2022年中期增量關注度因子與投資者有限關注

1、一、高關注度個股的短期價格異常不管是學術界還是業(yè)界，對個股關注度以及這種關注給個股后續(xù)股價的影響向來都有濃厚的興趣。隨著通訊技術和社交網絡的普及，各類信息呈爆炸式增長，對于市場、行業(yè)、個股的關注度可以在短時間內迅速達到峰值。同時對于個股關注度的衡量方式在當下也變得多樣化。Baber 和 Odean 認為投資者在進行買入股票的決策時，面臨著成千上萬種股票選擇。由于人的認知能力有限，只有那些吸引投資者關注(attentiongrabbing)的股票才會進入投資者選股的考慮集(consideration set)。也就是投資者尤其是個人投資者更傾向于購買那些引起他們關注的股票。圖 1 近 20 年以

2、來 A 股數(shù)量增長使投資者的關注度約束變得更甚Wind 資訊、而當面臨賣出決策時，受賣空約束（在缺乏賣空機制的 A 股市場尤甚）的個人投資者不會面臨嚴重的注意力約束問題，因為他們通常只持有少數(shù)幾只相對熟悉的股票。這種注意約束對買賣決策的非對稱影響勢必導致投資者對那些被關注股票產生凈買入行為。也就是說，在做多機制和做空機制不完全對稱的市場，由于投資者的有限注意能力，非理性買入的可能性會大于非理性賣出的可能性，這就有可能導致高關注度的股票在短期內出現(xiàn)非理性溢價，在未來會有向真實價值回歸的趨勢。在過去的學術文獻中，學者整理了不少投資者關注度的代理變量，以下，我們對部分代理變量進行羅列。表 1：美股市

3、場投資者關注度代理變量編號變量名稱變量釋義1異常交易量個股最近一個月的交易量和過去一年月均交易量的比值2異常收益率個股最近一個月的收益率和過去一年月均收益率的比值3歷史收益率個股過去 12 個月的收益率4接近過去 52 周最高價個股當前股價與過去 52 周最高價之間的距離5接近歷史最高價個股當前股價與歷史最高價之間的距離6分析師覆蓋度個股過去 1 年有分析師給出盈利預測的數(shù)量7公司廣告費用變化率過去 1 年公司在廣告費用支出上的對數(shù)變化率8媒體覆蓋度個股當月在特定媒體網站上被報道提及的次數(shù)9谷歌搜索量個股過去 1 個月在 Google 上的搜索頻率編號變量名稱變量釋義公募基金持倉變動公募基金在

4、個股上的資金流入和流出EDGAR 上的流量個股當月在美國 SEC 的電子化數(shù)據(jù)收集分析系統(tǒng)中被下載信息的次數(shù)資料來源：量化研究團隊整理表格中的這些因子均來自外文文獻，在美股的歷史數(shù)據(jù)中被證明是階段性有效的，且在最近的文獻中，利用這些因子計算的主成分在美股仍有增量選股能力。在我們過往的因子報告和行業(yè)輪動報告中，對基金持倉變動、輿情數(shù)據(jù)以及分析師覆蓋都有相關研究。以下，我們重點對量價類數(shù)據(jù)進行再探索，挖掘在A 股市場上有效的投資者關注度因子。二、傳統(tǒng)投資者關注度因子測試我們測試了表 1 中衡量投資者關注度的量價類因子在 A 股中的表現(xiàn)。其中，歷史收益率因子的計算方式和傳統(tǒng)的 12個月動量因子的計算

5、方式一致，沒有增量信息，這里我們不做重復測試，只統(tǒng)計異常交易量、異常收益率、歷史收益率、接近過去 52 周最高價、接近歷史最高價這 4 個量價因子。由于這幾個因子研究的是一階流量數(shù)據(jù)的變動幅度，這里我們將這 4 個因子稱為一階量價類因子。一階量價類因子歷史表現(xiàn)異常交易量因子我們統(tǒng)計最近 1 個月交易量除以過去滾動 12 個月的成交量月度均值的比值，構建因子。該因子的理論邏輯也很直觀，交易量提升說明參與這只股票交易的投資者數(shù)量和資金量的上升，資金博弈的激烈程度提升，這是個股關注度提升的最直觀表現(xiàn)。異常交易量因子 =當月成交量過去滾動 12 個月成交量月度均值為了測試各因子在A 股歷史上的表現(xiàn)，回

