“青出于藍”系列研究之六：如何對非流動性因子進行改進

如何對如何對非流動性因子進行改進作為“青出于藍”系列報告的第六篇，本報告主要研究了Amihud(2002)提出的經典的非流動性指標，測試驗證了其在A股市場中的有效性，并嘗試從邏輯上對該因子進行改進。進一步，我們測試了基于日內收益的Amihud非流動性指標，并同樣對其進行改進。最后，基于因子測試的有效性，我們探索Amihud非流動性因子在不同股票樣本池內的選股表現(xiàn)。本報告的主要結論如下：口Amihud(2002)提出的使用個股每日收益的絕對值和交易額的比值來構建的非流動指標(ILLIQ)，衡量了股票收益對每單位交易額的敏感程度。ILLIQ因子在A股的有效性較強：因子在回測區(qū)間內的IC均值為6.95%，t值為5.90，均較為顯著。但是，ILLIQ因子存在空頭端表現(xiàn)較弱、穩(wěn)定性不足的問口我們使用基于彈性網絡模型的方法預測股票未來非流動性，ILLIQ_F因子在A股的有效性強于ILLIQ因子：ILLIQ_F因子在回測區(qū)間內的IC均值為9.15%，t較為顯著?？谖覀冋J為股票價格的上漲或者下跌對交易額的敏感程度不是對稱的，因此我們構建了半流動性指標ILLIQt和ILLIQt。ILLIQ+因子IC均值為6.32%，t值口我們通過彈性網絡模型預測股票下一期的半非流動性ILLIQ_F?。因子在回測IC9%，t值為7.67，均較為顯著，IC勝率達75%。多頭組年化收益24.91%，多空組年化收益29.18%。口隔夜價格變動通常是由信息到達驅動的，而這些信息到達所造成的價格變化與ILLIQ指標分母中使用的每日交易額無關。使用日內絕對收益作為分子所構建的非流動性因子，與使用日間絕對收益作為分子所構建的非流動因子相比，其IC均值與t統(tǒng)計量均有所提升。構建的C_ILLIQ_F?因子表現(xiàn)較好，其IC均口C_ILLIQ_F?因子在不同的股票池中的有效性均較為顯著，t統(tǒng)計量均在2以上；因子在滬深300、中證500、中證1000以及除中證800以外全樣本的多頭組合年化收益分別為8.95%、12.77%、15.87%和27.87%，多空組合年化收益分別為3.05%、11.20%、30.20%和37.99%。風險提示：本報告結果通過歷史數(shù)據統(tǒng)計、建模和測算完成，在政策、市場環(huán)境發(fā)生變化時模型存在失效的風險；本報告所提及個股或基金僅表示與相關主題有一定聯(lián)性，不構成任何投資建議。任瞳S1090519080004schinacomcn周靖明S1090519080007houjingmingcmschinacomcn楊航S1090523010004yanghangcmschinacomcn金融工程敬請閱讀末頁的重要說明2正文目錄 表目錄 敬請閱讀末頁的重要說明3 金融工程敬請閱讀末頁的重要說明4流動性是市場以合理價格迅速交易資產的能力。流動性不僅是市場的基礎，更能一定程度上反映個股的潛在收益和性的研究一直以來都是學術界和業(yè)界的熱點。許多現(xiàn)有的研究提出了衡量股票市場流動性的各種方法，簡單分類的話可以分為換手率相關指標、非流動性指標以及高頻流動性指標。同時，現(xiàn)有的研究還表明當預期未來股票流動性較低時，投資者需要得到對非流動性的補償，也就是流動性溢價。換句話說，當前的研究表明了預期未來股票的非是金融經濟學中使用最廣泛的指標之一，其關鍵的優(yōu)勢源于其簡單的構建。同時與換手率指標相比，該指標從收益和交易量層面對流動性進行度量。作為“青出于藍”系列報告的第六篇，本報告主要研究了Amihud(2002)提出的經典的非流動性指標，測試驗證ud流動性指標，并同樣對其進行改進。最后，基于因子測試的有效性，我們探索Amihud非流動性因子在不同股票樣二、非流動性因子及改進2.1非流動性因子傳統(tǒng)的換手率相關指標衡量了個股交易的頻繁程度，而對因交易導致的價格變動程度反映有限。邢紅衛(wèi)、劉維奇 (2018)就曾提出換手率指標不僅可以用來衡量了個股的流動性，同時也可以用來衡量股票的不確定性，兩者在邏輯方向上存在背離。Amihud(2002)提出的使用個股每日收益的絕對值和交易額的比值來構建的非流動指標 大時，此時股票收益對每單位交易額的敏感程度較高，說明此時股票的非流動性較高，投資者就會要求較高的預期。