市场持仓者相对于参考价格的浮盈状况，反映投资者盈亏状态，揭示投资者不同盈亏阶段的风险偏好差异。
- 结合CGO，对不同风险因子进行分层处理，构建多层次选股策略，显著提升策略信息比率(IR)和超额收益。
- 结合CGO，创新性地实现对风险因子的风险偏好分层，增强因子择时和风格轮动能力。

---

二、逐节深度解读

1. 报告结构概览（见图1）

报告整体分为四部分：

1. 前景理论与行为金融

2. 参考价格与CGO因子

1. 基于CGO分层的选股策略

4. 总结

2. 前景理论与行为金融背景（第3-6页）

• 传统风格因子失效现状：2023年以来，传统风格因子（规模、价值等）效果大幅衰减，逐步演变为风险因子，Alpha功能弱化。

- 行为金融理论的引入：
- 行为金融强调微观心理与决策非理性，指出市场波动背后的深层驱动力。
- 处置效应（Disposition Effect）：投资者倾向卖出盈利股、持有亏损股，存在“出赢保亏”的行为偏差。（见页4）
- 前景理论（Prospect Theory，Kahneman和Tversky提出）解释处置效应中的心理动因——风险态度随盈亏状态非对称变化。
- 盈利时体现风险规避
- 亏损时体现风险偏好
- S型价值函数说明投资者效用随盈亏变化，形成不同风险偏好阶段（图6）。
- 在盈利区间A，效用增长缓慢，投资者倾向止盈。
- 在亏损区间B，存在惜售和风险偏好行为，导致股价反转可能性增加。

3. 参考价格与资本利得突出量CGO构建（第8-9页）

• 参考价格（Reference Price）定义：

- 反映投资者的心理买入成本参考点，不仅考虑当前均价，也加入历史换手率权重，体现交易信息逐步淡出效应。
- 采用加权过去100日成交均价（以换手率衰减权重）计算，增强心理价格的时变性与合理性。

• 资本利得突出量（CGO）定义：

\[
CGOt = \frac{P{\text{close},t-1} - RPt}{RPt}
\]
表示当天市场持仓者相对于其参考价格的平均浮盈比例，CGO越大，持仓浮盈越多。

• CGO计算示例（第9页）阐述了换手率权重机制的实际影响，某日换手率峰值导致参考价格降低，即使收盘价下降，也可能出现浮盈。

4. CGO的市场表现及统计特征（第10-13页）

• 市场时间序列走势（图10）：

CGO中位数与中证800指数走势关联但非同步，体现不同阶段持仓获利状态的变化。
正CGO个股比例波动大，与市场情绪高度相关。

• CGO分布特征（图11）：

- 横截面分布呈左偏且出现长尾，暗示牛市短熊市场格局。
- 整体样本分布同样左偏，表明市场个股亏多盈少的现象。

• CGO与股价关系（图12）：

具体个股案例表明：
- 缺乏换手率支撑的股价上涨伴随CGO滞后或下降，预示获利盘压力。
- 股价下跌伴随CGO下跌，反映持仓者亏损加剧，浮盈减少。
- 横盘阶段CGO波动平稳，具备更强的表现稳定性。

5. CGO因子的统计检验（第13页）

• 相关性指标：

- CGO周度IC均值为-0.0553，负IC比例62.7%，表明CGO因子对未来收益具有反向预测能力，即低CGO股未来表现较好。
- 月度IC亦同样显著，平均-0.0633。
- 处置效应导致高浮盈持仓股票未来有回调压力，低浮盈股票则有超额收益潜力。

6. CGO单因子回测（第14-16页）

• 回测设置：

- 样本覆盖中证800和中证500，时间跨度2007年5月至2017年3月。
- 分5档排序，按周调仓。

• 结果表现：

- CGO因子表现出显著选股能力，Q1（低CGO）股票表现优于Q5（高CGO），区别度明显。
- 扣除成本后仍表现稳健，最大回撤控制良好。
- 指数对冲策略回测亦确认同样结论。

• 统计指标亮眼（见第17页整体业绩表）：

- 超额收益率约为19.27%-25.77%（行业中性优于等权）
- 信息比率（IR）介于1.4-2.5区间，表现出较好稳定性
- 年化波动率控制适中，换手率合理。

