20200307-开源证券-市场微观结构研究系列（5）：APM因子模型的进阶版

免费

3.0 森林南 2024-05-26 85 659.55KB 11 页免费

侵权投诉

金融工程专题

请务必参阅正文后面的信息披露和法律声明 1 / 11

2020年03月07日

《市场微观结构研究系列（1）-A股反

转之力的微观来源》-2019.12.23

《市场微观结构研究系列（2）-交易行

为因子的2019年》-2019.12.28

《市场微观结构研究系列（3）-聪明钱

因子模型的2.0版本》-2020.02.09

《市场微观结构研究系列（4）-A股行

业动量的精细结构》-2020.03.02

APM因子模型的进阶版

——市场微观结构研究系列（5）

魏建榕（分析师）

苏俊豪（联系人）

weijianrong@kysec.cn

证书编号：S0790519120001

sujunhao@kysec.cn

证书编号：S0790120020012

⚫ APM因子的构建思想在于股票价格行为存在日内模式差异

我们独家提出的APM因子模型，专注于考察上午（am）与下午（pm）的价格行

为差异，并提取出有效的选股因子，在量化投资同行中获得了较好的评价。本报

告的主旨是，基于APM因子模型的思想框架，对原始APM因子的改进再作深入

的探讨。

⚫ APM因子在2019年遭遇连续回撤

APM因子在样本内（2013年5月-2016年10月）表现良好，五分组多空对冲年化收

益为15.9%，期间最大回撤为2.52%，信息比率为2.84，月度胜率为78.6%，样本

外（ 2016年11月-2019年12月）的表现略逊于样本内，多空对冲年化收益为6.41%，

最大回撤为5.72%。尤其是2019年，因子出现了连续的回撤。

⚫ APM因子的改进：改进后的APM因子较原始APM因子表现优异

我们通过构造股票分时段收益因子，发现APM因子在2019年的回撤是因为股票

在日内交易行为的差异性发生了变化。进一步分析可知，从隔夜到下午，股票分

时收益对未来收益的预测性逐步由正转负，但股票上午收益对未来收益的预测性

并不稳定，而隔夜收益对未来收益的正向预测性则较为稳定。基于此我们对APM

因子使用的数据时段进行了调整，得到了改进APM因子。改进APM因子在2019

年的表现显著优于原始APM因子。

⚫ 进一步的讨论

其一，我们比较了改进APM因子不同样本空间中的选股能力，发现改进APM因

子在中证500成分股中的多空对冲表现优于全市场，但在沪深300成分股中选股能

力一般。

其二，我们把APM因子方法论应用于不同时段的比较，构造了一系列的新因子，

进一步印证了我们对原始APM因子在2019年失效原因的猜想。

其三，作为开拓式发散，对于股票分时段收益数据的使用，我们也考虑了其他方

法。我们把APM因子方法论与W式切割方法的结合起来，在该方案下，使用股票

隔夜收益数据与下午收益数据得到的OVP因子表现良好。

⚫ 风险提示：模型测试基于历史数据，市场未来可能发生变化。

相关研究报告

金融工程研究团队

开

源

证

券

证

券

研

究

报

告

金

融

工

程

专

题

金

融

工

程

研

究

金融工程专题

请务必参阅正文后面的信息披露和法律声明 2 / 11

1、引言：股票价格行为存在日内模式 .................................................................................................................................... 3

2、 2019年原始APM因子表现不佳 ............................................................................................................................................ 3

3、 2019年APM因子失效源于上午收益的性质反转 ................................................................................................................ 4

4、改进后的APM因子较原始APM因子表现更优异 ............................................................................................................... 5

5、进一步的讨论 ........................................................................................................................................................................ 7

6、风险提示 ................................................................................................................................................................................ 9

图表目录

图1：在2019年的表现并不理想（全市场，五分组，多空对冲净值，剔除市值和行业） .................................. 4

图2：在全样本区间为正相关，而2019年却为负相关 ............................................................................................... 5

图3：日内各时段成交量占当日成交量的比重，集合竞价阶段占比最高 ............................................................................. 5

图4：各时段的ICIR从隔夜到下午逐渐连续降低（全样本区间） ......................................................................................... 6

图5：各时段的ICIR从隔夜到下午逐渐连续降低的趋势并不明显（2019年） ..................................................................... 6