hudILLIQILLIQi,t=ln(1+Avg[])⑴金融工程敬請閱讀末頁的重要說明5.1.1-2023.4.30后一個交易日本空間篩選性化情況處理在每個月最后一個交易日后，根據因子值大小將樣本空間內的股票分成10權配置計算各組歷史表現(xiàn)。多頭組為因子值最大的組，樣本空間內股票的等權組合25.00%20.00%15.00%10.00%5.00%0.00%-5.00% 123456789 1空頭組多頭組L_S-Wind率t量85%71%%%ILLIQ端，空頭端對收益的貢獻較少。多空組合年化收益19.36%，而多頭組年化收益18.14%。從因子邏輯的金融工程敬請閱讀末頁的重要說明6時，即整體市場具有更高的融資非流動性，融資受限的投資者必須變現(xiàn)所持資產，并愿意承擔更高的非流動性成本或為流動性支付更多的費用。換句話說，此時投資者要求對非流動性資產的風險溢價變高，反之在宏觀經濟較好或市場流動性較好時，投資者要求的風險溢價較小。這里我們簡單的把市場的信用利差作為宏觀經濟和市場流動性的代理變量。當信用利差較大時，認為此時經濟不景氣，市場流動性較差，投資者要求的風險溢價較大；反之則認為經濟較好，市場流動性較好，投資者要求的風險溢價較小。如下圖所示，信用利差在紅色虛線這段時間處在歷史的較低位置，表明當時的流動性較好，而相對應的圖3：ILLIQ因子多空組合凈值與信用利差CA性網絡的模型對下期非流動性進因子與負向ILLIQ因子，并驗證其有效性；本章的最后一節(jié)，我們將第二節(jié)與第三節(jié)進行結合，對下一期的負向金融工程敬請閱讀末頁的重要說明7下一期非流動性的預期。自然而然的，我們就希望能夠通過一些方法基于已實現(xiàn)的非流動性和其他指標去預測下一期的非流動性。理論上來說，如果我們能夠在截面上更精確的預測下一期的非流動性，并把它作為對新的預期非流動性的代理，那么它在截彈性網絡模型具有較好的性能。⑵股票非流動性(ILLIQi,t)、過去三個月已實現(xiàn)的股票非流動性ILLIQi,t?2,t、過去一年的已實現(xiàn)的股票非流動性ILLIQi,t?11,t。我們還考慮涵蓋股票非流動性的標準差，包含了當月σ(ILLIQi,t)和過去一年σ(ILLIQi,t?11,t)的已實現(xiàn)流動BrennanNagel(2012)發(fā)現(xiàn)股票的流動性與其在不同期限內的動量或反轉效應相關，他們認為當近期股票表現(xiàn)較好時，由于其受關注度較高或者覆蓋它的交易商在提供流動性方面可能會受到更少的限制，從而降低交易成本和交易該股票的價述述ILLIQi,tILLIQi,t?2,tILLIQit11,t日均值σ(ILLIQi,t)量σ(ILLIQi,t?11,t)年的數(shù)據進行預測，具體操作如下：1)使用5年數(shù)據的前4年數(shù)據(t-60至t-12)對模型進行訓練，tt，計算驗證集上的均方誤差MSE；2)選擇使得驗證集上均方誤差最小的參數(shù)為了驗證模型預測的有效性，我們將每只個股每個月的模型所預測的非流動性ILLIQ_F與當月最終實現(xiàn)的ILLIQ進MSE簡單的把上一期已實現(xiàn)的個股非流動性ILLIQ作為對金融工程敬請閱讀末頁的重要說明8圖4：預測模型與基準模型MSE對比-/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1/1基準預測ILLIQF，對該因子進行測試，測試結果如下所示：從年化收益25.54%，多頭超額年化收益17.05%；多空組合總收益1534.28%，年化收益27.96%。綜上所述，25.00%20.0025.00%20.00%15.00%10.00%5.00%0.00%223456789101-5.00%20.00.00.00.00.00.008.006.004.002.00空頭組多頭組L_S-率t量40.05%47%96%92%金融工程敬請閱讀末頁的重要說明9在前文中我們提到，Amihud認為預期的市場非流動性與股票超額收益正相關，而同期未預期的非流動性與股票回報呈負相關。這里，我們以當期已實現(xiàn)的非流動性作為市場對下期非流動性的預期，以市場預期與我們模型預測的標，即：ILLIQ_UEi,t=ILLIQi,t?ILLIQ_Fi,t⑶其中，ILLIQ_UEi,t代表下一期未預期的非流動性，ILLIQi,t表示當期已實現(xiàn)非流動性，ILLIQ_Fi,t代表我們模型中對下預測。SchmidtSchuster象進行了解釋。他們認為在均衡狀態(tài)下，與投資期限較長的投資者相比，投資期限較短的投資者持有的股票更具流動性。