2024年金融工程专题研究：个股与行业的共振，联合动量因子

探寻股价上涨的驱动力：大势与小势

个股趋势中的反转特征：以彩票型股票为例

无论是在学术界还是在业界，个股趋势中的动量反转效应都是非常重要的研究课题。早在 1967 年，Robert Levy 就提出将股票价格变化的相对强弱作为股票筛选的重要准则（Relative Strength）。1993 年，Jegadeesh 和Titman 在其开创性的研究中再度提及美股市场中长期存在的“强者恒强”现象。而后Carhart（1997）构建了 Momentum 动量因子，并将其加入 Fama and French (1993) 三因子模型中，构建了 Carhart 四因子模型。Rouwenhorst（1998）以12 个欧洲国家的数据为样本进行分析，同样发现了显著的动量效应。Kenneth R. French 在其官网中根据股票 T-12 月到T-2 月的累计收益率将区间收益最高和最低的 30%股票划分为高收益和低收益组，并计算了二者平均收益率之差。

然而在 A 股却并未表现出股价“强者恒强”的现象。长期以来，A股市场都存在着显著的股价短期反转效应，即短期过度上涨的股票未来反而面临更大的下跌风险。尽管我们在实践中经常使用的 1 个月反转因子也曾在2019 年-2021年经历了阶段性失效，但长期来看，反转因子在 A 股的表现依然远超动量因子。即使近些年机构投资者占比有所提升，A 股的个人投资者交易占比仍然较高，而个人投资者具有典型的卖出盈利股票、持有亏损股票的处置效应，在交易时存在较强的锚定偏误，均值回归信念强，这些原因共同导致中国市场存在显著的非理性短期反转的价格异象。

“彩票型股票”就是一类典型的被个人投资者主导、投机性较强的股票。这类股票的风险收益特征与购买彩票相似，虽然整体预期收益为负，但也有可能在短期内获得意想不到的巨额回报。这些彩票型股票通常来自市值较小的公司，这些公司在市场上尚未建立起稳定的声誉和良好的业绩，因此其股价往往存在较大的波动。由于个人投资者占主导地位，这类股票的投机性较强，价格容易受到市场情绪的影响。投资者购买这类股票时往往抱有“以小搏大”的心理，期望从这类股票中以小概率获取较大的收益。除了具有较大的单日涨幅外，这类股票还具有高换手、高偏度、高波动等特点。高换手率意味着这些股票的交易非常活跃，投资者买卖频繁，而高偏度和高波动则表明这些股票的价格走势较为极端，可能会出现大幅上涨或下跌的情况。

Bali et al. (2011) 研究了美国股市中最大收益日异象，发现过去一个月的最大单日涨幅较高的股票具有高波动和高偏度的特征，接近彩票型股票，且最大单日涨幅与股票预期收益之间存在着显著的负相关关系。即过去一个月出现过较大单日涨幅的股票，更有可能在未来发生反转，快速下跌，经历“过山车”行情。在实际中，投资者愿意为彩票型股票付出更高的价格以博取极端正收益，使得这类股票往往被高估，因而在未来具有较低的收益，后续走势呈现较强的反转效应。

探寻股价上涨的驱动力：行业趋势的动量特征

前文我们探究了 A 股彩票型股票的强反转效应，从统计的概率来说，投资似乎应该“买弱不买强”。但实际上很多明星股前期都经历了大幅上涨，而后一路走高，“买弱不买强”似乎并不符合我们期望买到优质明星股的目标。那么我们该如何从众多已经发生过大幅上涨的股票中区分出其中能够持续上涨的明星股呢？我们可以从股价背后的驱动力来考虑这个问题，股价上涨的背后既有个股本身的基本面因素驱动，也可能是投机情绪的驱动，此外也会受到行业、板块的催化以及整个市场环境的影响。例如，彩票型股票的上涨主要是由于投机情绪驱动，且多为小市值的公司，推动股价上涨所需要的资金量并不大，上涨的基础并不牢固，后续面临较大的下跌风险。 而行业趋势通常是由行业的基本面、政策、宏观经济、市场情绪等多种因素共同作用的结果，相比之下，行业的上涨通常需要强大的资金推动，需要市场一定的共识，大体量的资金也通常来自于机构投资者，背后的势能较大，趋势一旦形成，能够延续较长的时间。

