低关注度股票的超额收益分析报告

金融工程证券研究报告2024年01月17日低关注度股票的超额收益探索核心提要u

低关注股票存在alpha挖掘空间•机构关注度较高的股票基本面整体相对较好，但由于机构持仓较高，定价较为充分，难以找到差异化的投资机会。机构关注度较低的股票池中，公司基本面表现可能相对较差，但其中也不乏业绩高增长的个股。低关注股票池中业绩高增速股票占比较高，说明低关注股票池中alpha挖掘机会相对充分。预期增速分组的多空收益在低关注股票中相对于高关注股票更显著，说明分析师预期因子在低关注股票里面还有一定alpha。u

低关注度收益拆解•近三年，低关注股票相对于高关注股票有超额收益。低关注股票收益和公募基金抱团程度为负相关关系，与高关注股票的拥挤度也有明显负相关。预期未来随着公募基金抱团的程度下降，低关注股票超额收益会持续。u

低关注股票的风格挖掘•从风格暴露的角度而言，低关注股票整体波动较高、换手较高。从风格增强角度而言,低关注股票在低波动、低换手、短期反转、小市值风格上都有显著的超额。u

低关注股票的alpha增强框架•我们对低关注股票的增强框架主要是基于叠加异常波动、剔除缩量上涨、剔除低预期股票来实现。最终增强组合年化收益18.37%，相对于低估值基础池增强23.01%，相对于偏股混合基金近三年超额收益都在30%左右。

在未来公募基金拥挤度逐渐下降的阶段，基于低关注股票的增强超额收益会延续。u

风险提示•本报告所有分析均基于公开信息，不构成任何投资建议。报告中采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差。报告中结论均基于对历史客观数据的统计和分析，但过往数据并不代表未来表现201.02.03.04.1、异常关注度作用机制与收益2、低关注股票的风格挖掘3、低关注股票的alpha挖掘4、股票持仓分析3异常关注度作用机制与收益p

低关注股票存在alpha挖掘空间●

机构关注度较高的股票基本面整体相对较好，但由于机构持仓较高，且定价较为充分，难以找到差异化的投资机会。●

机构关注度较低的股票池中，公司基本面表现可能整体上相对较差，但其中也不乏业绩高增长的个股，具有alpha的挖掘机会；同时，由于机构持仓相对较低，低关注度股票中所挖掘出来的alpha，往往能够给机构投资者带来独有的收益贡献。●

我们将机构持仓占比小于1%的股票作为低关注组，持仓1%到3%之间作为关注度2组，持仓3%到5%作为关注度3组，持仓大于5%作为高关注组。基本面相对较好关注度较高的难以差异化投资持仓占比

<1%低关注股票定价充分，机构持仓高关注度21%≤持仓占比

≤3%机构关注度影响机构持仓低关注度股票存在alpha挖掘空间关注度3基本面相对较差3%≤持仓占比

≤5%关注度较低的股票具有alpha的挖掘机会持仓占比

≥5%挖掘出的alpha能带来独有的收益贡献高关注机构持仓相对较低4异常关注度作用机制与收益预期盈利增速分组收益p

低关注股票池中alpha挖掘机会相对显著5.00%0.00%●

我们将预期净利润同比增速大于30%或营收增速TTM大于20%定义为业绩高增速。低关注股票池中业绩高增速股票占比较高，说明低关注股票池中alpha挖掘机会相对显著。第一第二第三第四第五-5.00%-10.00%-15.00%●

我们根据预期盈利增速从低到高排列，将截面的股票等分为一到五组。预期增速分组的多空收益在低关注股票中相对于高关注股票更显著。低关注

高关注图：不同关注度下预期业绩增速高的股票占比图：不同关注度下营收增速高的股票占比4.0%3.5%3.0%2.5%2.0%1.5%1.0%0.5%0.0%0.5%0.5%0.4%0.4%0.3%0.3%0.2%0.2%0.1%0.1%0.0%低关注度