他們表明短期投資者，即那些高周轉率的基金，由于其對個股的流動性較為敏感，在股票的預期流動性發(fā)生變化時立即做出反應，并調整其持股。相比之下，長期投資者主要使用當代實現(xiàn)的流動性來進行投資組合決策，對股票的預期流動性變化敏感性較低。因此，當短期投資者預期未來個股的非流動性變低時，出于對流動性的考慮，他們會選擇賣出手中的持股或者要求更高的收益回報，從而導致流動性變化的股票出現(xiàn)暫時性的供需錯配，潛在地導致流動性預期變化的股票出現(xiàn)較大的回報溢價。我們對ILLIQ_UE因子進行測試。為了方便展示，我們對該因子取相反數(shù)，將因子方向轉換為正向。測試結果如下所AIC20.00%18.00%16.00%14.00%12.00%10.00%8.00%6.00%4.00%2.00%0.00%12345678910空頭組多頭組L_S6.005.004.003.002.001.00-率t量%66%38%418.78%金融工程敬請閱讀末頁的重要說明10在市場中，股票預期收益率與上漲市場和下跌市場的非流動性指標之間的關系可能是存在差異的。相對于在上漲過程中的流動性不足，投資者往往會更在意股價在下跌過程中的流動性不足，他們可能擔心在下跌市場中被困在流動性不足的股票中的風險，在沒有重大價格讓步的情況下無法擺脫頭寸。這將減少對在下跌市場中流動性枯竭的股票的需求。另外一個原因是杠桿約束可能會迫使杠桿投資者在下跌市場拋售，因此他們更有可能擔心價格下跌時的流型表明，由于流動性沖擊、保證金引發(fā)的價格螺旋以及機構更嚴格的風險管理，下跌市場的流動性可能與上漲市場的流動性非常不同。Hameed等(2010)實證地表明以個股的買賣價差來衡量的個股的流動性不足在股票負回報和市會增加。⑷⑸QILLIQILLIQ率t量85%71%37%51%從兩個因子的分組測試結果來看，ILLIQ+因子與原因子ILLIQ的多頭組合與多空組合收益均相差不大；而ILLIQ?因Q%%%08%497.17%%30%%金融工程敬請閱讀末頁的重要說明118.006.004.0000圖9：ILLIQ+因子分組年化收益圖10：ILLIQ+因子分組測試25.00%20.00%15.00%10.00%5.00%0.00%-5.00%112345678910空頭組空頭組多頭組L_S8.007.006.005.004.003.002.001.00-Q25.00%20.00%15.00%10.00%5.00%0.00%-5.00%0%223456789101空頭組多頭組L_S-金融工程敬請閱讀末頁的重要說明122.4非流動性因子改進：基于彈性網絡模型的半非流動性預測在這一節(jié)，我們將前面兩節(jié)做一個結合，通過彈性網絡模型預測股票下一期的半非流動性ILLIQ_F?。本節(jié)中所使用的變量包括當月已實現(xiàn)的股票半非流動性(ILLIQ?i,t)、過去三個月已實現(xiàn)的股票半非流動性(ILLIQ?i,t?2,t)、過去一年的已實現(xiàn)的股票半非流動性(ILLIQ?i,t?12,t)、當月半非流動性的標準差σ(ILLIQ?i,t)和過去一年半非流動性的標準差σ(ILLIQ?i,t?12,,t)。我們同樣涵蓋了非流動性的交易量成同樣為了驗證模型預測的有效性，我們將每只個股每個月的模型所預測的半非流動性ILLIQ_F?與當月最終實現(xiàn)的ILLIQMSE動MSE圖13：預測模型與基準模型MSE對比0/1/1/6/1/11/1/4/1/9/1/2/1/7/1/12/1/5/1/10/1/3/1/8/1/1/1/6/1/11/1/4/18/9/1/2/1/7/1/12/1/5/1/10/1/3/11/8/1/1/1/6/1/11/12023/4/1接下來，我們就使用我們所預測的個股半非流動性來作為因子ILLIQ_F?，對該因子進行測試，測試結果如下所示：從分組收益表現(xiàn)來看，ILLIQ_F?因子的分組測試表現(xiàn)同樣優(yōu)異，分10組年化收益嚴格單調，多頭組總收益金融工程敬請閱讀末頁的重要說明1311ILLIQF?因子分組年化收益圖15：ILLIQ_F?因子分組測試30.00%25.00%20.00%15.00%10.00% 5.00% 0.00%-5.00%0%234567891025.00空頭組多頭組L_S20.0015.0010.005.00-率t量42.13%39%18%96%金融工程敬請閱讀末頁的重要說明14三、基于日內收益的非流動性因子三、基于日內收益的非流動性因子中，我們主要測試了Amilhud(2002)所提出的非流動性指標ILLIQ在A股的選股效果，并從非流動性預Q標中的分子日間絕對收益展開探討。