如何构建市场反应度模型？

市场反应度是衡量投资者短期交易行为对证券预期反映程度的关键 指标。

为捕捉市场反应度，我们基于市场交易数据，从“量”和“价”两个维度进 行指标构建。

1. “量”包含换手率、融资买入比例、成交额占比。（1）换手率：换手率可直接反映资金在某一板块的流动频率。较高的换手率 意味着该板块的市场交投情绪高涨，交易频繁，存在资金大量进出，市场对预期反 应程度较为剧烈。 （2）融资买入比例：融资买入比例反映了两融市场中杠杆资金对板块的关注 程度和交易热度。由于其杠杆乘数效应与跨市场的特征，该指标可以较好与传统指 标融合衡量市场反映程度。 （3）成交额占比：成交额占比用来衡量某一板块在整个市场中的交易占比， 与换手率不同，该指标可以剔除市场整体波动的影响，从而更加准确地反映出各板 块在全市场中相对交易热度。

2. “价”包含波动率、动量、DMA（双移动平均线差）。（1）波动率：波动率反映板块涨跌幅的波动程度，市场预期的剧烈反应往往 伴随波动率的走高。 （2）动量：作为传统的情绪指标，动量反映市场价格变动的速度和方向。 （3）DMA：DMA指标通过计算两条不同周期的移动平均线之间的差值，帮助 我们识别市场预期的趋势变化，本文使用20日均线减去60日均线进行测度。

3. 量价相关性。我们还引入成交量与价格变动之间的相关系数，在市场趋势较为明确即市场预 期趋于一致时，成交量和价格往往同向变动（正相关）。 以上7个指标值的增加均代表市场对某板块的预期反映程度更剧烈。为了减少 指标短期波动以及各板块之间指标量纲差异的影响，我们对各细分指标进行20日移 动平均（MA20）处理，并通过取近一年分位数对各指标进行标准化。此外，为避 免“过拟合”导致样本外指标效果衰减，我们使用等权方式对上述7个细分指标进 行合成，由此得到最终的市场反应度指标，该指标在0-100%之间波动。

为验证市场反应度模型的有效性，我们检验了因子值对板块未来收益率的预测 程度。1. 横向预测：即检验当期市场反应度高的行业是否在未来收益率更容易跑 输。我们首先计算单因子与行业未来收益率的截面相关系数（当期各行业因子排名 与未来20日行业涨跌幅排名相关系数）的均值以检验因子对行业未来收益率的预测 能力。结果显示，各因子与未来收益率的相关性均为负，预测效果于21年9月以后 大幅提升，21年9月后各因子与未来收益率相关系数均在-3%以下，部分指标如成 交额占比、DMA及换手率的相关性甚至超过了-10%，说明在行业轮动加速市场行 情下，各因子均对未来的收益率有着较强的预测性和指导意义。

为使得等权合成后因子具备较好的预测能力，达到“1+1>2”的效果，我们进 一步分析了因子间的相关性。除换手率与波动率、换手率与成交额占比外，我们发 现大部分因子间的相关性均处于较低水平，这意味随着各个因子的不断融合，模型 结果对未来行业收益率预测能力不断增加。

2016年以来，等权合成后的市场反应度指标对行业收益率预测能力不断增 强。自2016年以来，市场反应度指标的单月有效性虽有波动，但总体趋势向好，尤 其是自2021年9月起，累计值斜率陡峭向下，指标有效性显著提升。我们又将因子 与未来收益相关系数进行了风险调整（均值/标准差），结果亦显示因子有效性于 行业轮动加速时期处于较高水平。

2. 纵向预测：即检验某一行业市场反应度与该行业未来收益率相关性。我们 分析了行业自身的因子值与其未来涨跌幅之间的关系。结果表明，行业因子值与该 行业未来涨跌幅呈显著负相关，即市场反应度较高的行业往往未来面临超额收益的 回落。