• A股市场动量效应难以显现，短端与长端涨跌幅因子均表现为显著的反转效应，长端反转效应虽衰减但依旧显著（IC均值约-0.02）[page::1][page::2]。

• 传统基于时间维度的切割技术（如6个月涨跌幅减去1个月涨跌幅）无法有效切割出动量因子，因子IC均值仅为-0.002，动量效应不明显；其时间维度结构显示，除最近1个月涨跌幅外，其他月份无明显动量或反转效应[page::2][page::3]。

• 以6个月涨跌幅为例的时间维度切割示意图，展示动量和反转在近远端共存但难以区分，表明仅时间维度切割难以获得有效动量因子[page::3]。

• 通过交易行为维度切割因子，选取日度振幅作为衡量交易活跃度的指标，将N个交易日按振幅大小分为低振幅和高振幅交易日，并对涨跌幅加总得到A因子（低振幅部分）和B因子（高振幅部分），实证发现A因子表现为显著动量效应，B因子表现为反转效应。以N=160日为例，A因子IC均值达到0.033，并且动量效应随着时间窗口延长而增强[page::4]。

• 不同振幅分组IC均值结构显示，低振幅分组中动量效应显著（前7组均为正IC），高振幅分组出现明显反转效应（第9、10组为负IC），动量与反转效应分布不对称[page::5]。

• 引入切割比例λ，A因子随λ增长呈现先增后降趋势，当λ约为70%时，IC均值达到峰值0.036，ICIR为1.31，动量效应最为显著。多空组合净值表现稳健，分组年化收益率单调递增，多头组合超额表现显著[page::5][page::6]。

• 切割得到的动量因子在沪深300样本中选股能力卓越，IC均值0.051，ICIR 1.04。2010年4月至2020年6月，多头组合年化收益9.72%，超越同期沪深300指数3.05%，超额表现稳健[page::6][page::7]。

• 其他交易活跃维度指标（换手率、单笔成交金额）切割效果对比显示，日度振幅切割效果最佳，换手率、单笔成交金额对应的动量因子IC均值分别为0.015和0.027，ICIR分别为0.45和0.83[page::7]。

• 风险提示：该模型基于历史数据构建，未来市场环境变化可能导致模型效果不同，因此策略需谨慎应用并持续评估[page::1][page::7]。

金融研究报告详尽解析——《A股市场中如何构造动量因子？》

---

一、元数据与概览

报告标题： 《A股市场中如何构造动量因子？》
作者及机构： 开源证券金融工程首席分析师 魏建榕博士，及团队成员高鹏、王志豪等，开源证券研究所金融工程团队
发布日期： 2020年7月21日
研究主题： 探讨A股市场中动量效应的特征及有效动量因子的构造方法，突破传统时间维度的动量因子切割限制，通过交易行为维度的切割发掘动量信号。
核心论点与结论：

• A股市场中的动量效应难以直接发现，传统基于时间维度的切割效果不佳，而短端和长端涨跌幅因子普遍呈现显著反转效应。[page::1] [page::2]

- 基于交易行为维度，特别是以日度振幅为切割标准，将涨跌幅因子分解后，能够得到显著的动量因子，表现稳健且选股能力突出，沪深300样本表现尤为优异。[page::4] [page::6] [page::7]

• 切割得到的动量因子IC均值显著为正，ICIR值高，表明因子信息效用强，收益有规律，风险调整表现良好。[page::5] [page::6]

- 风险提示强调模型基于历史数据，未来市场可能出现变化，需警惕模型失效风险。[page::7]

---

二、逐节深度解读

1. A股市场中动量效应难寻踪迹（引言及摘要）

报告首先陈述动量效应的定义——过去表现好的股票在未来一段时期会继续获得较好收益。该现象在国外市场较为普遍，但在A股难以直接观察到这一效应。A股中，无论短期还是长期涨跌幅因子，多表现为反转，即股票涨多后未来有跌的倾向。尤其短端涨跌幅因子展现强反转效应，长端虽有所减弱但仍显著。

