因子原理

动量因子和反转因子是量化交易中一对相反的概念，虽然它们的逻辑有所不同，但都基于市场上存在的某种”惯性‘现象，即资产价格可能会在一段时间内延续其之前的趋势，或者由于市场的过度反应，导致价格偏离基本面。

动量因子的核心思想是：过去表现较好的股票在未来会继续走强，表现差的股票则可能继续低迷。假设A公司股票过去一个月的涨幅为15%，B公司过去一个月的涨幅为-5%，那么我们认为A公司股票有可能继续上涨，而B公司股票则可能下跌或表现不好。

而反转则认为在过去一段时间中表现较差的股票在未来可能经历收益的较大逆转，出现反弹。假设A公司股票过去一个月的跌幅为-20%，那么A公司股票的价格可

策略介绍

在量化投资领域，小市值股票和动量因子是两个广泛应用的选股指标。小市值股票因其相对较小的市值，更容易受到市场情绪和资金流入的影响，从而表现出高收益特性。而动量因子则反映了股票价格在一段时间内的趋势，具有延续性的特点。本文结合这两个因子，构建一个针对全A股市场的量化策略，旨在通过选择具有高动量的小市值股票来实现最大化的年化收益率。

策略背景

小市值股票和动量因子在量化投资中具有重要地位。小市值股票通常具备高成长潜力，能在短期内带来显著收益。动量因子则是基于“强者恒强，弱者恒弱”的市场动量效应，追踪价格上涨或下跌的趋势。结合这两个因子可以捕捉市场中的高收益机会。小市值股

策略介绍

全A股市场的量化投资策略在近年来受到越来越多投资者的关注。此次我们介绍的策略主要依赖小市值因子和动量因子进行股票选择，以期在不进行风险控制的情况下最大化年化收益率。小市值因子（Small Size Factor）和动量因子（Momentum Factor）是量化投资中常用的两个因子。

小市值因子基于“规模效应假说”，认为小市值股票往往具有更高的收益潜力，因为它们的增长空间较大且往往被市场低估。动量因子则基于“惯性效应假说”，认为过去表现好的股票在未来一段时间内仍有可能继续表现优异。这两个因子的结合可以在一定程度上兼顾成长性与市场趋势，形成一个较为稳健的投资组合。

然而，这

策略介绍

量化投资领域中，因子模型是非常重要的一类策略。因子投资策略通过提取市场中的某些特征（如价值、动量、规模等），并以此来构建投资组合。本文介绍的策略主要采用了小市值因子和动量因子，目的是在全A股市场中最大化年化收益率。

小市值因子（Size Factor）指的是选取市值较小的股票进行投资。根据“规模效应”理论，市值较小的股票往往能够获得较高的收益率。动量因子（Momentum Factor）则是选取价格上升趋势明显的股票进行投资。动量策略的理论基础是“惯性效应”，即股票价格在一段时间内的走势会继续保持。

这两个因子的结合可以捕捉到市场中的不同特征，从而提高策略的收益。需要注意

策略介绍

量化投资策略通过数学和统计方法，从历史数据中提取出有用的信息，指导投资决策。今天我们要介绍的是一个基于小市值因子和动量因子的全A股量化策略。该策略通过选择市值较小且动量较高的股票，力图在不进行额外风险控制的情况下，实现高年化收益。

小市值因子，即市值较小的股票往往具有较高的预期收益，这是因为小市值股票通常具有较高的成长性，但也伴随着较高的风险。动量因子，是指股票的价格具有惯性，即过去表现好的股票在未来一段时间内仍然可能表现较好。在实际操作中，动量因子常通过一定期间内的价格变化率来衡量。