Barardehi等(2020)認為Amilhud(2002)提出的ILLIQ指標使用的是每日絕對收益與每日交易額的比率作為交易對價格影響的代理，即給定的交易額對市場價格的影響。雖然在交易時間以外幾乎不存在交易量，但是相應的隔夜母中使用的每日交易額無關。這意味著，在價格影響的代理中納入隔夜回報會造成分子分母之間的基本時間不匹配：而分子反映了收盤價之間的絕對收益，其中包括了隔夜的價格變動。收益與分母交易額之間的相關性。而上文我們提到隔夜收益更多是由于信息驅動，而非交易驅動，因此其與交易額的相關性較低。那么，我們自然而然地想到嘗試使用每日日內絕對收益去替代第一章中構建指標的分子，如構建OC_ILLIQi,t=ln(1+Avg[])⑹id股票日內絕對收益，構建OC_ILLIQ、OC_ILLIQ_F、OC_ILLIQ?和OC_ILLIQ_F?因子，并將其與第一章中的因子進比較。非流動性因子，與使用日間絕對收益作為分子所構建的非流動因子相比，其IC均值與t統(tǒng)計量均有所提升。如金融工程敬請閱讀末頁的重要說明15因子Rank_IC均值勝率最大值最小值IC_IRt統(tǒng)計量Q%85%71%17%LLIQFOC_ILLIQ_F4%40.05%95%47%5.95%5%93%51%36.72%42.13%49.77%39%96%動性因子，與使用日間絕對收益作為分子所構建的非流動因子相比，其多空年化收益與多頭年化超額均有所提升。頭端年化超額收益相差不大。因子多空總收益多空年化收益多空最大回撤多頭總收益多頭年化超額多頭雙邊換手Q%41%74%%LLIQFOC_ILLIQ_F96%43%92%50%.04%30%15%%%18%96%03%330.00%25.00%20.00%15.00%10.00% 5.00% 0.00%-5.00%0%22345678910120.00空頭組多頭組18.0016.0014.0012.0010.008.006.004.002.00-L_S金融工程敬請閱讀末頁的重要說明1630.00%25.00%20.00%15.00%10.00%5.00%0.00%-5.00%112345678910空頭組空頭組多頭組L_S18.0016.0014.0012.0010.008.006.004.002.00-空頭組多頭組L空頭組多頭組L_S30.0025.0020.0015.0010.005.0016.0014.0012.0010.008.006.004.002.0030.00%25.00%20.00%15.00%10.00% 5.00% 0.00%-5.00%0%--33456789102130.00%25.00%20.00%15.00%10.00% 5.00% 0.00% -5.00%0%0%22345678910114.00空頭組多頭組L_S(右軸)12.0010.008.006.004.002.00-40.0035.0030.0025.0020.0015.0010.005.00-金融工程敬請閱讀末頁的重要說明17四、非流動性因子測試四、非流動性因子測試4.1因子中性化測試非流動性指標ILLIQ自其被提出以來，被廣泛使用。但是，也有不少學者點出了該指標的局限性。例如，ud率t量Q28%OC_ILLIQ_F43.00%38%C_ILLIQ?19%C_ILLIQ_F?79%8.00%6.00%4.00%2.00%0.00%-2.00%%食品飲料0-IC均值整體均值t統(tǒng)計量(右軸)金融工程敬請閱讀末頁的重要說明184.2大類因子相關性分析為檢驗上文構建的OC_ILLIQ、OC_ILLIQ_F、OC_ILLIQ?和OC_ILLIQ_F?因子與常見風格因子之間的相關性，我們計算了各因子之間的截面Spearman秩相關系數(shù)均值，具體結果如下表所示。OC_ILLIQ_F?因子與動量因子相關性最高，相關系數(shù)均值為26%。(1)四個因子OC_ILLIQ、OC_ILLIQ_F、OC_ILLIQ?和OC_ILLIQ_F?互相之間具有較高的相似性，如OC_ILLIQ_F?與OC_ILLIQ_F因子相關性88%，與表12：非流動性因子與常見風格因子相關性(%)C_ILLIQ_F?OC_ILLIQOC_ILLIQ_FC_ILLIQ?