加权盈利频率因子定义与构建 [page::3][page::4][page::5]

• 因子基于投资者关注股票正收益的频率及阈值过滤，定义为过去回望期中超额收益大于某阈值的加权天数比例。

- 采用指数衰减权重对时间敏感性进行调整，近期收益判断权重更大。

• 推荐参数为阈值2%，回望期40天，避免因子值过于稀疏。

因子有效性实证检验 [page::6][page::7][page::8]

| 组合 | 年化收益率(原始因子) | 年化收益率(行业中性) | 多空组合年化收益率 | 胜率(行业中性) |
|-------|---------------------|---------------------|---------------------|----------------|
| 组1 | 13.10% | 16.61% | | 57.23% |
| 组10 | -10.75% | -10.44% | 22.21% | 66.67% |
| 多空组合 | | | 27.29% | 72.96% |

• 多空组合净值平稳增长，行业中性化因子表现更优。

- 多头组合优于沪深300和万得全A指数，年化相对超额收益分别达8.22%、11.97%。

信息系数与相关性分析 [page::8][page::9][page::10][page::11]

• 因子IC均值分别为-0.0993（原始因子）和-0.096（行业中性化），IC胜率均超75%，显示预测能力强且稳定。

- 加权盈利频率因子和巴拉五因子存在较低相关性，且单因子及多因子回归中系数在99%置信水平显著，说明因子能够提供额外信息。

敏感性分析 [page::12][page::13]

• 随阈值增大，因子IC负相关性加强，但阈值过大导致因子值为0股票过多，最佳阈值约为2%。

- 回望期增大，因子效应减弱，说明短期收益频率更具有预测力。

• 用沪深300替代全A指数测算，因子效能依然显著。

指数成分股及组合表现 [page::14][page::16]

• 行业中性化因子在沪深300与中证1000成分股中均有效，尤其在中证1000表现优异。

- 多头组合相较相关市场指数实现明显超额收益，展现良好选股潜力。

西南证券研究报告《计数启发法与加权盈利频率》详尽分析报告

---

1. 元数据与概览

• 报告标题： 计数启发法与加权盈利频率

- 作者/发布机构： 西南证券研究发展中心

• 发布日期： 时间不详，报告数据截至2023年初

- 研究主题： 本报告聚焦于A股市场，基于投资者行为心理，构建“加权盈利频率”选股因子，研究其在选股中的有效性及指导意义。

• 核心论点：

报告认为投资者易采用简单的计数启发法（即关注股票收益的正负次数，而非收益大小），尤其关注收益超越某一阈值的情况。基于该心理现象，构造“加权盈利频率”因子，即对过去一段时间内股票日超额收益率超过某阈值的天数加权求和。事实检验显示该因子与股票后续收益负相关，因子表现稳健且能提供市场中未被充分定价的新信息。

• 主要结论与指标表现：

- 多空组合年化收益率分别高达22.21%（原始因子）和27.29%（行业中性化后因子），胜率分别为66.67%和72.96%。
- 多头组合年化收益率分别为13.1%和16.61%，相对万得全A指数超额收益分别为8.22%和11.97%。
- 信息系数（IC）均显著且负相关，显示因子预测下期收益能力强且稳定。
- 通过Fama-Macbeth多因子回归，扣除传统10因子及累计收益影响后，因子仍显著，表明其提供新的选股信息。
- 因子结果对参数敏感性低，适用不同阈值和不同市场指数。

---

2. 逐节深度解读

2.1 加权盈利频率因子构建与定义

• 投资心理基础： 报告基于投资者行为心理，尤其散户的“二元思维”，即将股票收益简化为正负两类，形成对收益频率的关注偏差，特别关注超额收益的天数和幅度是否大于特定阈值。

- 盈利频率定义公式：
$$ f{i,t}=\frac{\sum{j=1}^{M{i,t}} 1{r{i,j} > u}}{M{i,t}} $$
其中，$r{i,j}$为股票i某日超额收益，$u$为阈值，$M{i,t}$为回望期天数。统计过去$M{i,t}$天中，超额收益大于$u$的天数比例。