该策略的优点在于通过组合小市值因子和动量因子，能够捕捉到市场中的高成长

更新

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[http

本文来自于MSCI研究，原文标题为《因子焦点：防守定位的价值在哪里？》

关键词：MSCI  |  全球投资  |  因子投资

作者：Hitendra D Varsani MSCI 研究部 执行董事

Waman Virgaonkar MSCI 研究部 副总裁

核心观点：

1、全球股市在 2021 年第三季度下跌，结束了连续五个季度的正回报。MSCI 动量指数和 MSCI 最低波动率指数在 MSCI ACWI 因子指数中表现领先。

2、虽然股市在去年取得了强劲的回报，但对滞胀的担忧加剧可能会导致防御性定位。在防御性因子中，最低波动率相对于质量的估值处于历史低位。

3、

https://bigquant.com/codeshare/3b5c66d6-ed5b-46a0-8dc6-3a48cc76a482

\

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

本文导读

待测因子：传统的1个月反转等因子，以及改进的动量因子动量因子是一类非常重要的风格因子，本报告中我们选取了十三个具有代 表性的动量因子进行测试，包括 HAlpha（个股 60 个月收益与上证综指线 性回归的截矩项）， return_Nm（个股最近 N 个月的收益率，N=1、3、6、 12），wgt_return_Nm（个股最近 N 个月的日换手率加权平均日收益率， N=1、3、6、12），exp_wgt_return_Nm（个股最近 N 个月的指数衰减权 重乘以日换手率加权平均日收益率，N=1、3、6、12）。经实证检验，两种 改进方式都对传统的 N 个月反转因

摘要

在中国股票市场中，传统动量因子不是好的Alpha因子。方正金工团队基于“市场行为特征在日内不同时段存在差异”的基本事实，考察了动量因子的日内精细结构，重新构造出了最优化的动量因子。

基本思路：不同的交易者群体，会有不同的行为模式，这是几乎不证自明的命题。对于交易日内的不同时段，交易者成分的系统性差异，会导向不同的市场行为特征，从而形成各式各样的日内模式（intraday patterns）。按照这个思路，我们将每日股票的涨跌切割为5个时段，再重新加权组装得到最优动量因子。

选股能力：最优动量因子在全市场的五分组多空对冲，年化收益为17.4%，信息比率为2.30，月度胜率为84

摘要

本篇报告在东吴金工以往“动量因子切割”研究的基础上，加入“量”的信息，发现日内与隔夜的价量关系，蕴藏着不同的特征与逻辑，而这两种不同的特征，最终都可用于甄别动量因子信号的强弱。

日内的价量关系

日内部分的价量关系表现为“日内量”能够对“日内价”起到增强作用，即若按照对应的日内换手率对日内因子进行切割，则对应换手率越大的局部日内因子，选股能力越强。

隔夜的价量关系

隔夜与日内截然不同，推动隔夜股价变动的力量，并非来源于当日的开盘集合竞价成交量，隔夜的价量逻辑暗藏于“昨日量”与“今日价”的错配关系之中。按照昨日换手率对隔夜因子进行切割，发现不同局部因子展现出不

报告摘要

（一） 主要内容

本篇报告首先对基础动量因子进行细致分析，发现基础动量存在较多不足并提出改进思路的二维矩阵，之后对每个改进维度的切入点、逻辑链条和改进方法进行详细阐述，最后测试了各个改进因子的提升效果。

（二 ） 基础动量刨析

• 1月动量头尾组合的信息比率最突出但换手率也更高；而3月动量各组合的区分度更明显。
• 基础动量的多空收益更多来源于空头部分的贡献。
• 将1月动量与3月动量做等权合成后，复合因子的有效性能得到明显提升。

（三 ） 改进动量的思路框架

• 从动量因子的特性出发，可将动量改进的整体思路归

摘要

本篇报告为东吴金工动量因子系列研究的第二篇，延续并拓展了上一篇报告《成交量对动量因子的修正》的研究理念，按照交易者类型对成交量做了进一步细分，考察在不同交易者结构下，动量因子表现的强弱。

股市场的交易者结构：按照挂单金额的大小，可以将交易者分为机构、大户、中户和散户。在A股市场中，中户、散户交易占比长期较高，两者相加超过70%。交易者结构对动量因子的影响：不同交易群体的交易目的、特征不同，可能导致不同群体贡献的成交量中蕴含的信息也存在差异。

基于上述猜想，我们分别按照散户、中户、大户、机构的交易占比高低，对传统的涨跌幅因子进行拆分，回测得到以下主要结论：

1. 交易者结构对

摘要

股票价格的动量（Momentum），顾名思义代表的是股价在一定时间内延续前期走势的现象。不过与海外长期的研究和经验相悖的是，在A股市场，我们发现股价的反转（Reverse）效应要远强于动量效应，且短期反转因子的历史收益非常出色。

但常用动量因子也存在单调性不佳，多头收益不稳定的问题，因此我们尝试从不同角度出发对动量因子进行改造，寻找提升常用动量因子选股效果和稳定性的方法（本文测试时间区间为2006/01/01–2019/05/31）。

结合均线的趋势动量因子动量因子构造时所使用的数据仅为起始节点和末尾节点的股价数据，对于期间的股价信息并未充分反应，因此我们尝试采用均线的思路，

摘要

在之前的行业轮动系列报告中我们发现，传统形式下的动量因子在行业选择上并不能贡献稳健超额收益。本文尝试从剥离风格因素后的超额收益（alpha）出发，考察扣除了常见风险溢价后的收益在行业轮动上是否具有参考价值。

