开源证券-市场微观结构研究系列-19-:日内分钟收益率的时序特征:逻辑讨论与因子增强-221225

文本预览:
跌幅时间重心偏离是更适合刻画“时间差Alpha”的指标 涨、跌幅在时间轴上的分布位置捕捉了股票的交易行为特征,两者的相对位置也可能蕴含某种选股信息。 经过详细的测试,我们倾向于认为,涨、跌幅时间重心的相对位置是一个有效的Alpha因子,但提取的方法并非是将二者简单做差,原因有二: (1)涨、跌时间重心存在较强的正相关。线性相关导致“时间差”的大小取决于起始位置,而这不符合一般定义:“时间差”在盘初、盘中或盘尾应是一致的。 (2)涨、跌时间重心的波动率水平存在差异。作差方法用于构造“时间差”信息会使得因子暴露更多高波动成分(涨幅时间重心因子),因子有效性较弱。我们以跌幅时间重心对涨幅时间重心在截面上回归取残差,再取其20日均值记为跌幅时间重心偏离因子,该因子更适合用以刻画“时间差Alpha”。 “时间差Alpha”的生效逻辑讨论 跌幅时间重心偏离能更有效地刻画日内分钟收益率时序特征的选股因子。但我们对Alpha的逻辑解释仍然不清楚,于是,本章将从因子的层面探究其Alpha来源,推测主要有三种可能性:(1)收益率结构;(2)极端涨跌幅度or涨跌幅的分布位置;(3)A股市场的“低波效应”。 基于上述三个维度的讨论,我们找到了“时间差Alpha”的解释因子:(1)盘尾阶段的收益率;(2)零涨跌幅数量。中性化后的跌幅时间重心偏离因子几乎不具备选股能力,这也说明“时间差Alpha”是收益率结构和“低波效应”的综合。 因子增强方案:时间重心偏离(TGD)因子 因子改进思路较为简单,剥离可能影响“时间差Alpha”的干扰因子,在跌幅时间重心偏离因子的基础上改进得到时间重心偏离(TGD)因子。 TGD因子的有效性较原始因子大幅提升,全市场五分组下的多空信息比率达到4.5以上,RankICIR为4.93,因子收益较为稳定。 同样基于收益率结构的APM因子是TGD因子的Alpha子集。通过相互回归的方法证明,TGD因子在对APM因子中性化后仍然保留一定的选股信息,而APM因子在回归掉TGD因子后几乎是噪音。 时序特征因子与分布特征因子合成后效果更佳 TCD因子属于时间维度的综合信息,并不受收益率分布的影响,如果与收益率分布的典型因子进行合成,效果还会继续提升。 本文选取分布特征的典型因子:日内收益率偏度SKEW因子作为代表,将TCD因子与SKEW因子在横截面上排序加总得到合成因子。 合成因子相比TGD因子在稳定性方面进一步改善,RankICIR达到5.74。 风险提示:模型测试基于历史数据,未来市场可能发生改变。
展开>>
收起<<
《开源证券-市场微观结构研究系列-19-:日内分钟收益率的时序特征:逻辑讨论与因子增强-221225(24页).pdf》由会员分享,可在线阅读,更多相关《开源证券-市场微观结构研究系列-19-:日内分钟收益率的时序特征:逻辑讨论与因子增强-221225(24页).pdf(24页精品完整版)》请在悟空智库报告文库上搜索。
(以下内容从开源证券《市场微观结构研究系列(19):日内分钟收益率的时序特征:逻辑讨论与因子增强》研报附件原文摘录)跌幅时间重心偏离是更适合刻画“时间差Alpha”的指标 涨、跌幅在时间轴上的分布位置捕捉了股票的交易行为特征,两者的相对位置也可能蕴含某种选股信息。 经过详细的测试,我们倾向于认为,涨、跌幅时间重心的相对位置是一个有效的Alpha因子,但提取的方法并非是将二者简单做差,原因有二: (1)涨、跌时间重心存在较强的正相关。线性相关导致“时间差”的大小取决于起始位置,而这不符合一般定义:“时间差”在盘初、盘中或盘尾应是一致的。 (2)涨、跌时间重心的波动率水平存在差异。作差方法用于构造“时间差”信息会使得因子暴露更多高波动成分(涨幅时间重心因子),因子有效性较弱。我们以跌幅时间重心对涨幅时间重心在截面上回归取残差,再取其20日均值记为跌幅时间重心偏离因子,该因子更适合用以刻画“时间差Alpha”。 “时间差Alpha”的生效逻辑讨论 跌幅时间重心偏离能更有效地刻画日内分钟收益率时序特征的选股因子。但我们对Alpha的逻辑解释仍然不清楚,于是,本章将从因子的层面探究其Alpha来源,推测主要有三种可能性:(1)收益率结构;(2)极端涨跌幅度or涨跌幅的分布位置;(3)A股市场的“低波效应”。 基于上述三个维度的讨论,我们找到了“时间差Alpha”的解释因子:(1)盘尾阶段的收益率;(2)零涨跌幅数量。中性化后的跌幅时间重心偏离因子几乎不具备选股能力,这也说明“时间差Alpha”是收益率结构和“低波效应”的综合。 因子增强方案:时间重心偏离(TGD)因子 因子改进思路较为简单,剥离可能影响“时间差Alpha”的干扰因子,在跌幅时间重心偏离因子的基础上改进得到时间重心偏离(TGD)因子。 TGD因子的有效性较原始因子大幅提升,全市场五分组下的多空信息比率达到4.5以上,RankICIR为4.93,因子收益较为稳定。 同样基于收益率结构的APM因子是TGD因子的Alpha子集。通过相互回归的方法证明,TGD因子在对APM因子中性化后仍然保留一定的选股信息,而APM因子在回归掉TGD因子后几乎是噪音。 时序特征因子与分布特征因子合成后效果更佳 TCD因子属于时间维度的综合信息,并不受收益率分布的影响,如果与收益率分布的典型因子进行合成,效果还会继续提升。 本文选取分布特征的典型因子:日内收益率偏度SKEW因子作为代表,将TCD因子与SKEW因子在横截面上排序加总得到合成因子。 合成因子相比TGD因子在稳定性方面进一步改善,RankICIR达到5.74。 风险提示:模型测试基于历史数据,未来市场可能发生改变。