“青出于蓝”系列研究之六：如何对非流动性因子进行改进

敬请阅读末页的重要说明 证券研究报告 | 金融工程 2023 年 6 月 9 日 专题报告 “青出于蓝”系列研究之六 作为“青出于蓝”系列报告的第六篇，本报告主要研究了 Amihud（2002）提出的经典的非流动性指标，测试验证了其在 A 股市场中的有效性，并尝试从逻辑上对该因子进行改进。进一步，我们测试了基于日内收益的 Amihud非流动性指标，并同样对其进行改进。最后，基于因子测试的有效性，我们探索 Amihud 非流动性因子在不同股票样本池内的选股表现。本报告的主要结论如下： ❑ Amihud（2002）提出的使用个股每日收益的绝对值和交易额的比值来构建的非流动指标（ILLIQ），衡量了股票收益对每单位交易额的敏感程度。ILLIQ因子在 A 股的有效性较强：因子在回测区间内的 IC 均值为 6.95%，t 值为5.90，均较为显著。但是，ILLIQ 因子存在空头端表现较弱、稳定性不足的问题。 ❑ 我们使用基于弹性网络模型的方法预测股票未来非流动性，ILLIQ_F 因子在 A股的有效性强于 ILLIQ 因子：ILLIQ_F 因子在回测区间内的 IC 均值为 9.15%，t 值为 7.14，均较为显著。 ❑ 我们认为股票价格的上涨或者下跌对交易额的敏感程度不是对称的，因此我们构建了半流动性指标𝐈𝐋𝐋𝐈𝐐𝐢,𝐭+ 和𝐈𝐋𝐋𝐈𝐐𝐢,𝐭− 。ILLIQ+因子 IC 均值为 6.32%，t 值为 5.55；而ILLIQ−因子 IC 均值为 7.83%，t 值为 6.51。 ❑ 我们通过弹性网络模型预测股票下一期的半非流动性𝐈𝐋𝐋𝐈𝐐_𝐅−。因子在回测区间内的 IC 均值为 9.49%，t 值为 7.67，均较为显著，IC 胜率达 75%。多头组年化收益 24.91%，多空组年化收益 29.18%。 ❑ 隔夜价格变动通常是由信息到达驱动的，而这些信息到达所造成的价格变化与 ILLIQ 指标分母中使用的每日交易额无关。使用日内绝对收益作为分子所构建的非流动性因子，与使用日间绝对收益作为分子所构建的非流动因子相比，其 IC 均值与 t 统计量均有所提升。构建的𝐎𝐂_𝐈𝐋𝐋𝐈𝐐_𝐅−因子表现较好，其 IC 均值 10.54%，t 统计量为 8.63。 ❑ 𝐎𝐂_𝐈𝐋𝐋𝐈𝐐_𝐅−因子在不同的股票池中的有效性均较为显著，t 统计量均在 2 以上；因子在沪深 300、中证 500、中证 1000 以及除中证 800 以外全样本的多头组合年化收益分别为 8.95%、12.77%、15.87%和 27.87%，多空组合年化收益分别为 3.05%、11.20%、30.20%和 37.99%。 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 周靖明 S1090519080007 zhoujingming@cmschina.com.cn 杨航 S1090523010004 yanghang4@cmschina.com.cn 如何对非流动性因子进行改进 敬请阅读末页的重要说明 2 金融工程 正文目录 一、引言……...............................................................................................................................................................4 二、非流动性因子及改进 ............................................................................................................................................. 4 2.1 非流动性因子 .......................................................................................................................................................... 4 2.2 非流动性因子改进：基于弹性网络模型的非流动性预测 ........................................................................................ 7 2.3 非流动性因子改进：半非流动性指标 ................................................................................................................... 10 2.4 非流动性因子改进：基于弹性网络模型的半非流动性预测 .................................................................................. 12 三、基于日内收益的非流动性因子 ............................................................................................................................. 14 四、非流动性因子测试 ............................................................................................................................................... 17 4.1 因子中性化测试 .................................................................................................................................................... 17 4.2 大类因子相关性分析 ............................................................................................................................................. 18 4.3 不同股票池中的因子表现 ..................................................................