问题

请教各位,

一个策略的换手率是如何计算的?

{{membership}}

https://bigquant.com/experimentshare/5edc72bb7b8d48e88612c2922b9469bb

\

投资要点：

❑新技术因子

在多因子量化选股系列报告中，我们已经撰写了一系列基础技术因子并对其进行有效性检验，本篇报告从换手率、非流动性和量价信息结合这几个方面继续挖掘新的技术因子。

❑换手率因子

换手率是指在一定的时间内市场中股票转手买卖的频率，是反映股票流通性强弱的一个指标。本篇报告研究了换手率稳定性因子、换手率变异系数因子、异常换手率因子。在中证500股票池内，换手率稳定性_12个月、换手率变异系数_12个月因子的表现较好。

❑非流动性因子

非流动性指标通过成交额对绝对收益的影响，来衡量股票交易对市场的冲击，用于刻画股票的非流动性。本篇报告研究了非流动性因

问题

回测模块的返回可以用

read_raw_perf()来读取，但是读取之后每个列的值的含义可以去哪里查呢，虽然这个链接已经写了一部分，但是列名和使用read_raw_perf()读取后的结果是对不上的，比如读取后的列名有 returns，

starting_exposure，pnl，

excess_return max_drawdown max_leverage

等等这些列的具体含义有说明文档可以查吗？

解答

目前还没有对raw_perf进行字段文档的输出，这个我们下来整理一下近期会放到知识库中

摘要

基金共同持仓行为是股票关联关系的重要来源

学术界对于股票关联网络的研究由来已久，用于构建关联网络的市场信息主要集中于涨跌幅、成交额、换手率等维度。本报告尝试从基金持仓维度出发，探索基金共同持仓股票间的关联网络及应用。本文分别从“基金管理人认知”和“股东协同行为”两个角度理解“基金共同持仓行为是股票关联关系的重要来源”。 基金管理人认知的角度：基金持仓反映管理人在个股层面用脚投票，基金共同持仓两只股票，反映两只股票对管理人而言具有某一方面共性；股东协同行为的角度：被基金共同持有的股票，其股东成分有交集，从而导致其市场表现存在一定程度关联。

关联度指标统计分析：

摘要

目的多因子模型体系包括alpha模型、风险模型、成本控制模型、组合优化模型 。 组合优化模型是最终将前三个模型整合为一体，得到最优结果。本期报告的主要目的是对组合优化模型进行详细的探讨，对不同的限制条件影响组合表现的规律性进行一定程度的揭示。

lamda系数lamda系数对组合表现的影响因个股权重偏离限制的不同而不同。当个股权重偏离幅度限制较严格的情况下，lamda系数对组合表现影响几乎可以忽略，而当个股权重偏离幅度限制较宽松时，lamda系数对组合表现的影响较大。

非成份股权重非成份股权重比例的提高，在沪深300上能较明显的提高组合表现，而在中证500上的结果有待进

\

/wiki/static/upload/b2/b2ee2101-bb57-4a2b-92e6-a192c81aa6be.pdf

\

结论与建议

1）持续推荐策略资金容量大、换手率低，可以作为基础股票池；

2）上调目标价和评级策略属于短期博弈策略，时效性要求较高，可以作为战术性调整的依据，且在震荡市场中可以加大配置权重。

报告摘要

巧用研报观点，方能事半功倍。卖方分析师作为二级市场的信息传播者、公司价值的独立思考者、投资者决策的外部咨询者，为市场提供了大量有效信息。但粗放、孤立、片面地使用，并不能有效发挥研报中的信息价值。利用分析师观点，应当考虑到分析师的行为动机，从个体到群体，从静态到动态，深层次地解读分析师的研报观点，破译海量研报中隐藏的信息密码，投资者才能更好地享受到“分析师信息红利”。研报概览：发布有

研究结论

过去几年A股alpha空间较大，一些经验的简单组合构建策略就可以获得稳健组合，组合优化方法在提高策略收益和稳健性上并无明显优势。它的作用更多是提供一个平台，让投资者同时精确控制组合风险暴露、个股数量和权重、换手率、冲击成本等，同时还可以把投资者的主观信息融合同一个模型框架下来，包容性和扩展性强。