動量成長技術價值情緒C_ILLIQ_F?100%OC_ILLIQ78%100%OC_ILLIQ_F88%95%100%C_ILLIQ?81%96%93%100%動量26%6%100%成長-3%-2%100%技術23%7%2%0%100%價值6%8%22%-9%7%100%情緒2%6%2%6%100%4.3不同股票池中的因子表現(xiàn)股票池Rank_IC均值勝率最大值最小值IC_IRt統(tǒng)計量%%92%%28%46.96%25%%03%金融工程敬請閱讀末頁的重要說明19QF年化收益分別為8.95%、12.77%、15.87%和27.87%，多頭超額年化收益分別為3.15%、6.08%、14.01%和17.20%，多空組合年化收益分別為3.05%、11.20%、30.20%和37.99%。整體來看，無論是多頭組合還是多空組CILLIQF出色。此外，可以發(fā)現(xiàn)該因子在股票平均規(guī)模較小的股票池中表現(xiàn)突出，股票池組別總收益年化收益年化波動率最大回撤夏普比率卡瑪比率年化雙邊換手多頭組合8.95%21.57%-37.50%0.320.2416.64多頭超額多空組合40.63%3.05%10.88%18.40%-60.75%0.110.060.390.05\\多頭組合290.52%12.77%25.04%0.430.2316.79多頭超額多空組合95.21%230.30%6.08%8.84%15.98%-3.37%-44.58%0.460.570.25\\多頭組合241.24%15.87%28.58%-53.49%0.490.3014.85多頭超額多空組合801.70%14.01%30.20%10.41%19.64%-3.63%-32.62%3.860.93\\以外全樣本多頭組合1521.69%27.87%25.93%-45.93%0.6115.25多頭超額362.26%17.20%6.76%2.25\多空組合3743.95%37.99%16.74%2.15\C_ILLIQ_F?因子在中證500中的表現(xiàn)005000500050005000多頭超額(右軸)多頭組合多空組合023.4；資料來源：招商證券、Wind金融工程敬請閱讀末頁的重要說明20圖27：C_ILLIQ_F?因子在中證1000中的表現(xiàn)多頭超額多頭組合多空組合(右軸)4.0050002015/1/52016/1/52017/1/52018/1/52019/1/52020/1/52021/1/52022/1/52023/1/512.0010.008.006.004.002.00-023.4；資料來源：招商證券、Wind圖28：C_ILLIQ_F?因子在除中證800以外全樣本中的表現(xiàn)9.007.005.00多頭超額多頭組合多空組合(右軸)45.0040.0035.0030.0025.0020.0015.0010.005.00-023.4；資料來源：招商證券、Wind金融工程敬請閱讀末頁的重要說明21五、總結五、總結作為“青出于藍”系列報告的第六篇，本報告主要研究了Amihud(2002)提出的經典的非流動性指標，測試驗證?Amihud(2002)提出的使用個股每日收益的絕對值和交易額的比值來構建的非流動指標(ILLIQ)，衡量ILLIQA強：因子在回測區(qū)間內的IC均值為?我們認為股票價格的上漲或者下跌對交易額的敏感程度不是對稱的，因此我們構建了半流動性指標ILLIQ?我們通過彈性網絡模型預測股票下一期的半非流動性ILLIQ_F?。因子在回測區(qū)間內的IC均值為9.49%，t值為?隔夜價格變動通常是由信息到達驅動的，而這些信息到達所造成的價格變化與ILLIQ指標分母中使用的每日交易額無關。使用日內絕對收益作為分子所構建的非流動性因子，與使用日間絕對收益作為分子所構建的非流動因子t風險提示通過歷史數(shù)據統(tǒng)計、建模和測算完成，在政策、市場環(huán)境發(fā)生變化時模型存在失效的風險；本報告投資建議。金融工程敬請閱讀末頁的重要說明22參考文獻參考文獻249.[2]Amihud,Y.,&Noh,J.(2021).IlliquidityandstockreturnsII:Cross-sectionandtime-serieseffects.ReviewofFinancialStudies–2123.[3]Amihud,Y.(2002).Illiquidityandstockreturns:Cross-sectionandtimes-serie