FF3alpha因子的行业轮动效果在美国市场和A股市场存在显著差异。在美股市场，基于FF3alpha（FamaFrench三因子模型的alpha）构建的行业轮动策略效果显著，夏普比是买入持有策略的4倍。而在A股29个中信一级行业中，FF3因子则失效。原因之一可能是在美国市场，FF3模型中市值因子溢价（BMS）和估值因子溢价（HML）对绝大部分行业收益都存在显著的解释能力。而

摘要

基于风险调整后收益的动量因子。本文考察了Jensen指数、Sharpe比率、比率、Calmar比率四个风险调整后收益的指标，在不同时间跨度下的动量反转效应。其中，6个月的Jensen指数（Jensen6）、1个月的Sharpe比率（Sharpe1）、1个月的Treynor比率（Treynor1）、3个月的Calmar比率（Calmar3）的单因子检验最显著，Jensen6为反转因子，其他均为动量因子。

基于多期限均线的趋势因子。通过横截面回归的方法，本文基于不同期限的移动均线信号，构建了短期、中期、长期的趋势因子。其中，只有短期趋势因子（短）具有很强的显著性，中期和长期的趋

/wiki/static/upload/07/07e75486-8706-4d01-b6d4-da053eb2f18e.pdf

\

/wiki/static/upload/9c/9c48c146-4bd4-4189-993b-ef5abdd8bb9b.pdf

\

报告摘要

主要观点

本篇是“学海拾珠”系列第一百篇，文献研究了因子动量与动量因子之间存在的一些联系。股票动量效应长期以来违背了有效市场假说，而较新的一些文献也发现，动量在股票异象因子中也广泛存在，构造因子动量策略可以获得显著优于基准的回报。文献发现，因子收益的正向自协方差是因子动量收益的重要组成部分，并且在股票动量收益中起着关键作用。因子收益的时间序列自相关完全包含了个股收益的横截面动量。回到A股市场，可以研究A股的异象因子的收益变化在影响横截面股票动量方面发挥的作用，通过监测因子动量从另一个角度跟踪动量因子的强弱，避免动量崩溃。

因子的时间序列动量策略与横截面动量

引言

动量因子在金融市场有着广泛的应用。动量因子始于Jegadeesh and Titman(1993)，且动量因子广泛存在于股票，期货，债券等市场中。学术界关于动量的争议也层出不穷。一方面，有人认为动量因子的出现违背了有效市场假说；另一方面，人们认为动量背后的成因是投资者对市场信息反应的不充分或者过度，投资者获取信息的先后不一样，同时亦有部分观点认为长期来看，动量背后的成因同样也包含了基本面因素的驱动，在大环境条件不变的情况下，动量表现好的品种会在基本面供需的驱动下继续表现好。目前市面上已有大量的动量因子或者是使用技术指标构造的趋势因子，从动量的分类出发，动量可以分为时序动量

时间：2022年3月7日-2022年3月11日

主要结论

本周指数增强组合表现

沪深300指数增强组合本周超额收益0.16%，本年超额收益3.26%。 中证500指数增强组合本周超额收益0.95%，本年超额收益2.28%。 中证1000指数增强组合本周超额收益0.35%，本年超额收益3.36%。 二

本周选股因子表现跟踪

沪深300成分股中‍一年动量、单季EP、标准化预期外收入等因子表现较好。 中证500成分股中股息率、SPTTM。单季SP等因子表现较好。 公募基金重仓股中单季营收同比增速、一年动量、单季ROE同比等‍‍‍‍‍‍因‍‍子表现较好。

摘要

本周各因子波动较小，总体呈现小量回撤趋势。其中流动性因子、动量因子表现相对较好，收益分别为-1.00%和0.17%；量价因子以及成长因子收益表现较差，分别为-1.24%和-3.15%。

量化模型统计显示，本周动动量因子优选股票主要集中行业为电子信息、房地产以及化工行业；盈利因子优选股票主要集中行业为金融行业和能源行业；量价因子优选股票主要集中行业为电子器件、电子信息；成长因子优选股票主要集中行业为酿酒行业；流动性因子优选股票主要集中行业为金融以及电力行业。

统计数据显示，流动性因子采用风险中性权重搭配生成的投资组合Beta值最高；量价因子采用风险中性权重搭配生成的投资组合Be