• 因子优化—加权盈利频率： 采用半衰期指数加权方法，使得越近期的超额收益出现天数权重越大，体现投资者对近期收益信息的关注更高：

$$ f{i,t}^w = \frac{\sum{j=1}^{M{i,t}} wj 1{r{i,j} > u}}{M{i,t}} $$
$$ w_j = 0.5^{\frac{t-j}{\lambda}} $$ 其中，$\lambda$取为窗口期的一半（$T/2$）。

• 数据描述与阈值选择：

- 实际阈值先选取2%，因为太大阈值（如3%）会使因子值为0的股票过多，降低区分度。
- 回望期默认取40天，20天回望期同样存在因子值0股票数过多的情况。

• 表1数据显示加权与不加权因子区别显著，因子值种类大大增加（3537 vs 22），增强判别力。

- 行业中性化处理： 为减少行业因素影响，对因子进行行业中性化处理，保留残差$\varepsilon$ 作为净因子值。

2.2 预期结论与因子假设

• 该因子值越大，意味着近阶段股票频繁出现日超额收益超过阈值的情况，股票价格受到较高关注，投机需求较大，预期收益较低（负向关系）。

- 因子值较小意味着股票被市场忽视，潜在回报较高。

• 因此预期加权盈利频率因子与后期收益负相关。

---

2.3 因子有效性检验

• 样本与数据处理：

- 样本区间2010年1月1日至2023年2月28日，覆盖全A股（剔除ST股和上市少于100天者）。
- 回望期40天，阈值2%。
- 换仓周期20天。

• 分组检验： 将股票按因子值分为10组，计算未来20个交易日平均收益。

- 结果表现（表2、表3）：
- 原始因子和行业中性化因子分组收益递减明显。因子越小组的未来收益越高，负相关关系显著。
- 行业中性化后因子优势更明显，年化收益27.29%，夏普比率1.78，最大回撤11.57%，胜率72.96%。
- 多空组合收益明显，原始因子22.21%，行业中性化27.29%。

• 净值图（图4-图6）支持： 净值呈稳步单调爬升趋势，行业中性化后因子净值表现优于原始因子。

- 多头组合相对市场表现（图7）： 多头组合显著跑赢沪深300和万得全A指数。

• 信息系数（IC）分析（表4，图8）：

- IC均值显著为负：原始因子-0.0993，行业中性化-0.0960。
- IC胜率高达75%-81%，说明因子预测收益稳定，且长期负相关。

• 回归分析（单因子与多因子）：

- 加权盈利频率因子与巴拉CNE5中10因子及过去40天累计收益因子相关系数均较低，说明包含信息独立。
- 单因子回归系数负且显著。
- 多因子Fama-Macbeth回归中，控制所有高级因子后，因子依旧保持高度显著，稳健提供新的收益解释信息。

---

2.4 敏感性分析

• 阈值敏感性（表8，图9）：

阈值从0到4%变化，IC均值绝对值随阈值升高而提升，但阈值过大因子值为0的样本多，影响结果可靠性。2%阈值平衡了信息量与区分度，是合理选择。

• 回望期敏感性（表9，图10）： 短期回望期如20天效果最佳IC绝对值最大，回望期越长IC绝对值递减，说明因子聚焦近期收益信息，短期效应更明显。

- 市场指数敏感性（表10，图11）：
替换超额收益基准市场指数为沪深300，IC均值减小但仍显著（-0.0889），依旧保持良好预测力，显示因子稳健性。

---

2.5 分组内股票及实证表现

• 股票数量（图12）：

2010年每组约150只股票，到2023年提升至约450只，覆盖面扩大。

• 实证案例对比（表11）：

以2023年1月4日分组，因子排名最低组（因子值最小的20只股票）下期20日平均收益7.02%；最高组（因子值最大20只）平均收益-4.66%。体现因子良好选股能力。

---

2.6 指数成份股测试

• 沪深300和中证1000（表12，图13-16）：

- 因子在中证1000成份股IC均值更高（-0.1013），表现优于沪深300成份股（-0.0399）。
- 中证1000多头组合与指数相较稳定上涨，2015年至今年化超额收益16.64%。
- 沪深300中因子同样有效但表现稍逊。
- 净值图显示分组和多头组合均表现良好，确认因子对不同市场细分均适用并有效。

