2024年金融工程深度报告：股票关联与溢出效应因子构建

一、行为金融学介绍

1.1、行为金融学引言

传统上，我们理解市场，是基于经济学中关于理性人的假设，将市场分为强有效市场、半强有效市场和弱 有效市场三种类型，然而有效市场理论并不能解释市场当中长期存在的异象；为了解释这些令人匪夷所思的不 理性现象，上世纪 70 年代，行为金融学派诞生了，行为金融的观点认为人是非完全理性的，金融市场的非理性 行为在价格变动中扮演了极其重要的角色，而且非理性的行为会重复地出现，人的种种难以解释的非理性行为， 导致了繁荣和萧条交替，这使得资产价格总是超过其价值的附近区间。从金融市场的实际情况来看，确实有很 多投资者在市场中长期跑赢了市场。 行为金融学的基础是人们的心理和行为偏差，这些偏差可能导致非理性的决策。心理因素对人们投资行为 的影响主要体现在两个方面，一方面是认知错误（cognitive error），另一方面是情感偏差（emotional bias）。

认知错误由于投资者认知方面的局限所导致的，认知错误分为固执己见偏差和信息处理偏差两类。固执己 见偏差会使投资者强化自己的观点，导致决策时过于片面，常见的固执己见偏差有：代表性偏误、乐观等。信 息处理偏差出现在投资者处理信息时，这些偏差在投资者获取新的有效信息后容易被纠正，常见的信息处理偏 差有：易得性偏差、锚定效应、框架效应、心理账户、赌徒谬误、羊群效应等。 情感偏差源于冲动或直觉，尤其是个人的非理性判断，主要与投资者的情感感受有关。情绪是一种自发的 精神状态，在投资者群体中，情感偏差或多或少普遍存在，同时这些情感偏差会影响投资者做出次优的投资决 策。常见的情感偏差有：损失厌恶、处置效应、过度自信和维持现状。

关联股票间的收益往往存在很强的相关性。这种跨股票间的收益相关性广泛存在于多种类别的股票中。对 于股票关联的话题学界早有研究，1999 年同一行业间股票动量的关联便被提出；随后供应链上相互关联的公司 与同一地理位置的公司也被发现在收益存在相似性；此外，学者们在使用类似技术、共同分析师覆盖以及基金 共同持仓的股票间均发现了某种关联性。 关联股票间的收益也存在溢出效应。由于市场信息传导存在滞后性，以及投资者有限的注意力，公司的股 价可能会对关联公司的情况反映迟钝，表现为本月领涨的公司带动关联公司的股价上涨的收益溢出现象。

1.2、股票关联与溢出效应因子分类

本文从行业与市值相近的股票出发，进一步探索分析师、公募基金持仓、共同资金流、收益相关性、基本 面等角度的相关性，构建股票关联关系。

二、溢出效应因子

溢出效应因子定义与绩效表现

行业市值关联溢出因子

Moskowitz 和 Grinblatt 于 1999 年提出行业动量的效应，认为同一行业的股票之间存在联系。同行业公司 业务相近，且受相同的经济、政策等因素的影响，自然关联性更高。此外，市值也是股票划分的常见标准。 我们将行业与市值两标准结合，取同行业股票，并在截面上按 3：4：3 的方式将股票分为大、中、小市值， 计算该关联下的动量/情绪溢出指标。

INDUS_CAP_SPILLRET 因子：行业市值关联溢出动量因子

INDUS_CAP_SPILLRET（行业市值关联溢出动量）因子表现出较强的选股能力。因子年化多空收益 16.56%， 夏普比率 1.70，IC 均值 4.85%，年化 IC_IR 达到 2.20。INDUS_CAP_SPILLRET 因子的分层效果区分度不显著。因子 值靠前的组超额收益单调性不明显（相对中证全指），但空头组有明显的负收益，并且，Q1 组相对 Q10 组具有 将近 16.56%的超额收益（其中 Q1 达 10.55%的多头超额收益， Q10 为-5.78% ）。

INDUS_CAP_SPILLTURN 因子：行业市值关联溢出情绪因子

INDUS_CAP_SPILLTURN（行业市值关联溢出情绪）因子表现出优异的选股能力。因子年化多空收益 24.67%， 夏普比率 2.47，IC 均值 6.64%，年化 IC_IR 达到 3.12。INDUS_CAP_SPILLTURN 因子的分层效果区分度非常高。不 同分组间具有单调的年化超额收益（相对中证全指）并且，Q1 组相对 Q10 组具有将近 24.67%的超额收益（其 中 Q1 达 16.81%的多头超额收益， Q10 为-7.41% ）。