6、測方式如下：股票池：歷史時點上的全A 股，剔除 ST、PT 股票，剔除上市時間不足 3 個月的個股?；販y數(shù)據(jù)區(qū)間：2012 年 1 月 4 日至 2022 年 5 月 31 日。截面期：每個自然月的最后一個交易日計算因子暴露度。rank_IC 計算：個股截面因子暴露度序列與下個月個股收益率序列的次序相關系數(shù)（斯皮爾曼相關系數(shù)）。分層回測模型：則假定在次月第一個交易日調倉，根據(jù)個股的因子暴露度差異，將股票池個股分成 n 組，每月重新計算，求出每組的累積收益率，來考察因子在時間序列維度上對個股的區(qū)分能力。以下，所有因子的單因子測試均以上述計算方式為準。圖 2 異常交易量因子 10 組分層收益與多空

7、組合收益圖 3 異常交易量因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 2：異常交易量因子回測數(shù)據(jù)展示rank_ICrank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值數(shù)據(jù)-0.0570.456-1.505-4.62069.0%0.396-0.542總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比多空組合332.27%16.49%32.26%238.9%-113.6%0.646-0.484Wind 資訊、，截止 2022 年 5 月 31

8、 日 注：超額收益的基準為同期的Wind 全 A異常收益率因子我們統(tǒng)計最近一月的收益率除以過去滾動 12 個月的個股月收益率均值，計算異常收益率的因子暴露度，統(tǒng)計該因子表現(xiàn)。異常收益率因子 =當月收益率過去滾動 12 個月月收益率均值圖 4 異常收益率因子 10 組分層收益與多空組合收益圖 5 異常收益率因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 3：異常收益率因子回測數(shù)據(jù)展示rank_ICrank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0120.

9、294-0.509-1.55654.5%0.198-0.426總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比50.08%4.36%21.39%215.8%74.8%0.6560.285數(shù)據(jù) 多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準為同期的Wind 全 A接近過去 52 周最高價因子我們統(tǒng)計月底最后一個交易日的收盤價（復權）與個股過去 52 周最高收盤價（復權）之間的比值，計算接近過去 52周最高價因子，統(tǒng)計該因子表現(xiàn)。接近過去 52 周最高價因子 =當前復權收盤價過去滾動 52 周最高復權收盤價圖 6 接近過去 52 周最高價因

10、子 10 組分層收益與多空組合收益圖 7 接近過去 52 周最高價因子 rank_IC 與累積rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 4：接近過去 52 周最高價因子回測數(shù)據(jù)展示rank_ICrank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0100.624-0.200-0.61150.9%0.318-0.556總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比-9.35%-1.09%57.66%94.3%125.3%0.2460.390數(shù)據(jù) 多空組合Wi

11、nd 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準為同期的Wind 全 A接近歷史最高價因子我們統(tǒng)計月底最后一個交易日的收盤價（復權）與個股歷史最高收盤價（復權）之間的比值，計算接近歷史最高價因子暴露度，測算該因子表現(xiàn)。接近歷史最高價因子 =當前復權收盤價個股歷史最高復權收盤價圖8 接近歷史最高價因子10 組分層收益與多空組合收益 圖 9 接近歷史最高價因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 5：接近歷史最高價因子回測數(shù)據(jù)展示rank_ICrank_IC 均值

12、波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0370.551-0.805-2.58757.3%0.265-0.432總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比90.45%6.58%53.45%292.7%50.8%0.5260.159數(shù)據(jù) 多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準為同期的Wind 全 A一階量價類因子小結我們回顧了外文文獻中普遍認為有效的量價類投資者關注度因子，并在 A 股歷史中做了測試。只有異常交易量因子至今仍然是一個相對有效的因子，歷史的 IC 均值絕對值為 5.7%，多空組合的年化收

