加权盈利频率因子定义及构建方法 [page::3]

• 因子基于计数启发法，将过去40个交易日内股票日超额收益大于2%的天数加权求和。

- 加权采用半衰期指数权重，半衰期取回望期一半，权重向近期数据倾斜。

• 行业中性化处理因子值，剔除行业影响，保留个股特征。

因子2023年表现及信息系数分析 [page::4]

| 因子市场 | IC均值 | IC标准差 | t统计量 | IC胜率 | IR比率 |
|---------|----------|----------|----------|---------|---------|
| 沪深A股 | -0.11* | 0.12 | -13.79 | 80.60% | -0.97 |

• 今年（1-11月）因子整体IC均值为-0.11，IC胜率80.6%，但IC呈负值，表明因子与未来收益负相关。

- 11月份因子IC由负转正，IC均值为0.03。

• 因子信息比率(IR)为-0.97，表现较弱。

行业层面因子表现分析 [page::5]

• 31个申万一级行业中，11月时9行业因子IC均值为负，包括电力设备、交通运输、通信、非银金融、传媒、有色金属、计算机、电子、银行。

- 2023年来所有行业IC均值均为负，传媒、电力设备、计算机、环保行业绝对值最大，均约-0.18。

多头组合收益表现 [page::6]

• 11月份，多头组合组1收益率为3.74%，相对wind全A指数超额收益3.39%。

- 今年以来（月度），除4月外，多头组合均获得正的超额收益，累计超额收益达20.11%。

• 多空组合收益率较低(0.46%)，未见显著单调趋势。

多头组合股票示例及行业分布 [page::7]

| 行业 | 股票代码 | 股票简称 | 因子值 |
|------|-------------|------------|-------|
| 汽车 | 000581.SZ | 威孚高科 | -3.91 |
| 汽车 | 002594.SZ | 比亚迪 | -3.58 |
| 传媒 | 600037.SH | 歌华有线 | -3.53 |
| 传媒 | 600637.SH | 东方明珠 | -3.53 |
| 通信 | 002396.SZ | 星网锐捷 | -3.28 |
| 计算机 | 002153.SZ | 石基信息 | -2.97 |
| 医药生物 | 000538.SZ | 云南白药 | -2.59 |
| 煤炭 | 000723.SZ | 美锦能源 | -2.44 |
| 房地产 | 600606.SH | 绿地控股 | -2.34 |

• 组合涵盖汽车、传媒、通信、计算机、医药生物等多个行业。

- 个股因子值多偏负，因子整体表现与收益呈现逆相关趋势。

加权盈利频率因子研究报告全面深度分析

---

1. 元数据与概览

报告标题：加权盈利频率因子：11 月份多头组合超额收益 3.39% — 加权盈利频率因子 11 月跟踪
作者与机构：西南证券研究发展中心，分析师郑琳（执业证号：S1250522110001）
发布日期：2023年11月
报告主题：以“加权盈利频率”因子为核心，研究该因子在沪深A股市场的表现及其多头组合的超额收益表现，探讨行业差异及风险提示。总结2023年因子表现，尤其是2023年11月的收益情况。
核心论点：

• “加权盈利频率”因子基于股票历史中超越特定收益阈值天数的加权和，体现投资者二元收益认知在市场中的反映。

- 该因子今年（2023年）在沪深A股市场的整体IC均值为负（-0.11），但多头组合整体体现为正的超额收益，尤其11月多头组合组1实现3.74%收益，超额收益率3.39%。

• 11月因子IC值有回升迹象，行业表现呈现分化。

- 报告严正提示因子表现依赖历史数据，存在市场环境变化、数据风险等。

总体传递信息为：尽管“加权盈利频率”因子IC整体偏负，但实际构建的多头组合能够实现持续超额收益，尤其11月表现亮眼，提示该因子在策略中具备一定应用价值且存在行业差异性，需关注风险。[page::0,3,4]

---

2. 逐节深度解读

2.1 因子简介

该部分详细介绍了“加权盈利频率”因子的构建逻辑与数学定义：

• 投资心理基础：投资者存在“二元思维”偏差，即习惯将收益划分为正收益和负收益两种结果，从而影响对未来收益预期的认知。

- 因子构建：统计回望期（40天）内每日超额收益超过阈值（2%）的天数比，计算盈利频率$f{i,t}$。

• 加权优化：采用半衰期指数权重（半衰期取窗口期的一半，即20天），赋予近期收益更高权重，构造加权盈利频率因子$f{i,t}^w$。

- 行业中性处理：利用申万一级行业分类，通过线性回归模型去除行业效应，取残差作为因子真实值，提升因子对个股特征的解释能力。

公式细节体现了因子对短期收益创新的敏感度和对行业调整的合理性，展示了因子设计的理论基础和实用性。[page::3]

