日内残差高阶矩与股票收益-东方证券-20160811
由qxiao创建，最终由qxiao 被浏览 132 用户
研究结论
随着技术的进步和竞争的加剧，越来越多的投资已经开始关注日内高频数据，高频数据一般指分笔数据（Tick）、快照数据（Quote）以及衍生出来的分钟数据、资金流量数据等，本文涉及主要是日内5分钟行情数据。
本文主要想考察股票的日内价格行为特征和股票未来收益率之间关系，度量股票日内价格行为特征最简单的方法是计算日内收益率的高阶矩（波动率、偏度、峰度），考虑到股票的收益率受市场、市值等风格的影响，我们在计算高阶矩时收益率用Fama-French回归的残差替代，分别计算日内特质波动率、日内特质偏度、日内特质峰度三个指标，以20日均值作为月度指标。
通过分析各因子的Rank IC序列和分组的业绩表现，我们发现日内残差高阶矩因子（风格中性）的确有预测股票未来收益率的能力。日内特质波动率越低、特质偏度越小、特质峰度越低的股票，未来预期收益率越高。相对之下，日内特质偏度超额收益最明显，且稳定性最高，月度Rank IC均值0.076，IC_IR -1.37，top组合超额收益10.0%，多空组合最大回撤5.29%；
日内残差高阶矩因子信息衰减速度较快，月度IC半衰期在两周左右，因此在使用这些因子时应该适度提高调仓频率或者改进调仓方法，充分利用因子的效率。
分析日内残差高阶矩因子和其他常见因子的相关性结构，我们有如下发现：
- 内特质波动率的超额收益来源可以被特异度完全解释；
- 日内特质偏度和日内特质峰度有很高的信息重叠，在控制日内特质偏度后，日内特质峰度几乎失效；
- 日内特质偏度和特异度、换手、价差偏离度等有少量的共有信息成分，但总体仍然相对独立风险提示
本文的研究成果基于历史数据，如果未来风格发生重大变化，部分规律可能失效
正文
/wiki/static/upload/25/254c41ac-f6d1-40b7-beec-31aab90b4dab.pdf
\