“青出于蓝”系列研究之四：行为金融新视角，“凸显性收益”因子STR

敬请阅读末页的重要说明 证券研究报告 | 金融工程 2022 年 12 月 14 日 专题报告 “青出于蓝”系列研究之四 传统的资产定价模型通常假设投资者完全理性并且能够利用市场上所有的可得信息，但在实际投资中，大多数投资者对资产进行定价时往往会受隐形的“心理权重”影响。因此，本文基于凸显理论（Salience Theory）对投资者进行投资决策时的心理权重进行了定量描绘，构建了“凸显性收益”因子 STR，并通过稳健性检验分析，论证了凸显性收益因子对股票价格的影响并非出于短期反转效应、投资者有限关注或者小市值效应，是一种全新的行为金融指标。主要结论如下： ❑ 凸显理论认为，投资者的注意力更容易被具有“凸显性”的收益所吸引。投资者对于不同的相对收益大小会存在不同的心理权重，将这种心理偏好以定量的形式进行表达，能够帮助更加精细化地描绘股票价格相对于其真实价值的偏离程度，从而形成了套利空间； ❑ 基于凸显理论，本文构建了“凸显性收益”因子 STR（Salience Theory Return）。当 STR 为显著正时，投资者往往过度关注股票的上涨潜力，从而成为风险寻求者；当投资者过分关注股票的负收益并强调其下行风险时，STR 显著为负，相关的股票可能面临低估； ❑ 因子测试的结果表明，STR 因子对股票未来收益具有显著的预测能力。IC 测试表明，STR 因子与股票未来一个月的收益率呈显著的负相关关系，在全 A 股样本中的 IC 均值及 T 统计量分别为-0.065 和-9.348；根据 STR 因子划分的分位数组合区分度较强，且各组之间具有严格的线性变化趋势； ❑ 通过稳健性检验，本文发现 STR 因子具有较高的独特性。本文通过双分组检验、截面回归检验等方法论证了 STR 因子对股票价格的影响并非出于短期反转效应、投资者有限关注或者小市值效应，是一种全新的行为金融指标。以 STR因子替代短期反转因子纳入多因子模型后，模型的效果得到进一步优化，基准模型的年化收益率和年化超额分别为 20.25%和 15.16%，改进后的多因子模型年化收益率和年化超额分别为 24.88%和 19.78%； ❑ 在各类股票池中，STR 因子的多头策略均表现突出。自 2007 年 2 月以来单因子策略在沪深 300、中证 500 和全 A 股票池中的年化收益分别为 10.84%、10.61%和 17.14%，相对基准指数的年化超额分别为 7.7%、3.59%和 12.05%。 风险提示：本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险；本报告所提及个股或基金仅表示与相关主题有一定关联性，不构成任何投资建议。 任瞳 S1090519080004 rentong@cmschina.com.cn 麦元勋 S1090519090003 maiyuanxun@cmschina.com.cn 研究助理 李世杰 lishijie1@cmschina.com.cn 行为金融新视角——“凸显性收益”因子 STR 敬请阅读末页的重要说明 2 金融工程 正文目录 一 、投资者的“凸显”收益偏好 ...................................................................................................................................... 5 1.1 理论基础 ................................................................................................................................................................. 5 1.2 凸显理论与股票收益：两个案例 ............................................................................................................................. 5 1.3“凸显性收益”因子（STR）的构建流程 .................................................................................................................... 7 二、单因子测试 ............................................................................................................................................................ 8 2.1 描述性统计 .............................................................................................................................................................. 8 2.2 IC 测试 .................................................................................................................................................................... 9 2.3 分位数测试 ........................................................................................................................................................... 10 三、STR 因子的增量信息再挖掘 ................................................................................................................................ 12 3.1 替代解释与二维分组检验 ...................................................................................................................................... 12 3.3 截面回归检验 .....................................................