---

2.2 因子今年以来表现

本节分三部分展示因子统计表现、行业分布差异以及组合收益概览：

2.2.1 沪深A股信息系数（IC）分析

• 2023年1月至11月，因子IC均值为-0.11，IC标准差0.12，t统计高达-13.79，显示统计显著的负相关关系。

- IC与均值同向的比例为80.60%，说明大多数时间IC朝负方向一致。ICIR（信息比率）为-0.97，表明因子表现稳定但方向负向。

• 11月因子IC出现正转（均值0.03），IC值有所回升，显示短期内因子效果有所改善。

- 多头组合组1本月收益率3.74%，相对市场（wind全A）超额收益达3.39%，多头策略显著跑赢大盘。

图1清晰展示了因子与未来20个交易日收益率的IC走势，红色条形代表日IC值，黄线为累计IC。图中可见2023年大部分时间内因子为负IC，11月出现零轴上方的正值，验证文本结论。[page::4]

2.2.2 行业成分股信息系数分析

• 9月以来，因子的绝对IC值减小，11月IC由负转正。31个申万一级行业中9个行业的IC均值为负。

- 电力设备、交通运输、通信、非银金融、传媒、有色金属、计算机、电子及银行等行业IC均值为负。

• 2023年以来所有行业IC均值依旧为负，传媒、电力设备、计算机、环保行业IC绝对值较大，均约-0.18，且IC胜率较高（均在72%-84%区间）。

图2展示各行业今年以来及上月IC均值对比，红色为今年均值，黄色为上月均值，体现出部分行业11月IC有小幅回升迹象。
图3则显示各行业中IC小于0的占比，整体占比较高，反映该因子在大多数行业中信息预测能力偏负。[page::4,5]

2.2.3 多头组合月度收益率表现

• 按因子值将沪深A股平均分10组，多头组合第1组与wind全A指数对比表现超额显著。

- 2023年除4月外，其它月份多头组合均有正超额收益。4月出现回撤，超额收益为-1.53%。

• 11月份第1组收益率3.74%，超额收益3.39%，多空组合收益0.46%。不同分组间表现无明显单调关系。

- 图4呈现多头组合与多空组合月度收益率对比，红色为组1，黄色为超额收益，灰色为多空组合，反映多头策略总体优于大盘。

• 图5为更多分组月度收益率展示，虽然分组间无单向递增关系，但高分组表现优于低分组趋势明显。[page::4,6]

---

2.3 分行业多头组合

• 根据当期因子值大小，将沪深A股分10组，展示组1一些典型股票。

- 表2罗列了不同申万一级行业中组1的代表股票及其因子值，因子值均为负（如汽车行业比亚迪-3.58，传媒歌华有线-3.53，电子中芯集成-3.26等）。

• 行业覆盖广泛，显示因子选股存在行业分布，不局限于某个单一行业。

- 该列表有助理解因子在实际投资组合构成中的具体应用与成效。[page::7]

---

2.4 风险提示

• 报告明确指出结论基于公开历史数据，未来市场变化可能导致因子表现偏离历史。

- 数据准确性风险：第三方数据源可能存在不准确。

• 投资风险：ETF及基金产品受宏观环境、市场波动、风格转换等多因素影响，存在波动可能。投资者需匹配自身风险承受能力，谨慎投资。

- 避免将报告内容视作投资保证或具体建议，符合行业规范和合规要求。[page::0,7]

---

3. 图表深度解读

3.1 图1：因子值与未来20日收益的IC值（页4）

• 描述：红色柱状图显示因子每日IC值，黄色曲线展示IC的累积情况。

- 解读：整体IC值在2023年大多时间呈现负值（低于0），这意味着因子当期取值与未来股票收益间负相关较强。11月出现正值，IC缓慢回升，显示近期因子预测能力有所修复。

• 支持论点：图表佐证了文本中因子全年IC均为-0.11，11月则由负转正的结论。累计趋势显示因子效果整体偏弱，但短期有回暖迹象。

- 局限：图中IC值波动剧烈，提示该因子短期预测能力不稳定，需结合其他指标或调仓策略。

3.2 图2与图3：行业IC均值与负IC占比（页5）

• 图2描述：柱状图红色为2023年以来各行业IC均值，黄色为11月该行业IC均值。

- 图3描述：各行业股票中IC小于0的比例对比，红色为全年占比，黄色为11月占比。

• 关键数据解读：

- 多数行业IC均值维持负值，表明因子对应行业未来回报预测能力有限。
- 传媒、电力设备、计算机行业IC均值的绝对值最大（约-0.18），且负IC占比较高（约73%-85%），预测反向性最强。
- 11月部分行业IC均值略有提升，反映市场情绪变化或因子表现调整。