风险厌恶系数的设定取决于要做什么策略组合，报告正文给出了估算方法。当组合优化问题的约束条件较多时，约束条件对组合风险的控制作用更大，风险厌恶系数的变动只能实现微调。

实际使用中，绝大多数组合优化问题都要通过数值方法求解。没有适用所有问题的数值算法；同一个问题，不同算法的求

研究结论

量化策略回溯测试得到的“纸面收益”与实际交易“账面收益”最大差别在于交易成本控制，特别是对资金量大、换手率高的产品。在成交价格上加减一个固定比例的冲击成本的传统做法并不可行，它无法反应不同时点、不同股票、不同资金量造成冲击的差异。本报告基于A股主动买卖单数据，提供了一个可行的股票冲击成本模型，辅助投资者控制资金冲击，提升账面收益。

我们构建了幂指数模型来解释股票的冲击成本。一般来说股票的流通市值、波动率、市场的活跃程度都会影响冲击成的大小。通过对历史数据做拟合我们得到了冲击成本函数的参数在不同月份的数值，并可据此计算股票的冲击成本与主动交易金额的关系。

我们将冲击

摘要

本周市值、反转、波动率、换手率、技术等价量相关因子表现较好本周价量相关因子表现较好，基本面相关因子表现一般。市值、反转、波动率、换手率、技术因子的表现整体相差不多，其中反转、波动率、换手率因子在全A股票池中表现比较突出；beta因子在沪深300成份股票池表现较好，在其余股票池表现一般；估值、成长、盈利、财务质量因子表现较弱，其中盈利和财务质量因子在全A股票池发生较大幅度回撤。从本月初至今的表现来看，主要是市值、反转、技术因子表现优秀，beta因子回撤，其余因子整体表现一般。 主动型量化基金本周表现与非量化基金持平我们基于Wind量化基金分类，通过自主筛选，构建量化公募基金池，定期

摘要

本周价量型因子均表现较好，beta因子效果突出，基本面型因子表现一般本周价量型因子均表现较好，其中beta因子效果最突出，在各种类别的股票池内IC值都很高且稳定；价量型因子中的反转、波动率、换手率、技术因子表现也不错，在各类股票池效果稳定，其中换手率、波动率因子在全A股票池中效果比较突出；市值因子主要是在沪深300和中证500成份股票池内效果较好，在中证1000成份股票池内略回撤；估值、成长、盈利、财务质量这四个基本面型因子整体表现一般，其中成长因子在沪深300成份股票池略回撤，以及财务质量因子在中证1000成份股票池、全A股票池中略回撤。 年以来波动率、换手率、估值因子相对表现

报告摘要

因子多空收益整体表现

以因子等权配置的多空组合作为基准，该基准2018年1月多空收益差为1.40%，自2016年以来的多空累计收益为17.75%，月最大回撤为-0.23%。

最近三月因子IC系数表现

最近3个月成长因子和换手率因子表现最为稳定，盈利因子在11月出现回撤，反转类因子中的细分因子表现不一，估值因子中PB稳定性好于PE。综合来看，ROA增长率、ROE增长率、毛利率增长率、净利率增长率、每股收益增长率、主营业务收入增长率、每股净资产、PB、一个月换手率、三个月换手率、一个月股价反转、DIF的表现最为突出。

当月因子IC系数表现

成长因子

报告结论

港股市值分布更极端，成交不及A股活跃

港股市值分布较A股而言更极端，大量‘壳股’的存在使得港股总市值小于10亿港币的公司数量约占38%（A股最小市值超过10亿人民币），但是超千亿市值的港股也占4.9%（A股为2.3%）；港股成交活跃性较差，2010年以来恒生综指的换手率平均仅为上证综指的37%，深成指数的19%；2010年以来，港股市场平均月总成交额也仅为A股的13.6%；

市值因子在港股中不显著

港股市值效应不显著，市值因子单调性也很差；最小20%流通市值分组内股票有超额收益，但是胜率不高，回撤较大，超额收益来自于部分极端值（主要来自07年上半年和15年

https://bigquant.com/experimentshare/b6bb3c84df0c4da5bb0b495bc52feb06

\

摘要

上周多数风格因子表现良好，财务质量、beta因子表现欠佳

上周多数风格因子表现良好，估值、盈利、小市值、反转、波动率、换手率与技术因子均呈现普遍的正收益。成长因子在中证500成分股票池中呈现一定的正收益，但在其余股票池中表现平庸。财务质量因子仅在中证500成分股票池中呈现小幅正收益，在其余股票池回撤；beta因子在全A股股票池呈现微弱的正收益，在其余股票池中回撤。