本节显示A股市场动量因子难以构建的现实困境，奠定后续探索动量因子构造路径的基础。[page::1]

---

2. 涨跌幅因子的切割

2.1 时间维度切割效果有限

传统做法多从时间角度试图切割涨跌幅因子，比如用6个月涨跌幅减去1个月涨跌幅，以期剥离出动量成分。然而实证结果显示，这类时间切割方案IC均值只有-0.002，基本没有动量信号，效果差强人意。

图2（见下文解读）详细揭示时间维度上，不同月份的月度涨跌幅因子IC均值分布，除最近1个月显著反转外，其他月份涨跌幅没表现出显著动量或反转效应。时段简单相减难以剥离有效动量信息。

图3示意传统时间维度切割机理，6个月涨跌幅分成近端（Ret1m）和远端（Ret6m-Ret1m），两部分内部动量和反转效应掺杂，彼此抵消，导致总体信号微弱。

结论是：仅靠时间维度简单切割，不足以在A股挖掘有效动量因子。[page::2] [page::3]

2.2 交易行为维度的切割探索

鉴于行为金融学理论认为反转效应源于投资者过度反应及交易行为，作者从交易活跃程度角度出发，尝试以换手率、单笔成交金额和日度振幅三个指标为维度对涨跌幅因子进行切割。

经过测试，日度振幅的切割效果最佳。其具体方法是：

• 选取股票最近N日（例如N=160）交易数据

- 计算每日价格振幅（最高价/最低价 - 1）

• 把日振幅从低到高排序，将前N/2低振幅日的涨跌幅加总为A因子（低振幅累计涨跌幅）

- 高振幅日涨跌幅加总为B因子

实测中，A因子呈现显著正向动量效应，B因子则表现反转效应，且随窗口长度增大效果更显著。以N=160时，A因子IC均值达到0.033，动量特征明显。

由此，报告提出：基于交易行为的日度振幅切割能够有效将动量成分从整体涨跌幅因子中分离出来。[page::4]

---

3. 切割得到的动量因子表现稳健

3.1 涨跌幅因子内在结构

进一步细分160日为10等分组，按照振幅水平低到高排列，从振幅最低10%到最高10%的涨跌幅因子IC均值分布分析（图5）表明：

• 振幅较低组呈现较强正向动量效应

- 振幅中高水平开始出现动量效应减弱乃至转为反转

• 振幅最高组展示强烈反转效应

这说明低振幅时涨跌幅因子动量效应活跃，高振幅时反转占优势，二者不对称分布。

3.2 优化动量因子构造与效用评估

引入切割比例λ作为振幅低端累加比例，构造因子 $A(\lambda)$ ，测量因子IC均值与ICIR随λ变化趋势发现：

• λ从10%至70%，IC均值和ICIR先升后降，在70%附近达到峰值（IC均值0.036，ICIR 1.31）[page::5]。

- λ超过70%，掺入振幅较高的反转部分，整体动量效应减弱甚至负向。

多空对冲净值曲线（图7）和分组年化收益率（图8）均体现出该动量因子的可靠稳健：

• 多头组合持续跑赢基准，随λ增加表现更好

- 5分组年化收益率单调递增，表现明确的择时与选股信号品质。

综上，通过振幅交易行为切割策略，所构造动量因子表现出了较好的稳健性和实用价值。[page::5][page::6]

---

4. 若干重要讨论

4.1 动量因子在沪深300样本中表现优异

对沪深300样本空间的实证检验表明，动量因子IC均值0.051，ICIR 1.04，充分体现选股能力。多头组合自2010年4月至2020年中，年化收益率达到9.72%，明显超越同期沪深300指数3.05%，收益稳定，风险可控（图9）。