图6：较的多空净值明显提升（全市场，五分组，多空净值，剔除行业和市值因素） ...................... 6

图7：因子在不同样本空间的多空对冲净值，中证500成分股内表现最佳 ........................................................... 7

图8：五个因子中在2019年表现最佳（全样本，五分组，多空净值，剔除行业市值）..................................... 8

图9： OVP因子较AVP因子在多空表现上更优异（全市场、五分组、多空净值、剔除行业市值） .................................. 9

表1：较的多空表现明显提升（回测指标） ............................................................................................. 7

表2： APM因子使用的数据时段................................................................................................................................................ 7

表3： OVP因子较AVP因子在多空表现上更优异（各回测指标） ......................................................................................... 9

1Z2XoRpRvNoPtPnQrPqQrMaQ9RbRnPoOnPsOkPrRqNeRoMtN8OrQrRuOnNtMwMpNxO

金融工程专题

请务必参阅正文后面的信息披露和法律声明 3 / 11

1、引言：股票价格行为存在日内模式

在A股市场中，市场微观结构领域的实证研究显示，知情交易概率（probability

of informed trading）在日内呈现“倒J形”曲线。关于这个现象的简单理解是：由于

隔夜时段的交易暂停，每个交易日开盘后，市场累积的大量私有信息，将通过交易迅

速释放，因此知情交易概率在开盘后呈现快速下降的形态。换言之，知情交易者更加

倾向于在每日上午进行交易，上午的价格行为蕴藏了更多可用于选股的信息量。我

们独家提出的APM因子模型，专注于考察上午（am）与下午（pm）的价格行为差异，

并提取出有效的选股因子，在量化投资同行中获得了较好的评价。本报告的主旨是，

基于APM因子模型的思想框架，对原始APM因子的改进再作深入的探讨。本报告是

开源证券金融工程团队“市场微观结构研究”系列的第5篇。

2、 2019年原始APM因子表现不佳

通过模型分析上午和下午行情数据所蕴含信息量的差别，是构建APM因子模型

的核心思想。

原始APM因子的计算步骤：

第一步：对选定股票，回溯取其过去20日数据，记逐日上午的股票收益率为

，

指数收益率为

；逐日下午的股票收益率为

，指数收益率为

；

第二步：将得到的40组上午与下午(r,R)的收益率数据进行回归：   

，得到残差项；

第三步：以上得到的40个残差中，上午残差记为

，下午残差记为

，进一

步计算每日上午与下午残差的差值 

  

；

第四步：构造统计量stat来衡量上午与下午残差的差异程度，计算公式如下（为

均值，为标准差）：

  



第五步：为了消除动量因子的影响，将统计量stat对动量因子进行横截面回归：

  ，其中为股票过去20日的收益率，代表动量因子；

第六步：将回归得到的残差值作为因子。

图1给出了原始APM因子在剔除市值和行业因子后的表现。可以看到，该因子在

样本内（2013年5月-2016年10月）表现优异，多空对冲年化收益达到了15.90%，期间

最大回撤为2.52%，信息比率为2.84，月度胜率为78.6%；样本外（2016年11月-2019

年12月）的表现略逊于样本内，多空对冲年化收益为6.41%，最大回撤为5.72%。尤

其是2019年，因子出现了连续的回撤。

研报加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载研报到电脑，查找使用更方便

立即下载

摘要：

金融工程专题请务必参阅正文后面的信息披露和法律声明1/112020年03月07日《市场微观结构研究系列（1）-A股反转之力的微观来源》-2019.12.23《市场微观结构研究系列（2）-交易行为因子的2019年》-2019.12.28《市场微观结构研究系列（3）-聪明钱因子模型的2.0版本》-2020.02.09《市场微观结构研究系列（4）-A股行业动量的精细结构》-2020.03.02APM因子模型的进阶版——市场微观结构研究系列（5）魏建榕（分析师）苏俊豪（联系人）weijianrong@kysec.cn证书编号：S0790519120001sujunhao@kysec.cn证书编号：S0...

展开>> 收起<<

20200307-开源证券-市场微观结构研究系列（5）：APM因子模型的进阶版.pdf

共11页,预览4页

还剩页未读，继续阅读