13、益也在 16.5%，在不考慮與其他風格因子的相關性的情況下，應該說表現(xiàn)不錯。而其他類型的因子則沒有較好的表現(xiàn)，異常收益率因子主要的收益集中在 2015 年，此后較長的時間里，該因子幾乎沒有對個股的區(qū)分能力；接近過去 52 周最高價因子和接近歷史最高價因子從 rankIC 的均值上來看依然具備較為明顯的區(qū)分能力，但從多空組合的走勢來看，這種區(qū)分能力主要體現(xiàn)在 2017 年之前，在 2017 年之后，這兩個因子的有效性出現(xiàn)了明顯的減弱，從相對有效的Alpha 因子變成了方向不定的風格因子。為了更進一步觀測這些因子對原有的多因子模型是否會帶來增量貢獻，我們計算這些因子的暴露度在截面上與各常見風格因子

14、之間的相關性，然后統(tǒng)計相關系數(shù)的歷史均值，旨在反映投資者關注度因子對個股的區(qū)分信息是否已經包含著其他常見因子之中。圖 10 一階投資者關注度因子與風格因子之間的相關系數(shù)米筐、Wind 資訊、量化團隊，截止 2022 年 5 月 31 日從因子暴露度的相關系數(shù)來看，異常交易量因子與殘差波動、流動性因子有較強的相關性，同時和動量因子也有比較強的相關性。異常收益率與 10 個風格因子的相關度較低。而接近最高價因子則與動量、規(guī)模、Beta、賬面市值比因子有較高的相關性。若我們通過回歸，剝離異常交易量因子在殘余波動率、流動性因子、動量因子的相關性之后，利用回歸殘差作為純粹的異常交易量因子的因子暴露，再去

15、進行一次因子回測，結果如下：圖 11 異常交易量因子（風格因子中性化后）分層收益與多空組合收益圖 12 異常交易量因子（風格因子中性化后）rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 6：異常交易量因子（風格因子中性化后）回測數(shù)據(jù)展示rank_ICrank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0030.519-0.069-0.21250.9%0.367-0.381總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比-8.30%-0.91

16、%51.58%17.3%37.7%0.0530.183數(shù)據(jù) 多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準為同期的Wind 全 A在對相關風格因子進行中性化之后，異常交易量的因子收益有極為顯著的減弱，rank_IC 均值為-0.003，多空組合年化收益也僅為-0.91%，幾乎喪失了對個股的區(qū)分能力。接近歷史最高價因子在剝離掉相關度最高的動量因子的影響之后，也是類似的表現(xiàn)?？傮w來說，對此前文獻中常見的投資者關注度因子的測量結果是令人沮喪的：直接測算的情況下，只有異常交易量因子有較好的解釋能力，異常收益率、接近 52 周/歷史最高價因子的區(qū)分力并不顯著；而在對風

17、格因子進行中性化之后，異常交易量因子也基本失效。對于這種情況，我們覺得有幾點原因：1、交易關注度因子對個股的區(qū)分能力已經被常用的風格因子所涵蓋。我們當前使用的A 股基本風格因子歷時十幾年，經過多輪迭代，已然能解釋市場上絕大部分的個股波動，一些看似有區(qū)分能力的因子其實已經被包括在常用的風格因子所解釋。2、市場在最近幾年已經變得更加有效。一些因子，比如接近歷史最高價因子在 2017 年之前其實是一個有效的因子，但是 2017 年之后隨著市場參與者增多，尤其是高頻量化交易增多，市場的信息在股票價格中被越來越快速充分地表達，市場變得越來越有效，曾經被抱團擁擠交易的因子收益也有反轉。3、文獻中通常利用較