4.2 不同交易行为指标的比较

除日度振幅外，换手率和单笔成交金额也被尝试作为切割指标，但效果逊色明显：

• 单笔成交金额切割动量因子IC均值0.027，ICIR 0.83

- 换手率切割动量因子IC均值仅0.015，ICIR 0.45

• 日度振幅切割效果最佳，收益曲线领先（图10）。

结论明确：基于日度振幅的动量因子构建方法优于其他二级交易活跃指标。[page::7]

---

5. 风险提示

报告指出，所构模型和因子基于历史回测，未来市场环境可能变化导致因子效能降低。投资应用时需谨慎，关注模型失效风险。[page::7]

---

三、图表深度解读

图1：A股短端和长端涨跌幅因子IC均值与IR结构（页面2）

• 图表纵轴左侧为IC均值，右侧为信息比率（IR）

- 横轴为回溯交易日长度（20到240日）

• IC均值始终为负，表明短端及长端涨跌幅均体现反转特征，短端反转更强（IC均值-0.054），长端反转有所减弱但依旧显著（约-0.02）

- IR同时下降，反映反转效应一贯稳定但强度随回溯期增长减弱。

该图直接印证A股市场动量因子难以用传统涨跌幅因子捕捉，动量信号被反转效应掩盖。[page::2]

---

图2：涨跌幅因子时间维度IC结构（页面3）

• 横轴细分6个月中各月涨跌幅

- 近端第1个月Ret1m显示明显负IC，根强烈反转

• 远端各月涨跌幅因子IC接近0略有波动，难见动量或反转特征。

说明时间区间涨跌幅因子表现极端分布，时间切割难提取纯动量信号。[page::3]

---

图3：涨跌幅因子时间维度切割示意（页面3）

• 通过大小不同圆圈表示动量和反转成分权重及强度

- 近端强反转居主导，伴随小动量成分

• 远端动量与反转相抵消，整体缺乏显著动量趋势。

形象展示时间切割内不足以得到清晰动量因子的成因。[page::3]

---

图4：不同回看天数下A因子与B因子IC均值（页面4）

• A因子（日低振幅加总）IC均值逐步提升并正向，最高达0.033

- B因子（日高振幅加总）显示持续负IC，集中反转信号

• 时间窗口越长，两个因子信号更显著分化。

体现振幅切割对动量和反转的成功拆解，理论支持明显。[page::4]

---

图5：不同振幅水平下涨跌幅因子IC均值（页面5）

• 低振幅群组（1-7组）IC均为正且较高，动量效应强

- 高振幅群组（9-10组）IC转为负，反转效应主导

• 整体动量反转呈非对称分布。

证明振幅维度充分刻画了涨跌幅因子的内在结构。[page::5]

---

图6：不同切割比例λ下A因子IC均值与ICIR（页面5）

• λ从10%到70%，因子表现稳步提升，峰值IC 0.036，ICIR 1.31

- 超过70%，随着带入反转因子，效能下滑

表明动量因子构造存在最优切割比例，避免过度包含反转成分。[page::5]

---

图7：不同λ下A因子多空对冲净值表现（页面6）

• 随λ增加，多空净值累计收益显著提高

- 超过70%后仍保持较好表现，显示稳健性

• 图形曲线持续上升，表现出长期盈利能力

反映因子实盘潜力与择时能力。[page::6]

---

图8：λ=70%时A因子分组收益单调（页面6）

• 5分组年化收益由负逐步提升至最高12%+

- 多空对冲组明显优于均值

表明因子区分能力强，多头组收益稳健可靠，回报递增符合逻辑。[page::6]

---

图9：沪深300样本多头组合净值 vs 沪深300指数（页面7）

• 多头组合净值明显跑赢沪深300

- 持续趋势同步且波动较低，兼有超额收益与较好风险控制

• 时间跨度长，验证因子稳定性和适配性

此图实证验证报告中动量因子选股能力与收益优势。[page::7]

