“青出于蓝”系列研究之七：基于股票代码有序性的“注意力溢出”因子

正文目录一、资者注力出”底层辑 4投者限意力 4股交软的响 5核假设 6二、“信出”和情出”因子 7注力出象初验证 7因构步骤 8三、子试 8IC8分数试 9与类子相性 注力出象进步验证 四、健测试 12参敏性 12相股数量 12形注力出口长度 13注意溢效持续久？ 13不的子权式 14排除它响素的因效果 15五、基数强略 15“情绪出”子数强策略 15改进版“居”子增强略 17六、要论 19图表目录图1：代搜栏东财富） 5图2：代搜栏同顺） 5图3：股主面（600036.SH） 6图4：股主面（600037.SH） 6图5：股列（方富） 6图6：股列（花） 6图7：“自溢出因的IC9图8：“情溢出因的IC9图9：分数试——值曲（“信出”子） 10图10：位测——化收（“信出”子） 10图11：位测——值曲（“绪出”子） 10图12：位测——化收（“绪出”子） 10表1：未收的组计（焦股日涨幅分） 7表2：未收的组计（焦股日换率分） 7表3：IC测统量 8表4：分数试——险收统量（“自溢出因子） 9表5：分数试——险收统量（“情溢出因子） 10表6：不间下选效果（“自溢出因） 12表7：不间下选效果（“情溢出因） 12表8：不相股数下的股果（“自溢出因子） 13表9：不相股数下的股果（“情溢出因子） 13表10：同口度选股果（“自溢出因） 13表11：同口度选股果（“情溢出因） 13表12：同权式选股果 14表13：“绪出”因——IC测统量 16表14：“绪出”策——风收统量 16表15：“居”因——IC测试计量 17表16：“绪出”策——风收统量 18本文是招商量化“青出于蓝”系列的第七篇报告。在人工提炼量化因子的复杂度不断攀升的环境下，越来越多人选择转向机器挖掘因子和多因子模型的开发。近的股票一、投资者“注意力溢出”的底层逻辑 投资者有限注意力DanielKahnemanKahnemanTversky1973锚定效应(AnchoringEffect)FrenchPoterba1991本土偏好HongStein1999（Short-SightednessBGS2012凸显SieneTeor会被吸引到平均而言最具有凸显性的回报上，而不凸显的回报通常会被忽略。除了理论研究，学者们在实证研究中也曾使用过许多与投资者注意力相关的变量，例如：arber和den208Da201enepal217（HubermanRegev，2001；FangPeress，2009；Kaniel和arh，217◼ Lo，01hen等,20；Sasoes和u,20；ng,217Li和u,20（Hirshleifer等2009；Schmidt2019）是自变量引发了因变量的变化，还是有其他未被模型包含的因素导致了自变量和因变量的同步变化。Chen2020于中国的IPO股票代码与股票特征间并没有明显的规律性构建的相关变量可以近似于外生，使得研究结果更具独立性，能够更好地解释投资者有限注意力在资产定价中发挥的作用。股票交易软件的影响在这个大数据的时代，投资者的有限注意力问题不但未得到缓解，反而显得愈发严重。投资者被各种类型的数据和信息所包围，然而，他们只能使用有限的时间和资源去处理和吸收这些信息。对于投资者来说，他们必须对自身有限的注意力进行分配，因此并非所有的数据和信息都能够得到相同的关注度。诱发投资者注意力溢出的细节投资者想要查找某只股票的详细信息，比如（600036.SH），他们通常会直接输入股票代码进行搜索，而股票交易软件往往会连带显示出其他代码相近的股票（如图1和图2所示）。因此，除了目标股票外，投资者也会更容易注意到目标股票周围的其他股票，我们将这个现象称为投资者的“注意力溢出”。 图1：代码搜索栏（东财富） 图2： 资料来源：、东方财富 资料来源：、同花顺进一步，在输入股票代码并敲击回车键后，系统会跳转至的股票详细信息页面（如图3所示）。在这个页面中，只需轻点股票名称旁的“→”图标，或者滚动鼠标滚轮，就可以迅速地跳转至股票代码紧邻的下一只股票——歌华有线（600037.SH）（如图4所示）。再者，在个股列表中，股票同样也是依照股票代码进行有序展示（如图5和图6。图3：股票主界面（600036.SH） 图4：股票主界面（600037.SH）资料来源：、东方财富 资料来源：、东方财富图5：股票列表（东方富） 图6：股票列表（同花） 资料来源：、东方财富 资料来源：、同花顺核心假设测投资者有限注意力对A当投资者热衷于交易某只股票，；假设二：若股票近期交易情绪高涨，投资者会更激进地交易其相邻的股票（Overconfidence）指出，过度自信的行为会使投资者倾向于将较高的投资收益归因于自身能力（ervis和ea，201此影响，我们称此现象为相邻股票的“自信溢出”。