18、為早前的數(shù)據(jù)進行測試，有效因子在被挖掘之后和公布之后，迅速被充分交易，失去了原來的效果。三、增量關注度因子鑒于傳統(tǒng)的投資者關注度因子在 A 股最近幾年的表現(xiàn)并不理想，我們對投資者的關注進行了再探究。根據(jù)Hirshleiferet al. (2011)的理論模型，投資者被分成了 3 個類型：1、疏忽投資者(inattentive investors)：這類投資者沒有關注到交易個股的任何當前信息。這類投資者乍聽起來似乎不存在，但是實際上是比較普遍的，比如聽從他人建議買入“財富代碼”的個人投資者，再比如買入“一籃子”股票的投資者，對于籃子中重倉股票也許有比較充分的了解，但是對于籃子中的長尾股票，則可

19、能完全沒有認知。對于這些長尾股票來說，買入者就是疏忽投資者。2、存量關注投資者（continuous attentive investors）：這類投資基于股票過往的收益、基本面信息，對交易股票是有較為深入的了解的，這些股票可能長期存在于存量關注投資者的自選股名單中，他們對這些股票或長期持有，或波段交易。這類投資者對交易個股有充分了解，在挖掘有關公司或資產的更多信息時面臨的噪音更少，更可能作出理性交易。3、增量關注投資者（new attentive investors）：這類投資者此前沒有關注特定股票，但是基于突然的了解（比如新聞、自媒體等脈沖式的信息），對個股有了較為淺顯的認知而進行交易。相

20、比于持續(xù)關注的投資者，增量關注投資更容易作出非理性且篤定的交易，也容易成為股票價格短期無效的動因。理論上，對于增量關注投資者交易行為的捕捉，更容易挖掘出有效的因子。那么，如何區(qū)分交易量來自于存量關注度投資者還是增量關注度投資者呢？假設某只個股只有疏忽投資和存量關注投資者參與交易，這種情況下，個股的交易量仍有可能產生變化。因為疏忽投資者和存量投資者也會進行波段交易，最終呈現(xiàn)出來的交易量也是一個隨機變量。此前我們分析的“異常交易量因子”并不能區(qū)分交易量的波動是來自于存量投資者、疏忽投資者還是增量投資者。我們可以猜想，若某只股票只有疏忽投資和存量關注投資者參與交易，交易量時而增加，時而減少，但長期來

21、看，交易量的變化率之和應當為 0 或者接近 0。而交易量變化率的猛然變化，更有可能是有增量投資者造成的。因而，我們將考察的維度從異常交易量（一階）因子提升到異常交易量變化率（二階）因子，更能區(qū)分來自增量投資者的交易量。我們姑且將異常交易量變化率（二階）因子稱為增量關注度因子。以下是增量關注度因子的構建方式：增量關注度因子 =個股過去 3 個月交易量變化率均值個股過去 24 個月交易量變化率均值需要強調的是，這個因子的數(shù)值并不等價于增量關注投資者的交易量變化，只是說，這種方式計算比一階計算方式更能提煉增量關注投資者的交易變化。我們對增量關注度因子進行回測：圖 13 增量關注度因子分層收益與多空組

22、合收益圖 14 增量關注度因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日圖 15 增量關注度因子多空組合與 Wind 全 A 對比數(shù)據(jù)Wind 資訊、，截止 2022 年 5 月 31 日表 7：增量關注度因子回測數(shù)據(jù)展示rank_ICrank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值數(shù)據(jù)-0.0430.377-1.364-3.93867.0%0.298-0.433總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比多空組合108.7%9.0%

23、22.3%188.7%-18.1%1.068-0.181Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準為同期的Wind 全 A增量關注度因子在方向上與原來的關注度因子是一樣的：增量關注度越高的個股未來走勢會弱于增量關注度越低的個股。因子的 rankIC 均值為-0.043，rankIC 的 t 值為-3.938，在統(tǒng)計學上顯著，同時從多空組合的表現(xiàn)看，該因子的單調性較好，這一點顯著好于之前分析的一階因子。多空組合的年化收益率為 9.0%，而且多空組合的收益相對穩(wěn)定，波動小。多頭組合的表現(xiàn)顯著好于同期的 Wind 全A 指數(shù)，在構建組合的時候具有優(yōu)勢。表 8：增量關注