---

2.7 总结与展望

• 文章基于投资者行为与投资心理学理论，提出了关注股票“计数启发法”的加权盈利频率因子，实际投资中该因子有效预测后续收益。

- 通过丰富的实证检验，因子表现稳定，且能够提供传统量化因子无法解释的新信息。

• 因子对阈值、窗口期及市场指数较不敏感，适用性广。

- 中证1000成份股表现尤为突出，具备实际应用潜力。

• 风险提示明确因系基于历史数据，未来表现受市场环境影响可能变化。

---

3. 图表深度解读

图 1 & 图 2：不同阈值下“非零”因子值股票占比趋势

• 图1（40日回望）与图2（20日回望）均显示阈值越小，因子值非零股票占比越高。

- 3%阈值导致较多股票因子为零（最高时达35%），限制区分能力。

• 由此确定阈值约2%适合区分大部分股票，且因子值零的股票比例低。

- 这对应文本中“阈值过大因子为0过多，影响分组”的论点支持。[page::4][page::3]

图 3：半衰期指数权重

• 显示权重从最新交易日开始递减，约40天窗口内权重从100%下降至25%左右，证明近期数据赋予更大权重。

- 体现投资者近期关注度更高，因子设计合理反映心理。图中效果确保短期信息更受重视。[page::5]

表1：加权与不加权因子值统计

• 加权后因子值种类显著增多（3537 vs 22），每个因子值对应股票数量平均1.23只，不加权时平均205.73只。

- 增加信息量和细粒度刻画，增强分辨力。

• 这个统计说明加权盈频因子更具判别力，支持后续实证结论的理论基础。[page::5]

表2 & 表3：分组检验结果（原始与行业中性化）

• 两表展示因子分组收益率呈单调递减，最低组未来回报最高。

- 行业中性化因子表现更佳，年化夏普比率提升，最大回撤明显降低。

• 证明行业中性化降低行业偏差，增强因子预测效果。

- 多空组合t值显著，结果具有统计显著性。[page::6]

图4 ~ 图7：因子净值与多头组合净值

• 净值均呈现逐年稳健增长趋势。行业中性化净值明显优于原始因子，体现更强的市场适应性。

- 多头组合净值优于沪深300、万得全A等指数，表明因子能够实现超额收益。

• 净值波动与市场波动相似，合理反映市场风险。[page::7][page::8]

表4及图8：信息系数统计与变化

• IC均值稳定负相关且显著，ICIR体现较强稳定性（约-0.7至-0.9），胜率超过75%。

- 累计信息系数趋势平稳下行，因子长期表现稳定有效。

• 图形清晰支持因子预测力稳定的论断。[page::8][page::9]

表5：相关性矩阵

• 加权盈利频率与momentum、流动性、残差波动率相关尚可，但均低于0.5，信息重叠有限。

- 与beta、价值指标bp、成长等基本因子相关弱，突显独立性。

• 为多因子回归分析奠定基础。[page::10]

表6 & 表7：Fama-Macbeth回归分析

• 单因子回归：加权盈利频率系数显著负，表明因子与未来收益负相关。

- 多因子回归：加入所有控制因子后，因子系数依旧显著，T值稳定，说明因子贡献非其它因子所包含，提供选股新信息。

• 判定系数虽低（最大约11.7%），符合多因素模型特性，因子贡献有增值作用。[page::10][page::11]

表8 & 图9：阈值敏感性

• IC均值绝对值随着阈值增加缓慢升高，因子表现提升，但过大阈值导致样本稀释。

- 最优阈值围绕2%左右，取平衡点。

• 数量与质量平衡考虑合理。[page::12]

表9 & 图10：回望期敏感性

• 回望期越短因子IC均值绝对值越大（20天最好）。

- 显示因子更适合短期收益预测。较长回望期降低预测能力。

• 反映投资者行为聚焦近期信息。[page::13]

表10 & 图11：指数替换敏感性

• 用沪深300替代万得全A计算收益，因子IC仍然显著且较高，单调性未变。

- 展示因子对市场基准选择不敏感，具备良好适用性。[page::13][page::14]