---

图10：不同指标切割动量因子多空对冲净值曲线（页面7）

• 日度振幅红线领先，表现最优

- 单笔成交金额与换手率相对逊色

数据明确支持日度振幅为切割维度的优越性，符合行为金融学解释。[page::7]

---

四、估值分析

本报告未涉及传统意义上的企业估值模型、盈利预测或目标价。报告核心聚焦于因子研究与因子构造方法论，不包含DCF、可比公司分析、EV/EBITDA等估值指标。

因此，本节略。

---

五、风险因素评估

报告在风险提示部分指出，因子和模型均基于历史数据统计结果，未来市场环境、投资者行为、监管政策等变化均可能导致模型失效。尤其是A股市场结构复杂多变，反转和动量效应可能遭到扰动。

报告未详细列举具体风险缓释策略，仅以提示加强模型使用风险意识为主，反映量化策略在历史有效性与未来不确定性之间的权衡。

---

六、批判性视角与细微差别

• 模型依赖历史数据，报告承认市场未来可能变化，且A股市场的制度环境、投资者情绪、交易行为等均有可能发生演变，带来动量或反转因子结构变化，存在模型时间衰减风险。

- 切割维度选择具有理论支撑但也存在一定经验成分，选择日度振幅作为切割指标效果最好，但因该指标本身可能受到极端行情影响，需持续监控其稳定性。

• 报告中使用的IC（信息系数）、ICIR（IC信息比率）等指标主要从统计角度验证因子有效性，但模型并未完整披露更细致的风险调整测算或压力测试结果。

- 报告未涉及交易成本、流动性风险对策略实施的影响，真实操作中或存在影响因子实际收益表现的障碍。

• 时间维度切割效果不佳可能与A股市场散户主导、短期投机等结构性特点有关，该点报告未深入展开，留有后续研究空间。

总体而言，报告以严谨实证和理论结合支撑结论，且反复交叉验证切割方案有效性，分析较为稳健。

---

七、结论性综合

报告立足A股市场动量效应难以被传统时间切割挖掘的现实，创新地从交易行为角度，特别是日度振幅维度切割涨跌幅因子，成功分离出具有显著且稳健动量效应的因子成分。该切割法不仅理论有据，行为金融学视角解释流畅，而且在长期历史数据中展示优异的统计特征和选股能力。具体体现在：

• 测试周期内IC均值显著正向（约0.036），ICIR值高达1.31，表明因子具有稳定的信息传递能力；

- 多空对冲策略多头组合收益稳健，年化收益率超过基准指数明显，且分组收益单调递增，说明该因子表征能力强，投资实用性明确；

• 在沪深300样本内表现依然强劲，多头组合年化收益率9.72%，远超3.05%的沪深300指数回报，且收益曲线和基准走势相关且优异；

- 与其他交易行为指标（换手率、单笔成交金额）比较，日度振幅切割效果显著优越。

这些证据表明，基于日度振幅切割的涨跌幅动量因子，为突破A股市场固有“反转”结构限制，构造有效动量投资策略提供了新的路径与实证支持，对于量化投资者具有实际参考价值。

同时，报告客观指出模型基于历史数据，市场未来波动可能使模型表现不同，提醒审慎使用。

综上，报告提供了A股动量因子构建领域一项创新且扎实的研究成果，推动了A股量化策略的理论与应用进步，具有较高的学术及实务价值。

---

附：部分关键图表示意

• 图1：A股短端与长端涨跌幅因子反转效应持续显著

- 图4：不同窗口天数下基于振幅切割的A因子（动量）与B因子（反转）IC均值对比显著分化

• 图5：不同振幅水平下涨跌幅因子IC结构体现动量与反转不对称分布

- 图7：不同切割比例动态变化的A因子多空对冲净值持续高增长

• 图9：沪深300结构下多头组合相对基准表现优异

---

（全文引用页码均严格对应报告原文，确保分析内容溯源准确。）

报告