高关注度低关注度

高关注度5资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/9/28异常关注度作用机制与收益p

不同关注度股票市值分化较大●

从不同关注度的股票市值分布上看，低关注股票呈现出一定的小市值特征。低关注股票市值均值、中位数大概在20亿左右。●

从不同关注度的股票数量分布上看，截止至2023年9月末，高关注的股票数量占比最高，为44%，共计2209只股票。关注度为3的股票数量占比最低，为10%，共计505只股票。低关注股票占比26%，共计5065只。图：不同关注度股票市值均值分布（单位：亿）图：不同关注度股票数量分布1151059550004000300020001000044%85756510%20%55453526%2015/12/31

2016/12/31

2017/12/31

2018/12/31

2019/12/31

2020/12/31

2021/12/31

2022/12/31低关注关注度2关注度3高关注低关注

关注度2

关注度3

高关注6资料：Wind，国海证券研究所，统计区间：左图2015/12/31至2023/12/31，右图2015/12/31至2023/9/28异常关注度作用机制与收益p

低关注度股票行业分布相对均衡，略微集中在基础化工、机械等行业●

截至2023年第三季度的低关注度股票的行业分布中，占比最高的前五个行业分别为机械(10.45%)，基础化工(9.65%)，电力设备及新能源(5.98%)，电子(5.27%)和电力及公用事业(5.27%),银行和综合金融等占比比较低。表：2021Q4至2023Q3低关注度行业分布变化石油石化煤炭图：低关注度2023Q3行业分布有色金属电力及公用事业钢铁电力及公用事业,5.27%基础化工建筑基础化工,9.65%电子,5.51%建材轻工制造机械电力设备及新能源汽车商贸零售消费者服务家电纺织服装医药机械,10.45%食品饮料农林牧渔银行电力设备及新能源,5.98%7资料：Wind，国海证券研究所异常关注度作用机制与收益p

低关注股票因子暴露变化及对比低关注股票的换手更高●

低关注股票近一年在成长性上有明显提升。1.21●

低关注的股票相对于高关注的股票在换手上有更多的暴露。0.80.60.40.20表：低关注股票因子暴露历史分布-0.2-0.4-0.6盈利beta动量流动性波动长期反转低关注

关注度2

关注度3

高关注1.510.50-0.5-1-1.5分红成长盈利波动

中市值

盈利能力杠杆低关注股票的成长性提升明显低关注

关注度2

关注度3

高关注8资料：Wind，国海证券研究所，右图统计时间：2023/12/29异常关注度作用机制与收益p

低关注股票相对于高关注股票超额收益具有周期性●

低关注股票相对于高关注股票的超额收益具有周期性。从2015年至2020年，低关注股票相对于高关注股票的超额收益不显著。近三年，低关注股票相对高关注股票有超额收益。2021、2022和2023年，低关注股票相对于高关注的超额收益分别为8.51%、6.75%和9.61%。图：低关注相对于高关注超额表：低关注与高关注收益表1.151.050.950.850.750.650.550.450.359资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29异常关注度作用机制与收益p

公募基金抱团程度与低关注股票收益呈负相关刻画基金持股抱团程度重仓股被持有市值合计股票流通市值●

我们将股票被主动权益基金持有市值的合计与股票市值的比例定义为股票被抱团程度，由此衍生出衡量主动权益基金在重仓股上抱团程度的指标。根据下图可以看出，低关注股票收益和公募基金抱团程度为负相关，公募基金抱团程度和低关注净值间相关性为-66.03%。重仓股被抱团程度10重仓股ꢀ被基金持有市值基金重仓市值抱团因子

ꢁ

×

ꢁ重仓股被抱团程度百分位基金持股市值之和i=0图：公募基金抱团程度VS低关注表：关注度与抱团程度相关性1.110.660.640.620.60.90.80.70.60.50.40.580.560.540.520.5左轴：低关注右轴：群体抱团程度10资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/9/30异常关注度作用机制与收益p

高关注股票的拥挤度与低关注股票收益呈负相关●

我们通过拥挤度指标来衡量股票被资金买入的热度。根据下图我们发现低关注股票的拥挤度维持在较低的水平，高关注股票的拥挤度有较大波动。●

高关注股票拥挤度与低关注/高关注相对净值负相关性较高。当高关注股票拥挤度下降时，低关注相对高关注股票的超额收益更显著。图：拥挤度指标：价格乖离成交量加权图：高关注股票拥挤度VS低关注相对高关注超额98765432198765432101.110.90.80.70.60.502015/12/31