我们在对公司进行基本面分析时，不仅会关注公司自身的财务状况，往往还会对公司所处行业的生命周期、市场规模、竞争格局、技术发展、产业政策等进行深入的挖掘。然而在构建价量因子时，以往的研究却主要注重挖掘个股本身的趋势和形态，即个股的“小势”，缺乏对个股背后行业、板块以及市场趋势的关注，个股背后的“大势”也同样重要，不同的行业、市场驱动力可能对应着后续完全不同的走势。 同样在股票大涨的时刻，左侧的公司所处的行业同样大涨，股票背后有强大的行业上涨驱动力；右侧公司大涨时，行业却呈现下跌的趋势，个股上涨缺乏背后行业的支撑。那么有行业支撑的公司后续是否更有可能延续上涨的态势？

IMAX20 因子的表现也验证了我们的猜想，即在个股大涨的当天，倘若个股自身的“小势”能够与其背后行业板块的“大势”共同作用，则后续会有更强的支撑，而脱离行业独自上涨的股票则在后续面临较大阻力，难以维持上涨。此外，我们发现个股最大收益日因子 MAX20 与个股最大收益日行业收益因子IMAX20在截面上的相关性较低，仅为-0.06，相较个股本身的价格趋势，特定日期的行业表现具有独立的增量信息。 我们以两个例子展示该因子对应的多头和空头股票。以2023 年3 月17日出现当月最大单日涨幅的金山办公为例。金山办公在盘整近2 个月后出现大涨的形态，3 月 17 日单日涨幅达到 15.45%，从个股最大收益日的反转效应来看，后续回调的风险较大。但如果我们从行业“大势”来看，受到AI 新一轮产业驱动，2023年一季度 TMT 板块走出了强势的行情，是市场关注度较高的主线，吸引了大量的布局资金。金山办公所处的计算机行业同样具有强大的行业驱动力。在3月17日金山办公大涨当天，对应的计算机行业当日上涨4.18%，同时出现了单月最大涨幅。在强势的行业驱动力下，金山办公延续了上涨，后续10 个交易日相对中证全指超额收益达到 30%。

同样以 2023 年 3 月 17 日出现单月最大涨幅的国电南瑞为例，从个股的走势来看，国电南瑞前期形态与金山办公较为接近，同样在长期的震荡后出现了明显的上涨信号，然而 3 月 17 日国电南瑞大涨后立刻回落，后续10 日跑输全市场，与金山办公的走势大相径庭。如果我们同时考虑国电南瑞所处行业当天的表现，会发现其对应的电力设备新能源行业当天下跌 0.75%，且持续处于较弱的趋势中，个股没能与行业形成共振。某一天的上涨更像“昙花一现”，背后缺乏持续的推动力。国电南瑞也确实后续回落，后 10 个交易日相对中证全指超额收益-3.05%。

通过金山办公和国电南瑞的例子，我们可以看到两个短期走势相似的个股，由于背后的行业势能不同，后续的走势大相径庭，有行业支撑的股票后续动能更强。

个股不同时刻对应的行业动量反转效应

前文中，我们主要对个股每月最大收益日这一特殊时间对应的个股和行业涨跌幅因子进行了检验，发现个股涨跌存在强反转效应而行业涨跌存在强动量效应。除了个股最大收益日，其他交易日是否也存在这一特殊的动量反转效应。

对个股收益序列划分动量和反转效应的研究较多，除了按照前文中个股每日涨跌幅大小来划分，也可以通过风险指标来划分。例如国信金工团队在2022年12月7 日发布的报告《风险溢价视角下的动量反转统一框架》中根据个股每日的真实波动、换手率等风险指标对个股每日涨跌幅的动量/反转效应进行了区分。在低风险日，个股存在动量效应，在高风险日，个股存在反转效应。那么通过风险指标的方式能否可以区分出行业收益中的动量和反转效应呢？