7. CGO因子特色分析（第19页）

• CGO与传统PE、规模(SIZE)、反转、换手率等因子相关性均较低，约在2%-30%之间，说明CGO因子具有独特Alpha信息。

- CGO通过反映投资者盈亏状态，深入揭示风险偏好变化，超越基本面和技术面传统因子的局限。

8. 基于CGO的风险因子分层策略（第23-27页）

• 理论依据：

行为金融理论表明，投资者处在不同盈亏状态时风险偏好不同。
因此不同风险因子在高浮盈（高CGO）和低浮盈（低CGO）股票上的效用不同。

• 方法论（第25页）：

- 以阈值λ划分CGO高低档，每档分别计算风险因子（如Beta、PE、Size、振幅等）和未来收益的Rank IC。
- 计算IC差(IC spread)来选取高CGO和低CGO档的最优选股因子。

• 结果（第26页表格显示）：

- 振幅因子在高CGO股票中效用显著（风险厌恶致力于规避波动）
- 市值因子在低CGO股票中更有效（亏损股票趋向风险偏好，偏好小市值）

• 策略运行（第27-28页）：

- 低CGO组按市值选小市值股票1/5，CGO组按低振幅选股。约100只股票周度调仓。
- 策略净值表现稳健（见图28）且在扣除0.3%交易成本后依然盈利、最大回撤控制合理。

9. 策略绩效统计与对比（第29-30页）

• 年度统计（中证500行业中性）：

- 多年持续超额收益，年化超额近20%，最大回撤约-5.5%（扣除交易费用后仍表现良好）。
- 高信息比率与Sortino比率，显示风控效果突出。

• 与基准因子对比：

- 组合策略超额收益和低最大回撤均明显优于单一的15日振幅和规模因子，表现出综合优势和稳定性。

• 参数敏感性检验（第31页）：

- λ阈值在[0,0.08]区间内策略信息比率达到最优，参数鲁棒性良好。
- 负阈值时表现显著下滑，表明正向分层更有效。

10. 行为金融理论补充说明（第21-22页）

• 进一步利用前景理论的价值函数解释了处在亏损和盈利状态的股票风险偏好差异，风险偏好导致高风险亏损股票（A）预期效用和收益更高，风险厌恶导致盈利状态股票（B）更偏好稳定收益，影响市场价格形成。