2016/12/31

2017/12/31

2018/12/31

2019/12/31

2020/12/31

2021/12/31

2022/12/31左轴：高关注股票拥挤度右轴：低关注相对高关注低关注关注2关注3高关注注：拥挤度指标构建方式表示如下，首先计算组合成份股股价与其30日移动均线距离的偏离程度,然后将成交量加权所有成份股价格乖离作为组合的拥挤度因子值。11资料：Wind，国海证券研究所，统计区间：左图2015/12/31至2023/11/30，右图2015/12/31至2023/9/30异常关注度作用机制与收益p

估值驱动净值下行，盈利驱动净值上行●

2017年至2019年间低关注股票价格变动主要受到估值(PE)驱动。该区间股价往下，估值往下，但是盈利(ROE，单位：亿元)具有一定稳定性。●

近3年间，2021年到2022年上半年低关注股票价格变动主要由盈利驱动，股价随着盈利的提升而提升。●

从历史趋势看，估值驱动时期股票普遍下降，而盈利驱动时期净值上升趋势更为常见。盈利驱动低关注股票价格变动估值驱动低关注股票价格变动1.61.41.211201008060402001.61.41.212.521.510.500.80.60.40.200.80.60.40.20-0.5-1-1.5-22015/12/31

2016/12/31

2017/12/31

2018/12/31

2019/12/31

2020/12/31

2021/12/31

2022/12/31

2023/12/31

2015/12/31

2016/12/31

2017/12/31

2018/12/31

2019/12/31

2020/12/31

2021/12/31

2022/12/31

2023/12/31右轴：估值

左轴：低关注股票净值

右轴：盈利

左轴：低关注股票净值12资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/3101.02.03.04.1、异常关注度作用机制与收益2、低关注股票的风格挖掘3、低关注股票的alpha挖掘4、股票持仓分析13低关注股票的风格挖掘p

低关注股票超额收益探索框架●

我们首先对比不同关注度下的股票的等权组合、市值加权组合与剔除微盘之后的等权组合的收益表现。●

然后对比不同关注度下风格增强和不同关注度下alpha增强的相关结论。123对比三种关注度组合不同关注度下风格增强不同关注度下alpha增强估值、盈利、成长性、波动、动量、换手、市值；等权

、市值加权、剔除微盘之后的等权；异常波动率、剔除缩量上涨、剔除低预期；14资料：国海证券研究所低关注股票的风格挖掘p

不同关注度股票组合加权方式对比●

我们分别对比等权、市值加权、剔除微盘的等权在不同关注度股票组合上的加权表现。在三种不同的组合加权方式上，我们发现等权组合净值表现更高，整体上市值加权组合优于剔除微盘后的组合净值表现。收益特征上，也是等权组合年化超额收益相对较高。图：不同关注度组合股票年化超额收益●

为了避免组合在微盘上有过多暴露，我们后续主要采用剔除微盘后的等权加权方式。4%2%图：不同关注度组合股票净值分布0%1.61.41.21.00.80.60.40.2-2%-4%-6%低关注关注度2关注度3高关注等权

市值加权

剔除微盘近三年低关注有超额收益图：低关注度股票等权组与中证全指年度收益对比40%30%20%10%0%0.02016/1/42017/1/42018/1/42019/1/42020/1/42021/1/42022/1/42023/1/4低关注_等权低关注_市值加权低关注_剔除微盘-10%-20%-30%-40%表：不同关注度组合股票收益特征20162017201820192020202120222023低关注_等权

中证全指15资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的风格挖掘p

不同关注度股票表现2021年之后分化明显（剔除微盘等权表现）●

从不同关注度股票净值分布上看，2021年以前，关注度高的股票超额更显著。2021年以后，关注度低的股票拥有更高的超额。表：不同关注度股票特征图：不同关注度股票净值分布2021年1月1.31.21.11.00.90.80.70.60.50.40.3图：不同关注度股票年化超额收益1.00%0.00%-1.00%-2.00%-3.00%-4.00%-5.00%-6.00%低关注关注度2年化超额收益关注度3高关注低关注关注度2关注度3高关注16资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的风格挖掘p