24、度因子與風格因子之間的相關性賬面非線性殘余波beta市值盈利率成長性杠桿率流動性動量比市值動率規(guī)模增量關注度因子-0.0040.001-0.0020.0050.0020.028-0.0130.0080.070 0.001Wind 資訊、米筐、，截止 2022 年 5 月 31 日同時，我們計算了該因子與其他因子之間的相關性，與絕大部分因子基本沒有相關性，最高的僅為 0.07，說明增量關注的因子的獨立性也較好。總體而言，相較于傳統(tǒng)的投資者關注度因子，增量關注度因子的表現(xiàn)更為優(yōu)秀。在滬深 300 和中證 500 的歷史股票池中，我們也做了相應的因子測算。圖 16 增量關注度因子（滬深 300 股票

25、池）多空組合與 Wind全 A 對比數(shù)據(jù)圖 17 增量關注度因子（滬深 300 股票池）rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日圖 18 增量關注度因子（中證 500 股票池）多空組合與 Wind全 A 對比數(shù)據(jù)圖 19 增量關注度因子（中證 500 股票池）因子 rank_IC與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 9：增量關注度因子在不同范圍股票池下回測數(shù)據(jù)展示股票池回測類型對應數(shù)據(jù)全 Ara

26、nkIC 數(shù)據(jù)rank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0430.377-1.364-3.93867.0%0.298-0.433多空組合總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比108.7%9.0%22.3%188.7%-18.1%1.068-0.181滬深300rankIC 數(shù)據(jù)rank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.03850.4680-0.9878-2.851466.0%0.2857-0.5695多空組合總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比7

27、6.10%6.88%33.70%149.6%5.2%0.8870.044中證500rankIC 數(shù)據(jù)rank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.03720.4074-1.0967-3.166065.0%0.2799-0.3426多空組合總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比80.90%7.22%25.45%232.0%60.2%1.3310.476Wind 資訊、，截止 2022 年 5 月 31 日理論上來說，中大市值股票的機構投資者參與度高，定價有效性強。量價類因子賺的是短時市場定價失效的錢，因而在滬深 300 和中證

28、 500 的股票池中，增量關注度因子的回測數(shù)據(jù)有所減弱，不過依然是一個有效的選股因子。四、增量關注度因子再探索我們對傳統(tǒng)的投資者關注度因子進行了改進，提出了增量關注度因子，該因子在各方面的表現(xiàn)都要好于傳統(tǒng)的投資者關注度因子。接下來，我們繼續(xù)從理論邏輯出發(fā)，對增量關注度因子做更深一步的探究。主買成交量與主賣成交量分類討論在股票交易中，盤口的掛單數(shù)據(jù)是等待合適報價出現(xiàn)，被動成交的掛單。在盤內沒有成交條件的，由盤外的主動買或賣的量促成交易。盤外主動買入，消滅盤內賣盤，我們稱為外盤，也就是主買量；盤外主動賣出，消滅盤內買盤，我們稱為內盤，也就是主賣量。主動買入成交量和主動賣出成交量中包含的買賣方信息是

29、存在差異的，我們對主買成交量和主賣成交量進行分類分析。主買成交量變化率因子我們還是以增量關注度因子的方式來計算，只是將成交量換成了主動買入的成交量。主買成交量變化率因子 =個股過去 3 個月主買成交量變化率均值個股過去 24 個月主買成交量變化率均值圖 20 主買成交量變化率因子多空組合與 Wind 全 A 對比數(shù)據(jù)圖 21 主買成交量變化率因子 rank_IC 與累積 rank_IC米筐、Wind 資訊、，截止 2022 年 5 月 31日米筐、Wind 資訊、，截止 2022 年 5 月 31日表 10：主買成交量變化率因子回測數(shù)據(jù)展示rank_ICrank_IC 均值波動（年化）IR(年