主动型量化基金近1个月表现弱于非量化基金

上周主动型、指数型、对冲三个类别的量化基金收益率中位数分别为0.80%、0.95%、0.26%，所有股票及偏股型公募基金收益率中位数为0.61%；

研究结论

过去几年A股alpha空间较大，一些经验的简单组合构建策略就可以获得稳健组合，组合优化方法在提高策略收益和稳健性上并无明显优势。它的作用更多是提供一个平台，让投资者同时精确控制组合风险暴露、个股数量和权重、换手率、冲击成本等，同时还可以把投资者的主观信息融合同一个模型框架下来，包容性和扩展性强。

风险厌恶系数的设定取决于要做什么策略组合，报告正文给出了估算方法。当组合优化问题的约束条件较多时，约束条件对组合风险的控制作用更大，风险厌恶系数的变动只能实现微调。

实际使用中，绝大多数组合优化问题都要通过数值方法求解。没有适用所有问题的数值算法；同一个问题，不同算法的求解时间

今年收益率-全A模型(收益率为标签，全A选股)超额收益13.32%

今年收益率-全A模型(收益率为标签，全A选股，基准为中证500)超额收益为13.32%。今年以来双周频调仓的“遗传规划+随机森林”模型表现较好，换手率限制为60%的情况下，该模型上周超额收益为0.87%，最近一个月超额收益为0.85%，今年以来超额收益为12.34%。对于月频调仓的“遗传规划+随机森林”模型，换手率限制为120%的情况下，模型上周超额收益为0.09%，最近一个月超额收益为-0.17%，今年以来超额收益为4.45%。

全A选股模型中，今年以来收益率为标签的模型表现最好

全A选股模型中，收益率

Smart Beta 产品近些年在海外市场规模增长迅速，它和主动量化、指数增强等alpha产品一样，收益来源于资产定价因子的风险溢价，不同之处在于获取因子暴露的方式，往往换手率较低。

我们把A股常用的指数增强策略用到了标普500指数上。用到的alpha因子中只有估值因子在标普500成分股内总体效果显著，但最近三年也有明显衰减。在不扣费情况下，年化超额收益仅0.16%，由此可见标普500指数的市场有效性。

对比看规模最大的20只Smart Beta ETF产品，有十支过去十年相对标普500的年化超额收益为正，Invesco S&P 500 Equal Weight ETF表现最为亮眼，过

摘要

市场监控

农林牧渔换手率升至历史91%分位，TMT热度持续下行。市场估值：整体处历史较低水平，超大盘和中盘估值分位更低；行业估值：农林牧渔估值上行至46%分位，TMT估值下行至历史中位数；市场换手率：量能下行续创节后新低，除深证成指外均进入历史中位数以下；行业换手率：农林牧渔换手率升至历史91%分位，TMT热度持续下行。

情绪监控

情绪维持中性，坚持底部区域判断。当前综合情绪指标为47.2，中性，分项看，技术面中性，资金面悲观，衍生品角度悲观，利率角度乐观。近期受全球疫情冲击，市场出现调整，目前已在我们预计的最悲观情形位置企稳，坚持底部区域判断。

**板块

摘要

波动率与换手率可以构建较好的择时指标

波动率和换手率是常见的市场监测指标。利用波动率和换手率能够构造出与市场长期走势明显负相关的指标，而且指标趋势性较好，可以用来判断股市牛熊。对于股票市场来说，下跌时的波动率往往比上涨时的波动率更高。换手率的上升与下降往往与股票市场本身有强相关性。借助于波动率与换手率能够很好的将市场进行分类，牛市与熊市都有与之对应的明确的组合特征。借助波动率与换手率构造出的牛熊指标与市场走势负相关性明显，借助牛熊指标开发的择时策略普遍优于直接对指数本身的择时策略。

波动率换手率可以对市场状态进行划分，搭建市场状态坐标系

我们借助于波动率与换