11. 总结（第33页）

• 基于行为金融处置效应与前景理论构建的CGO因子，反映市场持仓者盈亏状态。

- CGO有效预测未来收益，低CGO个股持续超额收益。

• 以CGO为分层依据，结合不同的风险因子（振幅、市值），构建了高低浮盈分层择股模型，实现更高效的Alpha捕捉和风格轮动。

- 该方法补充了传统因子框架中因子择时不足的问题，体现行为金融对于因子投资的价值。

---

三、图表深度解读

图1（报告结构）

• 展示了报告四大部分的内容概要，清晰框架。

图4（处置效应漫画）

• 投资者在股价下跌时不愿割肉，表现出典型的“出赢保亏”行为。

图6（前景理论价值函数）

• S型曲线揭示投资者在亏损区间表现为风险偏好，盈利区间风险厌恶，中间点为参考价格（C点）。

- 该图为核心理论支撑，解释后续CGO的设计逻辑。

图8-9（CGO计算示例）

• 通过带换手率权重的价格计算参考价格，体现信息递减和实际持仓平均成本。

- 举例说明即使收盘价下跌，换手率结构仍可能使投资者处于浮盈状态。

图10（CGO与市场指数历史走势）

• 上图反映了CGO中位数与指数走势的动态关系，下图显示正浮盈个股比例波动明显，表明市场风险偏好与持仓盈亏状态的动态演变。

图11（CGO分布）

• 横截面与全样本均呈左偏分布，识别市场牛熊阶段特征，为风险偏好分析提供实证基础。

图12（个股案例）

• 真实股价与CGO序列的对比展示如何通过CGO识别风险盘出逃信号或价底反弹信号。

图13（CGO因子IC）

• 周度和月度IC均值显著为负，验证CGO因子的预测能力。

图14-16（单因子回测及对冲）

• CGO排序分档走势清晰，最低档股票表现优异。

- 对冲回测突出因子Alpha稳定性。

图17-19（业绩数据及因子相关性）

• 全面统计了盈利能力、回撤、比率指标，支持策略有效性。

- CGO与其他主流因子相关性较低，确认其独特性。

图21-22（风险偏好价值函数案例）

• 对不同盈亏状态下不同风险偏好的理论说明，验证策略设计合理性。

图24-28（基于CGO分层策略流程与回测）

• 分层组合框架图表。

- 策略净值（含扣成本）持续上涨，回撤较小，表现良好。

图29-31（策略分年度表现及参数敏感度）

• 年度绩效稳健，个别年份尤为突出。

- 不同λ阈值设定均表现稳定且参数鲁棒性强。

---

四、估值分析

报告未涉及传统估值方法论（如DCF、市盈率等），主要聚焦于因子构建与风险偏好研究。

---

五、风险因素评估

报告没有专门列出风险章节，但可以推断的风险包括：

• 数据及模型适应风险：参考价格和换手率加权算法依赖历史数据，未来市场结构变化可能影响CGO有效性。

- 行为效应假设风险：处置效应在不同市场阶段和环境中可能有波动，非理性行为度量难以完全准确。

• 策略实施风险：高换手率带来的交易成本和滑点可能降低实际收益。

- 样本选择偏差：报告重点依赖中证500/800成分股，外延市场表现待验证。

报告末尾强调模型及结论基于历史数据及假设，对未来可能偏差的风险提醒[page::34]。

---

六、批判性视角与细微差别

• 报告充分利用了行为金融理论优势，追踪投资者盈亏情绪，但对于市场因子系统性失效的具体影响缺乏深入剖析，未明确CGO在极端市场状况下表现是否稳健。

- 计算CGO时依赖较长的历史换手数据，短期流动性骤变时可能出现计算偏差，但对此无详细讨论。

• 套利机会是否会因CGO普及而自我消亡，报告未涉及。

- 交易成本考虑较为粗略（固定0.3%），未涉及市场冲击成本和流动性风险。

• 风险因素未单独系统罗列，缓解策略未制定。

- 报告使用的图表多为回测结果，缺少理论模型数学推导细节及参数选择依据。

---

七、结论性综合

本文基于行为金融学的处置效应与前景理论，创新构建了资本利得突出量（CGO）因子以捕捉投资者相对于其心理均价的浮盈状况：

• CGO有效反映投资者盈亏状态，从而捕捉在不同盈亏阶段的风险偏好差异。

- 通过历史数据和实证回测，CGO因子本身表现出显著的负相关Alpha能力，即低CGO个股未来收益更优。

• 利用CGO进行风险因子分层，根据资产处于高浮盈或低浮盈状态分别选用振幅或市值因子，实现了更优的风险管理和Alpha捕捉。

- 分层策略在中证500/800范围内均表现出高信息比率、稳定回撤及持续超额收益，且凸显出对传统因子如PE、SIZE的补充作用。

• 参数敏感度测试表明，CGO分层阈值在合理区间内策略表现稳健，不易过拟合。

- 理论与实证结合紧密，模型简洁且应用明晰，为行为金融因素在中国市场的实证提供了新路径。

• 报告最后提出模型基于历史数据及假设，警示投资者结合自身环境审慎应用。

从图表与数据整体看，CGO因子和基于CGO分层的因子选股策略具有显著的市场解释力和预示力，且能够有效捕捉投资者情绪转变和风险偏好的轮动，填补传统风格因子失效带来的Alpha挖掘困境，具备较强的实际应用潜力和推广价值。

---

重要溯源

• 报告整体章节结构和主题介绍[page::1] [page::2]

- 行为金融背景及处置效应详细描述[page::3] [page::4]

• 前景理论与价值函数S型风险偏好说明[page::5] [page::6]

- CGO定义及算法详解，包括加权换手率参考价格计算及浮盈率定义[page::8] [page::9]

• CGO市场表现及分布特性[page::10] [page::11]

- CGO因子统计解读及单因子回测[page::13] [page::14] [page::15]

• CGO因子风险因子分层方法及效果[page::23] [page::26] [page::27]

- 分层策略实盘回测与参数调优[page::28] [page::31]

• 行为金融风险偏好理论补充[page::21] [page::22]

- 结论总结与风险提示[page::33] [page::34]

---

总结

本报告以行为金融理论为根基，通过设计资本利得突出量CGO因子及其基于风险偏好的分层应用，为投资者提供了一套科学合理的选股和风险管理策略，在实证中显著优于传统因子，并体现出良好的稳定性和鲁棒性，具有较强的学术创新价值和实务指导意义。

报告