低关注度组合中部分风格增强显著●

我们按照每个因子在横截面上从低到高等分为五组来划分股票，并测算每组股票的表现。比如对于“换手”而言，第五组为高换手，第一组为低换手。第一组减第五组就是换手因子的多空收益。但是对于短期反转因子，我们将第五组减第一组作为短期反转因子的多空收益。从低关注度股票组合下的风格因子多空收益看，低波动、低换手、短期反转、小市值都有显著的超额。●

右图我们将低换手、低波动、低动量、反转、小市值、中等市值定义为这些风格的多头，并且对比这些风格的多头分年度收益。在2019年之后，低换手、低波动、反转、小市值增强下的低关注股票都有正向的收益。表：低关注股票的各个因子多空的分年度收益表：低关注股票的各个因子多头的分年度收益低换手更优低波动更优17资料：Wind，国海证券研究所低关注股票的风格挖掘p

高换手股票表现不佳●

换手率(ATVR)是过去252个交易日内日交易份额比率（换手率）的加权求和；流动性STOQ是最近三个月换手取均值后的对数值。我们按照每个因子在横截面上从低到高等分为五组来划分股票，换手率（流动性）第一组分别表示低换手（低流动性）。我们发现第五组高换手（高流动性）的收益明显低于其他组，说明高换手的股票总体表现不佳。图：换手率1Y五分组净值分布图：流动性1Q五分组净值分布2.01.51.00.50.01.51.00.50.0第一_低关注第四_低关注第二_低关注第五_低关注第三_低关注第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注表：换手率五分组收益特征表：流动性五分组收益特征18资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的风格挖掘p

高波动股票表现不佳●

收益极差CRMA为过去12个月的月对数收益率中最大值与最小值的差；历史波动率是计算BETA所进行的时间序列回归中，回归残差收益率的波动率。我们按照每个因子在横截面上从低到高等分为五组来划分股票，波动率（收益极差）第一组分别表示低波动（低极差）。我们发现第五组高波动的收益明显低于其他组，说明高换手的股票总体表现不佳。图：收益极差五分组净值分布图：历史波动率五分组净值分布1.71.20.70.21.71.20.70.2第一_低关注第四_低关注第二_低关注第五_低关注第三_低关注第一_低关注第四_低关注第二_低关注第五_低关注第三_低关注表：收益极差五分组收益特征表：历史波动率五分组收益特征19资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的风格挖掘p

低动量股票表现相对较好●

动量因子评估高频交易策略在短时间内产生的收益能力；短期反转因子关注关注短期内资产价格的变动，是一个反转指标。动量因子第五组表示过去一年高动量，反转因子第一组表示短期高动量。我们发现动量因子第五组的收益明显低于其他组，短期反转因子第一组的收益明显低于其他组，说明高动量的股票不管是短期还是长期均表现不佳。图：动量五分组净值分布图：短期反转五分组净值分布（正向）表：动量五分组收益特征1.81.61.41.21.00.80.60.40.21.81.61.41.21.00.80.60.40.2表：短期反转五分组收益特征第一_低关注第四_低关注第二_低关注第五_低关注第三_低关注第一_低关注第四_低关注第二_低关注第五_低关注第三_低关注表：低关注股票动量因子的分年度收益表：低关注股票短期反转因子的分年度收益20资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的风格挖掘p

小市值股票相对占优●

对数市值是指一个公司的市值的对数转换值；中等市值用于衡量市值分布的中间位置的中型股。对数市值的第一组表示小市值，中等市值的第一组表示极端市值。我们发现对数市值和中等市值的第一组的收益明显优于其他组，说明小市值（极端市值）股票相对占优。图：对数市值五分组净值分布图：中等市值五分组净值分布3.02.62.21.81.41.00.60.23.02.62.21.81.41.00.60.2第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注表：对数市值五分组收益特征表：中等市值五分组收益特征21资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/2901.02.03.04.1、异常关注度作用机制与收益2、低关注股票的风格挖掘3、低关注股票的alpha挖掘4、股票持仓分析22低关注股票的alpha挖掘p