图12 & 表11：多空组合股票数量和股票收益对比

• 随着时间，分组样本量增长，能够更全面覆盖市场。

- 2023年1月4日因子最低组股票平均20日后收益为7.02%，而最高组为-4.66%，强烈反映因子选股能力。[page::14][page::15]

表12 & 图13~16：沪深300和中证1000中的因子表现

• 因子在中证1000成分股中表现优异，IC均值达到-0.1013，且多头组合年化超额收益16.64%。

- 沪深300中表现相对较弱，IC为-0.0399。

• 净值曲线表明，中小盘股市场因子信息尤为丰富，具备良好投资应用价值。[page::16]

---

4. 估值分析

• 本报告未涉及传统意义上的公司估值分析，因子研究为量化选股工具开发，核心为统计有效性验证，无估值模型或目标价格。

- 有关收益预测基于因子构造和统计回测，依据为因子与未来收益负相关关系，投资者可根据因子值进行择时及选股操作。

---

5. 风险因素评估

• 历史表现不代表未来： 研究基于历史数据，市场环境变化可能导致因子表现失效。

- 市场行为变化风险： 投资者行为习惯及市场结构的调整可能改变因子信号的有效性。

• 分组股票数量波动： 阈值及回望期改变可能影响样本覆盖度，导致因子可用性波动。

- 策略实施难度： 高频换仓等可能增加交易成本，影响因子实际收益表现。

• 相关性重合风险： 虽多因子回归排除已知因子影响，但市场中隐含的非公开因子仍可能影响因子稳定性。

- 报告强调以上风险并未提供具体的缓解策略，提示投资者需要审慎使用。

---

6. 批判性视角与细微差别

• 因子构造虽然基于合理的行为金融理论，但其负相关性存在悖论：频繁获利显著股票预期收益较低，需投资者结合实际交易成本和风险偏好。

- 回归系数和IC绝对值虽显著，但数值不大，说明作为单独因子预测能力有限，建议结合其他因子使用。

• 该因子重视近期收益频率，可能对市场剧烈波动敏感，暂未见特殊说明异常市场下的表现。

- 报告未深入分析因子超额收益的驱动机制，未有交易成本和流动性约束模型。

• 行业中性化显著提升效果，说明行业因素对该因子有重要影响，因子实施需谨慎行业暴露风险。

- 报告隐含着投资者行为模式假设的前提，较为理论化，实际投资中投资者对信息关注的心理复杂，存在其他行为偏误未体现。

• 研究主要面向中国A股，海外市场适用性未验证。

---

7. 结论性综合

本报告基于投资者行为金融学，提出加权盈利频率因子，反映市场参与者对超阈值正收益事件的记忆和关注。通过加权方式强化近期表现，构造更细粒度因子。实证结果显示，该因子从2010年至2023年在A股市场表现出稳定的负向收益关联，能有效反映未来收益走势。

• 多空组合和多头组合均表现出显著正超额收益，行业中性化处理后效果更佳。

- 信息系数分析确认因子信息含量和稳定性优异，且与传统量化因子相关性较低，多个多因子回归检验支持其独立解释力。

• 因子对回望期、阈值及基准指数等参数较不敏感，实用性强。

- 因子在中证1000成份股中效果突出，未来可针对中小盘股制定相应策略。

• 风险提示提醒因子表现受市场变化影响，投资者需警惕历史数据局限性。

综上，加权盈利频率因子作为从计数启发法出发的创新行为金融因子，具备一定的实际应用潜力，适合结合现有多因子模型进行选股和资产配置优化。

---

关键图表示例

• 图1：回望期40天时，不同阈值因子非零股票占比趋势

• 表3：行业中性化后因子分组检验风险收益指标

- 图7：多头组合与市场指数净值变化

• 表4：因子信息系数分析

- 图9：不同阈值下因子IC均值

• 表7：多因子Fama-Macbeth回归结果

- 图13与图14：沪深300和中证1000成分股分组净值图



---

本分析严谨解读了报告全貌及关键图表，全面覆盖了因子设计、实证检验、参数敏感性及局限风险，助力深入理解加权盈利频率因子的投资价值与场景适用性。[page::0,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17]

报告