二、“自信溢出”和“情绪溢出”因子 注意力溢出现象的初步验证A10Bottom相邻的十只股票在未来一周的平均涨跌幅（详见表1A来一周的表现更佳，这种现象显现出了“自信溢出”的特征。表1：未来收益的分组统计（按焦点股票日均涨跌幅分组）Bottom Group2 Group3 Group4 Group5 Group6 Group7 Group8 Group9 Top焦点股票近两周日均涨跌幅-1.12%-0.58%-0.37%-0.22%-0.09% 0.04%0.19%0.38%0.67%1.50%焦点股票未来一周涨跌幅相邻股票未来一周涨跌幅0.30%0.37%0.39%0.40%0.41%0.42%0.37%0.30%0.18%-0.24%0.25%0.25%0.26%0.28% 0.28%0.29%0.30%0.31%0.32%0.33%资料来源：2013/01/01至2023/06/30；资料来源：、溢出”的状态。表2：未来收益的分组统计（按焦点股票日均换手率分组）Bottom Group2 Group3 Group4 Group5 Group6 Group7 Group8 Group9 Top焦点股票近两周日均换手率0.38%0.69%0.94%1.18%1.47%1.81%2.26%2.91%4.07%8.38%焦点股票未来一周涨跌幅相邻股票未来一周涨跌幅0.32%0.37%0.39%0.40%0.38%0.38%0.34% 0.31%0.21%-0.22%0.25%0.26% 0.26%0.28%0.27%0.29% 0.29%0.31%0.32%0.33%资料来源：2013/01/01至2023/06/30；资料来源：、因子构建步骤在前述分析中，我们了解到：当某支股票近期获得较高的关注度后，其未来价格走势与其相邻股票的未来价格走势呈现截然相反的趋势，足以表明注意力溢出现象的存在。接下来，我们将更具体地利用该现象构建选股因子。由于注意力溢出”因子日均换手率：（日均涨跌幅R_e（日均换NBR_tov；RNBR（Residual_Neighbour）因子：NBR_ret因子和NBR_tov“情出”因子（RNBR_tov）三、因子测试 IC测试IC表3AIC在全AC015，C的T5.197，因子与股票未来收益的相关性显著大于0；C均值为03，C的T统计量为8.479，选股效果显著；A因子 IC均值 标准差 最小值 最大值 IC_IR t因子 IC均值 标准差 最小值 最大值 IC_IR t统计量 胜率RNBR_ret（“自信溢出”因子）RNBR_tov（“情绪溢出”因子）

0.015 0.068-0.2120.2690.224 5.197 58.47%0.032 0.086-0.274 0.32 0.366 8.479 64.43%样本区间：2013/01/01至2023/06/30；资料来源：、C（图7图IC。R_ovC。图7：“自信溢出”因的IC变化 图8：“情绪溢出”因的IC变化 样本区间：2013/01/01至2023/06/30；资料来源：、样本区间：2013/01/01至2023/06/30；资料来源：、分位数测试表4图9图10A是（Bottom）300指数为基准。可以发现在全A股样本中：1)21.90%和0.664，Bottom9.17%0.22；从Top组合到Bottom组合，年化收益率和夏普比率整体的区分度较强。随着因子值从小到大变化，股票分位数组合的投资收益也越来越高，因子的分位数组合具有较好的单调性。表：分位数测试——）总收益率总超额收益年化收益年化超额年化波动夏普比率最大回撤平均换手率Group1(Bottom)144.48%92.21%9.17%4.96%28.09%0.2265.20%69.84%Group2244.67%192.40%12.91%8.70%27.61%0.35953.95%82.96%Group3245.82%193.55%12.95%8.74%27.23%0.36555.37%85.91%Group4278.80%226.53%13.97%9.75%27.25%0.40253.17%87.21%Group5267.26%214.99%13.62%9.41%27.50%0.38656.98%87.78%Group6316.97%264.70%15.04%10.83%27.42%0.43955.07%87.79%Group7333.35%281.08%15.48%11.27%27.55%0.45353.08%87.09%Group8454.86%402.59%18.32%14.10%27.89%0.54954.69%85.87%Group9493.08%440.81%19.09%14.88%27.89%0.57751.13%81.96%Group10(Top)652.18%599.91%21.90%17.69%28.47%0.66446.28%65.18%样本区间：2013/01/01至2023/06/30；资料来源：、图9：分位数测试——净值曲线（“自信溢出”因子） 图10：分位数测试——年化收益（“自信溢出”因子） 样本区间：2013/01/01至2023/06/30；资料来源：、样本区间：2013/01/01至2023/06/30；资料来源：、表5图图12A27.82%0.878；从组合到Bottom因子的。