30、化）IC t 值IC 勝率最大值最小值-0.0430.386-1.347-3.88767.0%0.319-0.435總收益年化收益歷史最大回撤多頭超額收益空頭超額收益多頭信息比空頭信息比112.91%9.30%24.34%179.8%-26.1%1.042-0.268數(shù)據(jù) 多空組合米筐、Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準為同期的 Wind 全 A主賣成交量變化率因子同樣，我們還是以增量關注度因子的方式來計算，只是將成交量換成了主動賣出的成交量。主賣成交量變化率因子 =個股過去 3 個月主賣成交量變化率均值個股過去 24 個月主賣成交量變化率均值圖 22

31、主賣成交量變化率因子多空組合與 Wind 全 A 對比數(shù)據(jù)圖 23 主賣成交量變化率因子 rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日表 11：主賣成交量變化率因子回測數(shù)據(jù)展示rank_ICrank_IC 均值波動（年化）IR(年化）IC t 值IC 勝率最大值最小值-0.0400.380-1.260-3.63967.0%0.301-0.432總收益年化收益歷史最大回撤多頭超額收空頭超額收多頭信息比空頭信息比96.02%8.24%25.75%178.1%-11.3%1.032-0.108數(shù)據(jù)

32、多空組合Wind 資訊、，截止 2022 年 5 月 31 日 注：超額收益的基準為同期的Wind 全 A我們比較利用主動買入成交量和主動賣出成交量構建的增量關注度因子進行回測的數(shù)據(jù)，發(fā)現(xiàn)主動買入成交量構建的增量關注度因子的 rankIC 均值為-0.0433，好于主動賣出成交量構建的增量關注度因子的 rankIC（-0.040），也好于之前構建的不區(qū)分主買主賣的增量關注度因子（-0.0428）。在多空組合的收益率上，主買成交量構成的增量關注度因子表現(xiàn)也更為優(yōu)秀?？傮w而言，利用主買成交量來構建增量關注度因子，效果會更好。此前我們在理論分析中提到：非理性買入的可能性會大于非理性賣出的可能性，盡管

33、主買和買入還是有很大區(qū)別，但是一般認為，主買成交量中，買入投資者的話語權更大，因而上述實測數(shù)據(jù)進一步佐證了之前的理論分析。日內交易時段切分討論圖 24 A 股市場近一年各分鐘成交額占比分布米筐、量化團隊、統(tǒng)計期：20210606 至 20220606市場的成交量和個股的成交量在一天當中的分布向來是比較規(guī)律的，成交量最集中的時段是上午剛開盤和下午快收盤的時候。經過了午盤 1 個半小時的休市，擠壓信息需要得到釋放，下午開盤 13:00 的成交量也會相對較高。總體而言，一天的成交量呈現(xiàn)“W”型的分布。而在各個時間段的交易者類型其實也是有明顯差異的。A 股的“T+1”交易制度下，當日賣出的得到的錢可以

34、當日買入股票，而當日買入股票的股票在當日卻無法賣出，所以很多擠壓的賣盤會在第二日開盤賣出，導致 A 股大概率是低開高走的局面。因而，經驗老到的機構投資者和其他職業(yè)投資者一般傾向于在早盤進行更多的買入交易。而個人投資者則更傾向于在尾盤進行交易，因為不少短線投資者不愿意承擔隔夜風險，所以會在收盤的時候進行交易，也有一些看 K 線進行投資的投資者，會在當天 K 線即將形成的尾盤進行交易決策。因而，理論上講，市場不同時間段產生的交易量的有效性是不一樣的。交易時段rankIC 均值rankIC 數(shù)據(jù)波動（年化）IR(年化）IC t 值IC 勝率總收益多空組合數(shù)據(jù)年化收益歷史最大回撤9:30 至 10:0