ANALYST_COVER_SPILLRET 因子：分析师共同覆盖关联溢出动量因子

ANALYST_COVER_SPILLRET（分析师共同覆盖关联溢出动量）因子表现出优异的选股能力。因子年化多空收益 19.33%，夏普比率 2.26，IC 均值 5.19%，年化 IC_IR 达到 2.82。ANALYST_COVER_SPILLRET 因子的分层效果区分度 非常高。不同分组间具有单调的年化超额收益（相对中证全指）并且，Q1 组相对 Q10 组具有将近 19.33%的超 额收益（其中 Q1 达 12.77%的多头超额收益， Q10 为-5.90%）。

ANALYST_COVER_SPILLTURN 因子：分析师共同覆盖关联溢出情绪因子

ANALYST_COVER_SPILLTURN（分析师共同覆盖关联溢出情绪）因子表现出优异的选股能力。因子年化多空收 益 16.84%，夏普比率 2.26，IC 均值 5.17%，年化 IC_IR 达到 3.21。ANALYST_COVER_SPILLTURN 因子的分层效果区 分度非常高。不同分组间具有单调的年化超额收益（相对中证全指）并且，Q1 组相对 Q10 组具有将近 16.84% 的超额收益（其中 Q1 达 13.29%的多头超额收益， Q10 为-3.53%）。

FUND_HOLD_SPILLRET：基金共同持仓关联溢出动量因子

FUND_HOLD_SPILLRET（基金共同持仓关联溢出动量）因子表现出优异的选股能力。因子年化多空收益 16.13%， 夏普比率 2.29，IC 均值 4.34%，年化 IC_IR 达到 2.83。FUND_HOLD_SPILLRET 因子的分层效果区分度非常高。不 同分组间具有单调的年化超额收益（相对中证全指）并且，Q1 组相对 Q10 组具有将近 16.13%的超额收益（其 中 Q1 达 11.21%的多头超额收益， Q10 为-4.64%）。

FUND_HOLD_SPILLTURN：基金共同持仓关联溢出情绪因子

FUND_HOLD_SPILLTURN（基金共同持仓关联溢出情绪）因子表现出较为优秀的选股能力。因子年化多空收 益 12.56%，夏普比率 1.64，IC 均值 3.27%，年化 IC_IR 达到 2.24。FUND_HOLD_SPILLTURN 因子的分层效果区分 度非常高。不同分组间具有单调的年化超额收益（相对中证全指）并且，Q1 组相对 Q10 组具有将近 12.56%的 超额收益（其中 Q1 达 8.76%的多头超额收益， Q10 为-3.79%）。

资金共同流向关联溢出因子

资金流向从资金面的角度反映了投资者的交易行为，同频流入流出的股票往往背后是同一交易逻辑，因此 相似性更高。计算公式如下： 取两只股票过去 20 个交易日共同流进流出的天数占比，作为两只股票资金流向关联的强弱，取该比值高于 50%的股票作为关联股票，计算其 1 个月动量/月均换手的均值作为关联指标，再与个股自身的指标相减计算关 联溢出。

MONEY_FLOW_SPILLRET：资金共同流向关联溢出动量因子

MONEY_FLOW_SPILLRET（资金共同流向关联溢出动量）因子表现出优异的选股能力。因子年化多空收益 20.36%，夏普比率 2.20，IC 均值 5.86%，年化 IC_IR 达到 3.20。MONEY_FLOW_SPILLRET 因子的分层效果区分度较 高。不同分组间具有单调的年化超额收益（相对中证全指），但前 3 组单调性不显著，Q1 组相对 Q10 组具有将 近 20.36%的超额收益（其中 Q1 达 11.88%的多头超额收益， Q10 为-7.86%）。

MONEY_FLOW_SPILLTURN：资金共同流向关联溢出情绪因子

MONEY_FLOW_SPILLTURN（资金共同流向关联溢出情绪）因子表现出优异的选股能力。因子年化多空收益 18.18%，夏普比率 2.09，IC 均值 5.99%，年化 IC_IR 达到 3.16。MONEY_FLOW_SPILLTURN 因子的分层效果区分度 较高。不同分组间具有单调的年化超额收益（相对中证全指），Q1 组相对 Q10 组具有将近 18.18%的超额收益（其 中 Q1 达 11.97%的多头超额收益， Q10 为-6.22%）。