个股与行业的共振：行业联合动量因子

行业联合动量因子

前文我们对个股不同涨跌幅时刻对应的行业动量反转效应做了详细的检验，并发现个股最大收益日当天的行业涨跌幅存在很强的动量效应，即个股大涨时，如果有强势的行业作为支撑，个股顺势而涨，与行业形成共振，未来的预期收益更高。然而对于同行业的股票来说，最大收益日可能会重合，使得当天的行业涨跌幅因子值重复。此外，我们也发现个股收益最大的 5 日对应的行业涨跌幅均存在一定动量效应，并且个股涨跌幅越大的交易日，动量效应越显著。因此，我们考虑将个股涨幅最大 5 日的行业动量效应进行加权融合，权重按照个股涨跌幅排名进行衰减，个股涨跌幅越大的交易日，权重也越大。这样不仅可以使得因子值更加离散，也可以突出排名靠前交易日的行业动量效应，增强因子的效果。基于此，我们构建了行业联合动量因子 ICM（Industry-Co-Momentum）。

从行业联合动量因子 ICM 因子的构成可以看出，ICM 因子完全由行业收益构成，其中并不包含任何个股收益部分，个股收益仅用于第一步确定日期。经过检验我们也发现该因子（个股收益最高 5 日的行业收益加权求和）与个股收益最高5日的股票累计收益相关性较低，仅为-0.03。说明相较个股趋势，行业趋势可作为一个独立的维度来衡量个股趋势能否延续。 除了股票价格维度，成交量也能够提供个股趋势的有效的信息。在个股大涨时，倘若伴随着成交量的有效放大，出现量价齐升，可能是一个积极的信号，表明有机构投资者对该股票进行了关注并开始建仓。例如2019 年宁德时代在上涨前，几乎每一次的单日大涨都伴随着成交量的明显放大。我们能否同时考虑个股的涨跌幅和成交量来进行排序，以更好地区分出量价齐升时的行业动量效应。

个股行业共振效应的另一面

前文我们发现如果按照个股涨跌幅对过去 20 日进行拆分，涨跌幅最大5日的行业收益具有较强的动量效应，基于此我们构建了行业联合动量因子。在个股涨跌幅最小的 15 日，行业收益具有微弱的反转效应，这部分信息能否也有效利用？

基于以上的分析我们也构建了行业联合反转因子 ICR（Industry-Co-Reverse）。该因子与行业联合动量因子的方向相反，主要利用了个股涨跌幅最小的前15日行业反转效应。

联合动量效应的拓展

不同级别的联合驱动力

前文中我们主要以一级行业指数构建行业联合动量因子，对未来股票收益有较好的预测能力。下面我们进一步探究除了中信一级行业，其他级别的行业、板块是否也具有联合驱动的动量效应，什么样级别的联合动量对股价的驱动作用更强？我们可以试想以下两种场景，一种场景是：市场情绪较为平淡，且缺乏明显的主线，资金在不同的热点中较为分散，上涨的股票也分散在不同的细分行业中，此时，资金难以形成强大的合力，对股价后续的推动力较弱；另一种场景是：市场的资金集中在某个行业或板块，形成明显的主线行情，这种情况下，资金更易形成强大的推动力，股价后续的动力更加充足。这两种情景中不同的因素是：资金驱动力的大小和集中度。理论上来说，资金驱动力越集中在某个主线上，越容易形成“赚钱效应”，吸引后续资金持续进入，股价上涨的驱动力越强。而倘若资金分散在若干个小的细分行业上，则往往难以形成持久的趋势。

为了检验这个猜想，下面我们使用更加细分的二级行业、三级行业指数构建不同级别的联合动量因子。先按照前文中同样的方法使用中信二级行业指数和中信三级行业指数收益构建二级行业和三级行业联合动量复合因子。