表：分位数测试——）总收益率总超额收益年化收益年化超额年化波动夏普比率最大回撤平均换手率Group1(Bottom)-61.29%-113.56%-8.89%-13.11%30.61%-0.38986.51%31.39%Group2210.48%158.20%11.76%7.55%27.69%0.31655.74%49.04%Group3268.71%216.44%13.66%9.45%27.09%0.39455.89%58.98%Group4325.63%273.36%15.28%11.06%27.09%0.45351.57%63.99%Group5383.11%330.84%16.72%12.50%26.91%0.5151.82%65.96%Group6460.51%408.24%18.43%14.22%26.88%0.57448.46%65.72%Group7526.48%474.21%19.73%15.52%27.06%0.61946.34%62.93%Group8660.89%608.62%22.04%17.83%27.47%0.69344.42%56.80%Group9749.63%697.36%23.37%19.16%28.16%0.72345.07%44.91%Group10(Top)1119.46%1067.19%27.82%23.61%28.29%0.87844.57%27.23%样本区间：2013/01/01至2023/06/30；资料来源：、图11：分位数测试——净值曲线（“情绪溢出”因子）图12：分位数测试——年化收益（“情绪溢出”因子） 样本区间：2013/01/01至2023/06/30；资料来源：、样本区间：2013/01/01至2023/06/30；资料来源：、与大类因子的相关性Barra风格因子的相关参与检验的风格因子包括Beta（贝塔、BookToPrice（账面市值比、杠杆、NonlinearSize（非线性规模、ResidualVolatility（残差波动）和Size（规模）等。（1aa风格因子的相关性均处于较低水平（2相比之下，我们发现“自信溢出”因子相较“情绪溢出”因子更具独特性出”因子与Barra因子之间最高的相关性仅为2%，具有丰富的信息增量。图13：“自信溢出”因子与Barra因子的相关性 图14：“情绪溢出”因子与Barra因子的相关性样本区间：2013/01/01至2023/06/30；资料来源：、 样本区间：2013/01/01至2023/06/30；资料来源：、注意力溢出现象的进一步验证根据我们的统计分析，当股票近期盈利或被高度关注时，投资者倾向于更激进地交易其相邻的股票，进而形成所谓的“注意力溢出”效应。为了更深入地探究这种现象，我们尝试了用距离焦点股票更远的股票代替邻近股票的日均收益率我们跳过N。如表6表7Gap_n050C1.5%1.1%IC3.2%1.8%隔股票数量的增加，因子的选股能力也显现出下降的态势。这些结果表明：建的量化因子能够长期获得稳定的超额收益。gap_nIC均值ICIRt统计量胜率gap_n IC均值IC_IRt统计量胜率表6：不同间隔下gap_nIC均值ICIRt统计量胜率gap_n IC均值IC_IRt统计量胜率0 0.015 0.224 5.197 58.47%50 0.011 0.189 4.376 55.87%100 0.007 0.149 3.447 53.63%150 0.008 0.18 4.161 54.19%200 0.005 0.139 3.225 53.26%250 0.004 0.114 2.631 50.84%300 0.003 0.097 2.252 52.51%350 0.003 0.105 2.432 53.26%400 0.003 0.121 2.793 56.80%450 0 -0.015 -0.341 50.47%500 0 -0.007 -0.152 53.45%样本区间：2013/01/01至2023/06/30；资料来源：、