35、0-0.03830.3509-1.3085-3.997469.64%99.08%7.51%21.76%10:00 至 11:00-0.03630.3666-1.1895-3.633966.07%71.61%5.85%21.73%11:00 至 11:30-0.03200.3586-1.0724-3.276464.29%64.73%5.39%22.93%13:00 至 14:00-0.03320.3630-1.0975-3.352963.39%55.76%4.77%22.51%14:00 至 15:00-0.04080.3606-1.3576-4.147566.07%120.27%8.66%24

36、.13%14:30 至 15:00-0.04240.3559-1.4282-4.363266.07%125.08%8.91%24.69%14:45 至 15:00-0.04160.3570-1.3973-4.268865.18%121.31%8.72%23.32%14:55 至 15:00-0.04110.3413-1.4442-4.412166.96%141.81%9.74%20.01%我們對交易量進行時間上的切割，來判斷不同時間段成交量數(shù)據(jù)產生的因子之間的區(qū)別。表 12：不同時段成交量生成的增量關注度因子表現(xiàn)米筐、Wind 資訊、，2013 年 1 月 4 日至 2022 年 5 月 31

37、 日對一天中不同時間段分析，rankIC 數(shù)據(jù)和多空組合的收益率數(shù)據(jù)呈現(xiàn) U 型分布，兩端成交量大，而且兩端產生的因子表現(xiàn)也相對優(yōu)于其他時段。跟推測一致，尾盤數(shù)據(jù)的表現(xiàn)較為優(yōu)異，從 rankIC 均值來說，絕對值最高的是 14:30到 15:00 這一時段為-0.0424，IR 表現(xiàn)最好的則是 14:55 至 15:00 的成交量產生的因子。而從多空組合的表現(xiàn)看，表現(xiàn)最優(yōu)的是 14:55 至 15:00 時段交易量產生的增量關注度因子，總收益 141.81%，年化收益9.74%，最大回撤減少到了 20.01%，這一數(shù)據(jù)也超過了基礎的增量關注度因子。而且多頭端也有了更加明顯的優(yōu)勢，而且對近期樸素

38、增量關注度因子效果減弱的現(xiàn)象也有改善。限于篇幅原因，我們僅對 14:55 至 15:00 和 14:30 至 15:00 兩個時段的因子回測細致數(shù)據(jù)進行圖形展示：圖 25 增量關注度因子（14：55 至 15：00）多空組合與Wind 全 A 對比數(shù)據(jù)圖 26 增量關注度因子（14：55 至 15：00）rank_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日圖 27 增量關注度因子（14：30 至 15：00）多空組合與Wind 全 A 對比數(shù)據(jù)圖 28 增量關注度因子（14：30 至 15：00）ra

39、nk_IC 與累積 rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日量價齊觀自古“量價不分家”，當我們進行量價類因子探索的時候，我們通常需要將量和價對照起來看，這樣才有更好的效果。在我們此前“高頻尋蹤”系列之二：輕裝上陣，高頻數(shù)據(jù)因子的應用報告中曾通過數(shù)據(jù)檢驗到：短期較大的成交量配合激進的價格變動，往往包含更多的市場信息，提高價格變動較大時間段的成交量數(shù)據(jù)的權重，有利于提高因子表現(xiàn)。我們還是以增量關注度因子的基本形式為基礎，對計算這一因子的交易量進行調整，用交易量與同時段的個股收益率絕對值進行加權，提高收益率變動較大的成

40、交量的權重，嘗試否能提升因子的表現(xiàn)。其中，收益加權增量關注度因子 =個股過去 3 個月收益加權交易量變化率均值個股過去 24 個月收益加權交易量變化率均值個股收益加權日成交量 = 個股當日成交量 (|當日收益率| + 1)其中的的取值沒有具體數(shù)值可以參考，所以我們做了一些必要的數(shù)據(jù)挖掘，的取值取1,2,4,8，隨著取值的不斷加大，收益率變化在因子中起到的作用逐漸增加。觀測不同取值之下，收益加權增量關注度因子的表現(xiàn)。表 13：不同取值之下收益率加權增量關注度因子表現(xiàn)取值rankIC 均值rankIC波動（年化）數(shù)據(jù)IR(年化）IC t 值IC 勝率總收益多空組合數(shù)據(jù)年化收益歷史最大回撤不加權-0

