|
围绕成交量构建的多因子模型 成交量是 A股重要的风险信息
基于 Fama-French 三因子模型的思路，我们对于中国市场的风险进行了研究。通过对比四因子风险模型(SMB/HML/EP+/EP 虚拟变量)和五因子风险模型(SMB/HML/EP+/EP 虚拟变量/成交额)，发现成交额能够在四因子模型的基础之上，提供有效的额外信息。 这一点也引起了我们对于“成交量作为风险因子，和其在整个风险模型中所起的作用”的反思。交易面因子本身与基本面因子的相关性较低，无论是在风险端，还是收益端都是如此。所以成交量（或者说成交额这一类）因子能够成为账面市值比和市盈率的有效补充，不足为奇。 成交量是多因子模型重要的收益信息
我们将成交量类因子池中的 12 个因子，分别在月度频率下，进行了单因子的多空测试，测试结果显示，其中有 9 个因子单因子测试多空双方向有效，包括：月内日均成交额/成交量/换手率；月度日均成交额/成交量/换手率的环比；标准化的月内日均成交额/成交量/换手率。之后我们按照风险平价的方法进行了权重加权，每个月再平衡一次。结果显示，通过风险平价的方法，在历史回测中，能够相对有效的降低多空组合的回撤。 改进与展望
本篇报告主要通过轮廓性的实证，对成交量这一大类信息，分别在风险模型和策略当中所起的作用，进行了抛砖引玉性质的揭示和反思。在与四因子风险模型的对照中，加入成交额因子对于整个 A 股市场股票的截面平均收益率的改善是显著的。但是，这种改善主要是因为前面四个因子多与基本面相关而导致的，还是成交额本身就是市场重要的风险因子，需要进一步通过实证加以区分。另一方面，在多因子策略当中，9 个成交量因子构建的多因子模型在 09 年以来的历史回测中表现良好，但历史表现并不代表未来的表现。我们需要持续跟踪观察这个成交量多因子模型，从而能够对该模型能有进一步的认识和评价。 投资摘要本篇报告研究了中国 A 股市场上，成交量作为风险因子和收益因子的一些应用。成交量作为风险因子，能够在规模、账面市值比和市盈率的基础之上，提供有效的增量信息。 加入成交额之后的五因子风险模型，可以同时将股票平均月收益率的长期趋势和短期扰动较好地解释出来。 加入成交额的五因子模型，对股票截面平均收益的解释度更高。 在成交量相关的因子池当中，选取月内日均成交额/成交量/换手率，本月相对上月的成交额/成交量/换手率，标准化的日均成交额/成交量/换手率，构建多因子策略，成交量作为收益因子，在多空组合的相对收益回测中，表现稳健： 综合来看，成交量是市场重要的信息组成部分。它既是 A 股的风险信息，也是多因子模型重要的收益信息。值得投资者深入地研究。 内容目录从股票市场的风险模型说起
多因子模型：数据准备和数据清洗
数据来源
数据清洗
单因子模型多空测试
单因子收益测试
因子评价与模型结果
总结与讨论 图表目录
图 1：五因子（SMB、HML、EP+、EP 虚拟变量、成交额）风险模型
图 2：成交量的多因子模型多空净值比
图 3：四因子风险模型
图 4：五因子风险模型
图 5：月内日均成交额
图 6：月内日均成交量
图 7：月内日均换手率
图 8：本月与上月成交额环比
图 9：本月与上月成交量环比
图 10：本月与上月换手率环比
图 11：标准化的月内日均成交额
图 12：标准化的月内日均成交量
图 13：标准化的月内日均换手率
图 14：成交额的变异系数
图 15：成交量的变异系数
图 16：换手率的变异系数
图 17：成交量九个因子风险平价的多因子模型多空回测净值图
图 18：成交量的多因子模型多空净值比
表 1：两个因子模型的 F检验结果
表 2：两个因子模型的 F检验结果
表 3：单因子显著性列表
| 