0 0.032 0.366 8.479 64.43%50 0.018 0.257 5.961 59.78%100 0.013 0.208 4.819 60.52%150 0.007 0.139 3.226 55.12%200 0.005 0.114 2.641 54.19%250 0.004 0.098 2.264 52.33%300 0.002 0.051 1.187 51.40%350 0.001 0.038 0.884 50.65%400 0.001 0.026 0.593 51.40%450 -0.002 -0.069 -1.601 49.72%500 0 -0.017 -0.384 52.14%样本区间：2013/01/01至2023/06/30；资料来源：、四、稳健性测试 在上一章的因子测试之后，我们已经对“自信溢出”因子和“情绪溢出”因子的选股能力有了较为深刻的认识。然而，在将一个因子应用到实际投资决策中之前，仍有诸多因素需要考虑：该因子是否对其构建过程中涉及的参数敏感？可能存在哪些潜在因素会影响因子的逻辑？在排除这些可能的影响因素后，因子收益的单调性是否会受到影响？在本章，我们将对这些问题进行逐一探讨和解答。参数敏感性参数：surondn历史窗口长度inw_加权方式调仓频率相邻股票数量IC变化特别敏感件关注到焦点股票周围的少数股票。因此我们推荐使用较少的相邻股票数量来对因子进行构建。表8：不同相邻股票数量下的选股效果（“自信溢出”因子）表9：不同相邻股票数量下的选股效果（“情绪溢出”因子）surround_nIC均值ICIRt统计量胜率surround_n IC均值IC_IRt统计量胜率50.0150.2245.19758.47%5 0.0320.3668.47964.43%100.0170.2185.0557.54%10 0.0330.3478.0363.13%150.0180.214.85757.54%15 0.0330.3417.89762.38%200.0190.214.87157.91%20 0.0330.3327.68262.01%250.0190.2114.89957.17%25 0.0330.3257.52760.89%300.020.2134.93757.54%30 0.0320.3197.39960.89%350.020.2144.9557.73%35 0.0320.3157.29860.89%400.0210.2144.96856.42%40 0.0310.3097.15460.52%450.0210.2154.97256.24%45 0.0310.3027.0160.34%500.0210.2114.89656.42%50 0.2986.959.96%样本区间：2013/01/01至2023/06/30；资料来源：、 样本区间：2013/01/01至2023/06/30；资料来源：、形成注意力溢出的窗口长度至关重要的参数口长度，表明我们认为目标股票的短期收益和情绪可能会向相邻的股票溢出。从经济学逻辑的角度来看，大部分行为金融偏差更可能会在短期内显现，因此后者的可能性显然更高。5天（一周）至20天（一个月）的窗口长度构建因子最为适宜。表10：不同窗口长度下的选股效果（“自信溢出”因子） 表11：不同窗口长度下的选股效果（“情绪溢出”因子）window_nIC均值ICIRt统计量胜率window_n IC均值IC_IRt统计量胜率50.0110.1713.97156.05%5 0.0340.3969.17266.11%100.0150.2245.19758.47%10 0.0320.3668.47964.43%150.0130.1864.359.22%15 0.030.3458.00164.06%200.0130.1834.2457.73%20 0.0290.3367.77963.87%250.010.1483.43956.24%25 0.0280.3247.51363.50%300.0080.1212.80454.19%30 0.0270.3177.35362.38%350.0090.1242.86454.00%35 0.0260.3097.16762.01%400.0080.1192.76955.87%40 0.0260.36.94962.20%450.0060.092.07852.89%45 0.0250.2926.77862.94%500.0050.0711.6453.07%50 0.0240.2886.66363.31%样本区间：2013/01/01至2023/06/30；资料来源：、 样本区间：2013/01/01至2023/06/30；资料来源：、注意力溢出效应能持续多久？为了确定最佳的调仓频率，我们对因子收益的持续性进行了深入检验。具体起未来N特征（1收益衰减速度明显低于“自信溢出”因子，因子收益大约在未来5天（一周）达到峰值。