41、.04280.3768-1.3641-3.937767%108.66%9.04%22.30%1-0.04290.3764-1.3676-3.947967%115.9%9.5%22.5%2-0.04330.3771-1.3782-3.978767%120.9%9.8%22.3%4-0.04330.3748-1.3854-3.999367%123.2%9.9%22.5%6-0.04300.3731-1.3818-3.988969%126.0%10.1%22.6%8-0.04230.3715-1.3668-3.945569%131.9%10.4%22.6%資料來源：米筐、Wind 資訊、，2014

42、年 1 月 4 日至 2022 年 5 月 31 日進行收益加權對因子表現(xiàn)的提升是比較明顯的，即使與日收益率的 1 次方加權，rankIC 和多空收益率相較最樸素的增量關注度因子都有明顯增益。隨著收益率作用在因子中的不斷提升（的取值的取值不斷增大），因子多空組合的收益率呈現(xiàn)遞增趨勢，當?shù)娜≈等≈党^ 6 之后，多空組合的年化收益率也突破了 10%。我們對的取值為 6 和 8 的收益細節(jié)進行圖形展示：圖 29 收益加權增量關注度因子（取 6）多空組合與 Wind全 A 對比數(shù)據(jù)圖 30 收益加權增量關注度因子（取 6）rank_IC 與累積rank_ICWind 資訊、，截止 2022 年 5

43、月 31 日Wind 資訊、，截止 2022 年 5 月 31 日圖 31 收益加權增量關注度因子（取 8）多空組合與 Wind全 A 對比數(shù)據(jù)圖 32 收益加權增量關注度因子（取 8）rank_IC 與累積rank_ICWind 資訊、，截止 2022 年 5 月 31 日Wind 資訊、，截止 2022 年 5 月 31 日五、模擬組合構建與回測我們已經對增量關注度因子做了各方面的測試，最后我們模擬實際交易環(huán)境，構建模擬組合，對該因子進行測試。以增量關注度因子（14：30 至 15：00）為例，在中證全指的成分股中進行模擬組合的構建。具體方式如下：模擬賬戶初始資金為 1 億元，按照月底最后

44、一個交易日計算個股因子暴露度，從中證全指（000985）的成分股中，挑選出增量關注度因子（14：30 至 15：00）暴露度最低的 50 只個股，進行等權組成模擬組合。次月第一個交易日進行交易，設置單邊交易成本為 3，根據(jù)最新持倉目標對組合進行再平衡。充分考慮當天個股停牌、漲跌停等無法交易的情況，若無法在當天交易，則將交易指令順延到下一個交易日執(zhí)行，直到撮合為止。將中證全指作為基準，觀察最近一年的模擬組合實際表現(xiàn)：圖 33 模擬組合近一年回測表現(xiàn)米筐、，回測期： 2021 年 5 月 6 日至 2022 年 5 月 31 日表 14：模擬組合近一年回測關鍵指標組合收益最大回撤基準收益信息比率超

45、額累積收益超額波動率超額夏普比超額最大回撤2.37%30.44%-11.584%1.27613.95%0.64%1.4268.37%資料來源：米筐、，回測期：2021 年 5 月 6 日至 2022 年 5 月 31 日六、總結經濟學自始至終要解決的是對有限資源優(yōu)化配置的問題，我們面臨的所有資源都是有限的，包括我們的注意力。在做多機制和做空機制不完全對稱的市場，由于投資者的有限注意能力，非理性買入的可能性會大于非理性賣出的可能性，這就有可能導致高關注度的股票在短期內出現(xiàn)非理性溢價，在未來會有向真實價值回歸的趨勢。這是投資者關注度因子有效的根本邏輯。我們測試了文獻中提到的傳統(tǒng)關注度因子，但是在 A 股測算，只有異常交易量因子有較好的解釋能力，異常收益率、接近 52 周/歷史最高價因子的區(qū)分力并不顯著；而在對相關風格因子進行