更广泛的驱动力：市场联合动量

除了行业和板块的驱动力，市场环境也至关重要。在牛市行情中，市场整体趋势向上，投资者情绪高涨、流动性充足，能够支撑个股的股价上涨。相比之下，在熊市期间，市场整体趋势向下，投资者情绪低落，流动性不足，个股会呈现普跌态势，即使有短期上涨的势头，后续也没有坚实的支撑，逆势上涨的难度远大于顺势而为。 券商行业就是典型的和市场情绪高度相关的板块，以券商中的龙头券商中信证券为例，2020 年 6 月 30 日-7 月 2 日中信证券开始大幅上涨，此时市场情绪高涨，中证全指同期也出现了大幅上涨，二者趋势共振，之后券商行情也延续了一定时间。而 2023 年 5 月 4 日-5 月 8 日中信证券同样出现了较大的涨幅，从个股走势来看，与 2020 年的走势相近。但此时市场整体较弱，同期中证全指仅上涨0.46%，而中信证券在快速上涨后最终回落，背后的驱动力太弱，难以形成有效的上涨趋势。

总结

股价背后的驱动力既与个股本身有关，也与其所处行业、板块的催化以及整个市场环境有关。在构建价量因子时，以往的研究主要注重挖掘个股本身的趋势和形态，缺乏对个股背后行业、板块以及市场趋势的关注。在个股表现强势时，倘若个股自身的“小势”能够与其背后行业板块的“大势”共同作用，则后续可能会有更强的支撑，而脱离行业独自上涨的股票则在后续面临较大阻力。基于此，我们发现个股在每月最大收益日当天的行业指数涨跌幅是一个有效的正向选股因子，个股大涨当天倘若行业涨幅也较大，则后续的有显著的超额收益。此外，我们对按月对月中每个交易日都进行检验，发现每月个股涨跌幅最大的5日对应的行业涨跌幅均存在一定动量效应，即个股大涨的几日，如果有强势的行业作为支撑，与行业形成共振上涨，未来的预期收益更高。此外，个股涨跌幅最小的 15 日对应的行业涨跌幅也存在一定的反转效应。

我们将个股每月涨跌幅最大的 5 日行业收益进行加权融合，构建了动量效应更强的行业联合动量因子，用以识别顺势而涨、能够与行业形成共振的股票。该因子的 RankIC 为 5.59%，年化 ICIR 为 3.85，具有较好的选股效果。倘若同时考虑成交量，使用个股放量大涨的前 5 日构建量价齐升行业联合动量因子，则该因子的 RankIC 进一步提升为 5.90%，年化 ICIR 为 3.90。此外，我们也构建了量价齐跌行业联合反转因子，RankIC 均值为-5.93%，年化ICIR 达到-3.55。二者等权合成后得到的行业联合动量复合因子RankIC均值为6.02%，年化 ICIR 达到 3.86。多头月度超额收益为0.66%，空头月度超额收益为-1.15%，呈现出更加稳定的动量效应，具有较强的预测能力。

该因子与其他常见换手率、波动率、反转等价量因子的相关性较低，剥离掉其他常见的量价因子后仍然有较多的增量信息，且在不同指数成分股内均呈现出较为稳健的选股效果。在中证 1000、国证 2000 成分股内的RankIC 均值分别为5.44%和 6.34%。 除了行业和板块的驱动力，市场环境也至关重要。在牛市行情中，市场整体趋势向上，投资者情绪高涨、流动性充足，能够支撑个股的股价上涨。相比之下，在熊市期间，市场整体趋势向下，个股会呈现普跌态势，即使有短期上涨的势头，后续也没有坚实的支撑，逆势上涨的难度远大于顺势而为。我们参考行业联合动量的方法，将中信一级行业指数替换为中证全指，并对中证全指的涨跌幅进行加权求和，构建了市场联合动量复合因子，以衡量股票是否与市场发生共振大涨。该因子的 RankIC 均值为 6.40%，年化ICIR为4.00，多头月度超额收益为 0.53%，空头月度超额收益为-1.22%。同样具有较好的选股效果。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）