通过比较两幅图，我们可以发现投资者的注意力溢出效应无法长时间保持5天）图15：未来N日平均年化收益（“自信溢出”因子） 图16：未来N日平均年化收益（“情绪溢出”因子）样本区间：2013/01/01至2023/06/30；资料来源：、 样本区间：2013/01/01至2023/06/30；资料来源：、不同的因子加权方式（Euleghelueeghe（isaceeihed的优劣表2图7图18表12：不同加权方式下的选股效果因子加权方式IC均值标准差最小值最大值IC_IRt统计量胜率“自信溢出”因子_ew0.0150.068-0.2120.2690.2245.19758.47%“自信溢出”因子_vw0.0120.058-0.1980.2580.2084.81456.80%“自信溢出”因子_dw0.0150.065-0.2040.2570.2295.29858.29%“情绪溢出”因子_ew0.0320.086-0.2740.320.3668.47964.43%“情绪溢出”因子_vw0.030.08-0.2250.2520.3718.60864.99%“情绪溢出”因子_dw0.0320.084-0.2710.3150.3758.69865.18%样本区间：2013/01/01至2023/06/30；资料来源：、图17：不同加权方式下多头组合对比（“自信溢出”因子） 图18：不同加权方式下多头组合对比（“情绪溢出”因子）样本区间：2013/01/01至2023/06/30；资料来源：、 样本区间：2013/01/01至2023/06/30；资料来源：、排除其它影响因素后的因子效果Chen（2020）的研究表明：尽管中国的IPO制度使得股票代码的分配接近于随机，但在不同的市场板块之间还是存在一些差异。根据其统计结果，中小板和创业板市场的公司股票代码与其上市时间几乎是线性关系，然而在主板市场和其他市场板块中，股票代码顺序与股票的上市时间之间没有明显的联系。因此，股票的上市时间是可能影响因子数值大小的一个潜在因素。此外，股票代码相近的股票在行业和市值上也可能存在某种关联性。图19图20多头组合的收益有所下降，但十个分位数组合仍然表现出良好的单调性。这表明，因子的超额收益较为稳定，不易受到外部因素的影响。图19：分位数测试——净值曲线（剔除上市时间） 图20：分位数测试——净值曲线（剔除行业和市值）样本区间：2013/01/01至2023/06/30；资料来源：、 样本区间：2013/01/01至2023/06/30；资料来源：、五、宽基指数增强策略 “情绪溢出”因子指数增强策略上文中，我们基于投资者注意力溢出现象构建了“自信溢出”因子和“情绪溢出”因子，并对其在A股中的选股效果进行了测试。在本章中，我们将进一步将因子应用到沪深300、中证500和中证1000三只宽基指数中进行策略构建。我们仅使用收益持续性较好的“情绪溢出”因子来对宽基指数的增强策略进行构建。选股策略的具体构建细节如下：初始股票池：3005001000ST/ST*策略的构建：20%股票作为策略组合，并以等权的方式设置组合中的股票权重；交易设置：比较基准：3005001000◼ 回测时间区间：20131120230630日；交易费用：2从IC结果来看00和中证1000IC2.1%2.5%，ICT5.702因子IC均值标准差最小值最大值IC_IRt统计量胜率“情绪溢出”因子_因子IC均值标准差最小值最大值IC_IRt统计量胜率“情绪溢出”因子_沪深3000.0030.092-0.4250.2860.0370.85651.77%“情绪溢出”因子_中证5000.0210.085-0.2760.310.2465.70264.80%“情绪溢出”因子_中证10000.0250.087-0.2590.2940.2926.15862.25%样本区间：2013/01/01至2023/06/30；资料来源：、表1400000500指数和中证10005.57%和744图21图22总收益率年化收益年化超额年化波动夏普比率最大回撤平均换手率“情绪溢出”策略总收益率年化收益年化超额年化波动夏普比率最大回撤平均换手率“情绪溢出”策略_沪深30080.74%5.98%1.82%24.01%0.12443.50%22.25%“情绪溢出”策略_中证500207.21%11.65%5.57%26.61%0.32553.44%22.78%“情绪溢出”策略_中证100096.09%8.27%7.44%30.97%0.1760.59%23.71%样本区间：2013/01/01至2023/06/30；资料来源：、图21：“情绪溢出”策略多空净值曲线 图22：“情绪溢出”策略相对基准指数的超额净值曲线样本区间：2013/01/01至2023/06/30；资料来源：、 样本区间：2013/01/01至2