低关注股票增强方案框架●

低关注股票在特定的风格暴露上存在潜在alpha,对于低关注股票我们采取递进式的增强方式来进行挖掘。●

首先我们的方案一是在低关注股票上叠加异常波动因子，其次方案二是在前者基础上剔除缩量上涨的股票，最后方案三是在前两步的基础上剔除低预期股票。每一个方案都有较为明显的递进增强收益。23低关注股票的alpha挖掘p

异常波动率因子集合●

本文选取20、60、120日收益损失方差比、历史波动、年度换手、波动中位数、120日收益方差共7个因子进行等权构造出异常波动率因子。在低关注股票上异常波动率越低未来预期收益越高。●

各因子及其定义详见下表。因子定义GainLossVarianceRatio120GainLossVarianceRatio20120日收益损失方差比20日收益损失方差比收益损失方差比的定义公式：ꢅꢁ

ꢃꢂ

−

ꢃꢂꢄ∣ꢂ

≥

0ꢄ2正向波动负向波动GainLossVarianceRatio60HSIGMA60日收益损失方差比ꢅꢀ==ꢀRatioꢀꢀꢁ

ꢃꢂ

−

ꢃꢂꢄ∣ꢂ

≤

0ꢄ2历史波动（过往12个月中，个股日收益关于市场组合日收益的三阶自回归，市场组合日收益的残差标准差）ꢅꢁꢂꢄ

=

ꢃꢂ

−

ꢃꢂꢄ∣ꢂ

≥

0ꢄ2

=

ꢃ

ꢂ2∣ꢂ

≥

0ꢄ

−

ꢃꢂ∣ꢂ

≥

0ꢄ2STOA12个月换手率对数平均波幅中位数ꢀꢁ(ꢂ)=

ꢃ(ꢂ

−

ꢃ(ꢂ=∣ꢂ

≤

0=2

)

ꢃꢂ2∣ꢂ

≤

0ꢄ

−

ꢃ(ꢂ∣ꢂ≤

0=2DHILOVariance120120日收益方差，结果为年化后的值24低关注股票的alpha挖掘p

收益损失方差比因子都有较强单调性●

我们按照因子从小到大对股票进行五分组，其中第一组（多头）表示较低的收益损失方差比。我们将多空定位第一组减第五组的收益。收益损失方差比越低股票收益越高。●

低关注度股票里面，不管是从多头净值、分组收益、以及分年度多空来看，120日收益损失方差比因子的表现优于20日收益损失方差比因子和60日收益损失方差比因子。图：20日、60日和120日收益损失方差比因子年化超额收益对比5%图：20日、60日和120日收益损失方差比因子净值表现对比0%-5%1.41.31.21.11.00.90.80.70.60.5-10%-15%第一_低关注

第二_低关注

第三_低关注

第四_低关注

第五_低关注120日收益损失方差比

20日收益损失方差比

60日收益损失方差比表：各因子多空分年度收益0.42015/12/302017/12/302019/12/3020日收益损失方差比2021/12/3060日收益损失方差比120日收益损失方差比注：由于该因子为负向因子，多空年度收益的计算方法为第一组收益减第五组收益。25资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的alpha挖掘p

120日收益损失方差比优于60日收益损失方差比●

120日收益损失方差比和60日收益损失方差相比，120日收益损失方差的分层单调性更加明显。●

对于收益损失方差比这类因子而言，第一组表现明显优于其他组，意味着正向波动相对负向波动越低，未来股票预期收益更高。图：60日收益损失方差比因子净值表现图：120日收益损失方差比因子净值表现1.21.00.80.60.40.22.01.51.00.50.02015/12/300.02015/12/302017/12/302019/12/302021/12/302017/12/302019/12/302021/12/30第一_低关注第四_低关注第二_低关注第五_低关注第三_低关注第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注表：120日收益损失方差比因子收益特征表：60日收益损失方差比因子收益特征26资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的alpha挖掘p

20日收益损失方差比因子空头较差●

延续前述的分组定义，在低关注股票中，20日收益损失方差比因子的分组单调性还可以，第五组的表现明显比其他组差。这意味着我们需要规避短期正向波动占比较高的股票。图：20日收益损失方差比因子净值表现1.2表：20日收益损失方差比因子收益特征1.00.80.60.40.20.0第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注27资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的alpha挖掘p