• 支撑文本观点：行业分析显示加权盈利频率因子不同板块表现差异显著，呈现行业轮动特征，也体现因子整体负相关的基调。

- 局限性：负IC占比较高可能限制因子的独立有效性，提示投资需辅助其他因子或风险控制。

3.3 图4与图5：多头和多空组合月度收益率（页6）

• 图4描述：展示2023年月度多头组1收益率（红色柱），组1超额收益（相对于wind全A，黄色柱）以及多空组合收益（灰色柱）

- 解读数据与趋势：
- 多头组1整体呈现超过市场的收益水平，累计表现强劲。
- 4月异常回撤证明因子策略非稳定盈利。
- 11月收益3.74%，超额超3.39%，表现亮眼。
- 多空组合表现较弱，显示因子在极端两端构建出的多空策略效果差异明显。

• 图5描述：10个分组月度收益率，颜色分别对应10组。

- 解读：
- 大组（1-3）整体收益均为正，小组（7-10）收益普遍为负或低。虽无绝对单调趋势，分组检验支持因子分层策略的有效性。

• 联系文本：图表支持对因子构建的多头组合超额收益结论，也体现多空组合结构复杂。

---

4. 估值分析

本报告侧重因子表现与策略绩效更新，不涉及具体公司或行业估值分析，未采用DCF、市盈率或可比公司分析等传统估值模型。核心关注点为因子统计特性与组合超额收益表现。

---

5. 风险因素评估

• 主要风险源自历史数据依赖，市场环境变化导致因子失效。

- 第三方数据准确性风险，影响因子计算及组合操作。

• 基金及ETF产品特有的宏观经济和市场波动风险。

- 报告中特别强调投资需谨慎，不能将因子历史表现等同未来收益保证，提示投资者量力而行。

• 该风险提示完整且合规，契合实际投资风险管理要求。[page::0,7]

---

6. 批判性视角与细微差别

• 虽然因子IC数值呈负，但多头组合依然展现超额收益，这可能意味着因子与实际收益的关系更复杂，因子本身可能捕捉到市场的某种反向或中长期特征，需进一步验证和解释。

- 报告未对组间因子值单调性强弱做深入解释，且11月多空组合收益不明显，表明因子在多空构建方面稳定性不足。

• 因子设计依赖超额日收益大于2%的阈值及40天窗口期，这些参数敏感度对因子表现的具体影响报告未展开分析，未来版本可增加敏感度测试。

- 图表呈现的IC波动剧烈，提示该因子短期预测稳定性不足，需结合其他因子体系降低风险。

• 报告专业规范，但整体现象复杂，提示投资者及策略构建者需综合考虑因子与市场其他变量的关联性。

- 报告缺少对因子未来改进方向或策略优化建议，这部分是潜在改进空间。

---

7. 结论性综合

本报告围绕“加权盈利频率”因子，对其2023年截至11月在沪深A股市场的表现进行了系统跟踪和剖析。该因子通过统计股票在过去40天中超额日收益超过2%的加权天数，结合半衰期权重，体现了投资者二元思维的投资心理效应。总体因子IC值为负，且在不同申万一级行业表现差异显著，传媒、电力设备和计算机等行业的负相关尤为显著。

尽管如此，基于该因子的多头选股组合表现出较为稳健的超额收益表现，2023年累计超额收益达20.11%，11月超额收益更达到3.39%。多头组合月度回报普遍优于基准，而多空组合表现则不稳定，提示该因子在建构多头策略时更具实际应用价值。

图表进一步强化了上述结论：IC值的波动及负值特征反映了因子预测的复杂性；行业IC分布揭示了行业轮动和因子适用性的空间；组合收益分布验证了因子构建的多头策略有效性。

风险评估部分严谨指出因子基于历史数据及公开渠道，存在市场环境变化和数据风险，投资者需谨慎判断风险偏好。报告没有直接给出具体投资建议，仅提供因子表现和策略跟踪，建议对因子进行多因子结合和策略优化。

总的来说，“加权盈利频率”因子为量化投资提供了一个基于投资者行为心理的选股工具，虽然存在IC负值和行业异质性，但经过行业中性化及组合构建后，能够在市场中实现持续的多头超额收益，具备一定实用价值和研究拓展空间。[page::0-7]

---

参考文献及附录

详见原报告正文及相关图表，数据来源Wind，西南证券整理。

---

（全文结束）

报告