价格关联溢出因子

股票收益是市场观点的直接体现，蕴含了基本面、技术面以及另类数据等多维度信息。Yao 和 Wei（2017） 认为相似的价格走势背后是相近的背景环境，他们通过相似形态的股票预测未来收益。计算公式如下： 我们考虑股票涨跌的关联性而非具体的涨幅，取两只股票过去 20 个交易日共同涨跌的天数占比，取该比值 高于 50%的股票作为关联股票，计算其 1 个月动量/月均换手的均值作为关联指标，再与个股自身的指标相减计 算关联溢出。

PRICE_CORR_SPILLRET：每月日度换手均值

PRICE_CORR_SPILLRET（价格关联溢出动量）因子表现出优异的选股能力。因子年化多空收益 16.43%，夏普 比率 1.77，IC 均值 4.93%，年化 IC_IR 达到 2.29。PRICE_CORR_SPILLRET 因子的分层效果有一定的区分度。不同 分组间具有单调的年化超额收益（相对中证全指），但第一组的收益并非最优，Q1 组相对 Q10 组具有将近 16.43% 的超额收益（其中 Q1 达 9.47%的多头超额收益， Q10 为-6.54%）。

PRICE_CORR_SPILLTURN：价格关联溢出情绪因子

PRICE_CORR_SPILLTURN（价格关联溢出动量）因子表现出优异的选股能力。因子年化多空收益 18.55%，夏 普比率 1.99，IC 均值 6.14%，年化 IC_IR 达到 2.95。PRICE_CORR_SPILLTURN 因子的分层效果有一定的区分度。不 同分组间具有单调的年化超额收益（相对中证全指），但第一组的收益并非最优，Q1 组相对 Q10 组具有将近 18.55%的超额收益（其中 Q1 达 11.69%的多头超额收益， Q10 为-6.79%）。

FA_SPILLRET：基本面关联溢出动量因子

FA_SPILLRET（基本面关联溢出动量）因子表现出较强的选股能力。因子年化多空收益14.14%，夏普比率1.97， IC 均值 4.09%，年化 IC_IR 达到 2.32。FA_SPILLRET 因子的分层效果有一定的区分度。不同分组间具有单调的年化 超额收益（相对中证全指），但前面的组单调性不显著，Q1 组相对 Q10 组具有将近 14.14%的超额收益（其中 Q1 达 9.54%的多头超额收益， Q10 为-4.28%）。

FA_SPILLTURN：基本面关联溢出情绪因子

FA_SPILLTURN（基本面关联溢出情绪）因子表现出较强的选股能力。因子年化多空收益 13.87%，夏普比率 1.67，IC 均值 3.83%，年化 IC_IR 达到 2.06。FA_SPILLTURN 因子的分层效果有一定的区分度。不同分组间具有单 调的年化超额收益（相对中证全指），但前面的组单调性不显著，Q1 组相对 Q10 组具有将近 13.87%的超额收益 （其中 Q1 达 9.90%的多头超额收益， Q10 为-4.07%）。

溢出效应因子合成

合成思路 1：动量溢出因子等权合成

动量溢出合成因子表现高于所有动量类溢出单因子。因子年化多空收益 23.06%，夏普比率 2.32，I C 均值 6.29%，年化 IC_IR 达到 3.19。动量溢出合成因子的分层效果区分度很高。不同分组间具有单调的年化超额收益 （相对中证全指），Q1 组相对 Q10 组具有将近 23.06%的超额收益（其中 Q1 达 11.90%的多头超额收益， Q10 为 -9.80%）。

合成思路 2：情绪溢出因子等权合成

情绪溢出合成因子表现高于所有情绪类溢出单因子。因子年化多空收益 27.16%，夏普比率 2.86，I C 均值 7.23%，年化 IC_IR 达到 3.83。情绪溢出合成因子的分层效果区分度非常高。不同分组间具有单调的年化超额收 益（相对中证全指），Q1 组相对 Q10 组具有将近 27.16%的超额收益（其中 Q1 达 15.60%的多头超额收益， Q10 为-10.20%）。

三、溢出效应因子与其他大类因子相关性

从相关性角度来看，同一类别的因子存在较强的相关性。溢出动量类因子与 Momentum_1m 因子的相关性 较强，溢出情绪类因子与 TurnoverAvg1M、TurnoverAvg3M 和 TurnoverAvg6M 的相关性较强。

编辑：火腿肠