历史波动因子分组单调性明显●

历史波动因子表示过往12个月中个股日收益关于市场组合日收益的三阶自回归滞后的残差标准差。我们按照因子从小到大对股票进行五分组，其中第一组（多头）表示较低的历史波动。历史波动越低股票收益越高。●

低关注股票中，各组净值表现明显分层，第一组较其他组表现更优。意味着低波动的低关注股票相对于高波动具备alpha。表：历史波动因子收益特征图：历史波动因子净值表现1.61.41.21.00.8表：历史波动因子的分年度收益0.60.40.20.02015/12/302017/12/302019/12/302021/12/30第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注28资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的alpha挖掘p

120日收益方差因子分组单调●

120日收益方差是计算过去120日残差收益率的方差，再进行年化后的值。我们按照因子从小到大对股票进行五分组，其中第一组（多头）表示较低的收益方差。收益方差越低股票收益越高。●

低关注度下，120日收益方差各组净值明显分层，第一组低收益方差的表现显著优于其他组。表：120日收益方差因子收益特征图：120日收益方差因子净值表现2.01.81.61.41.21.00.80.6表：120收益方差因子的分年度收益0.40.20.0第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注29资料：Wind，国海证券研究所，统计区间：2015/12/31至2023/12/29低关注股票的alpha挖掘p

年度换手率因子多空明显●

年度换手率因子是计算12个月换手率对数的平均值。我们按照因子从小到大对股票进行五分组，其中第一组（多头）表示较低的年度换手。换手越低股票收益越高。●

低关注度股票分组下，第一组的表现显著优于其他组，多空收益显著。图：年度换手率因子净值表现1.6表：年度换手率因子收益特征1.41.21.00.80.60.40.20.0第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注30资料：Wind，国海证券研究所，统计区间：2015/12/30至2023/12/29低关注股票的alpha挖掘p

波幅中位数因子分组单调性明显●

波幅中位数因子是计算每日对数最高价和对数最低价差值的3月内中位数。我们按照因子从小到大对股票进行五分组，其中第一组（多头）表示较低的波幅中位数。波动幅度越低股票收益越高。●

低关注度股票下，第一组的表现显著优于其他组，且分组单调性显著。图：波幅中位数因子净值表现1.6表：波幅中位数因子收益特征1.41.21.00.80.60.40.20.0第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注31资料：Wind，国海证券研究所，统计区间：2015/12/30至2023/12/29低关注股票的alpha挖掘p

方案一：异常波动率下的低关注超额收益明显●

等权构造过程：首先剔除自由流通市值20%分位数以下的股票，然后把全市场股票分为不同关注度4组，最后按照以上7个因子标准化之后等权，分为五组。其中第一组表示整体异常波动率较低。从净值表现上看，各组呈现明显分层，第一组净值显著高于其他组。●

从收益表现上看，第一组在2019年后均取得显著正收益，总体的年化超额收益为7.15%，第一组相对于原始的低关注股票池每年都有正向超额。图：异常波动率增强组合净值分布2.01.51.00.5表：异常波动率增强组合收益特征0.02015/12/302017/12/302019/12/302021/12/30第四_低关注第一_低关注第二_低关注第三_低关注第五_低关注表：等权构造组合分年度收益特征32资料：Wind，国海证券研究所，统计区间：2015/12/30至2023/12/29低关注股票的alpha挖掘p

方案二：剔除高动量组合（缩量上涨）指标的构建●

简易波动指标（EaseofMovementValue，EMV）将价格与成交量的变化结合成一个波动指标来反映股价或指数的变动状况，由于股价的变化和成交量的变化都可以引发该指标数值的变动，EMV实际上也是一个量价合成指标。●

当股票处于缩量上涨的时候，EMV指标大于0，且趋势越来越高；当股票处于缩量下跌时，EMV指标会小于0且越来越低；当股票处于放量上涨的时候，EMV指标大于0，且趋势越来越小；当股票处于缩量下跌时，EMV指标会小于0且越来越高。A

=（今日最高

+

今日最低）/2放量上涨：向0的缩量上涨：大于0且越来越高EM

=（A

-

B）*

C

/

今日成交额方向往下走B

=（前日最高

+

前日最低）/2C

=

今日最高

-

今日最低EMV

=

14日内EM的累和缩量下跌：小于0且越来越低放量下跌：向0的方向往上走EMVA14=

EMV的14日的简单移动平均单位涨幅成交量：今日成交额/C33资料：国海证券研究所低关注股票的alpha挖掘p

方案二：剔除缩量上涨后空头负超额明显●

我们将原始的简易波动因子调整为sqrt(EMV14_shift+0.9)，该指标较高说明股票处于缩量上涨的状态。调整的目的是为了结合非线性关系来剔除缩量上涨股票。我们按照调整后的因子从小到大对股票进行五分组，其中第五组（空头）表示较高的调整EMV指标。该因子第五组收益显著低于其他组，意味着高EMV指标（缩量上涨）的股票未来预期收益较差。图：价量调整_简易波动因子净值表现指标取值sqrt(x+0.9)2.01.81.61.41.21.00.80.60.40.2当x>-0.9价量调整_简易波动因子指标取值0当x<-0.9表：价量调整_简易波动因子收益特征0.02016/2/292017/2/282018/2/282019/2/282020/2/292021/2/282022/2/282023/2/28第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注34资料：Wind，国海证券研究所，统计区间：2016/2/29至2023/12/29低关注股票的alpha挖掘p

方案二：剔除高动量组合（缩量上涨）后分层收益明显●

我们在方案一的基础之上，负向剔除调整后的EMV指标第五组，得到方案二的股票池，各组方向跟方案一保持一致。●

剔除了高动量（缩量上涨）的股票之后，第一组的年化超额收益为7.42%，信息比为0.37，卡玛比率为0.17。图：剔除高动量组合净值分布2.01.8表：剔除高动量组合收益特征1.61.41.21.00.80.60.40.20.02015/12/302017/12/30第一_低关注第四_低关注2019/12/302021/12/30第二_低关注第五_低关注第三_低关注表：剔除高动量组合分年度收益特征35资料：Wind，国海证券研究所，统计区间：2015/12/30至2023/12/29低关注股票的alpha挖掘p

方案三：未来3年预期盈利同比增长因子分层较为显著●

未来三年盈利预期增长因子是基于未来三年分析师预期所构造的。该指标越低说明预期收益越低。●

在低关注股票中，各组净值明显分层，第五组的表现显著优于其他组，第五组的年化超额收益为1.03%。图：未来3年盈利增长因子净值表现1.31.21.11.00.90.80.70.60.50.4表：未来3年盈利增长因子分年度收益特征0.32015/12/30

2016/12/30

2017/12/30

2018/12/30

2019/12/30

2020/12/30

2021/12/30

2022/12/30预期盈利增速分组收益第一_低关注第二_低关注第三_低关注第四_低关注第五_低关注5.00%0.00%表：未来3年盈利增长因子收益特征第一第二第三第四第五-5.00%-10.00%-15.00%低关注

高关注36资料：Wind，国海证券研究所，统计区间：2015/12/30至2023/12/29低关注股票的alpha挖掘p

方案三：剔除缩量上涨和低预期组合多头后超额进一步提升●

我们在异常波动率增强组合的基础上同时剔除高动量和低预期的股票，发现策略得到进一步提升。●

从收益表现上看，第一组的年化超额收益为18.37%，信息比为0.87，卡玛比率为0.62。图：剔除高动量和低预期组合净值分布4.54.03.53.02.52.01.51.00.50.0表：剔除高动量和低预期组合收益特征2015/12/302017/12/30第二_低关注2019/12/302021/12/30第四_低关注第一_低关注第三_低关注第五_低关注表：剔除高动量和低预期组合分年度收益特征37资料：Wind，国海证券研究所，统计区间：2015/12/30至2023/12/29低关注股票的alpha挖掘p

方案三增强组合整体换手率适中●

低关注度股票换手率有一定波动，2016至2023年整体换手率为5.28倍，方案三增强组合整体换手率适中。●

方案三使用的各因子之间相关性