因子定义与构造方法 [page::3]

• 因子基于投资者对股票正收益天数的计数启发式，加权近期日超额收益率高于2%的天数。

- 采用半衰期指数权重（半衰期取窗口期一半）给予近期数据更大影响力。

• 业绩数据经过申万行业中性化处理，残差作为最终因子值。

因子2023年以来整体表现 [page::4]

| 时间范围 | IC均值 | IC标准差 | t统计量 | IC胜率 | IR比率 |
|----------|---------|----------|---------|----------|--------|
| 2023年至今 | -0.10 | 0.11 | -18.67 | 82.63% | -0.93 |
| 2024年至今 | -0.08 | 0.11 | -9.48 | 81.37% | -0.75 |

• 2024年起该因子IC仍为负，且具有较高的IC胜率，显示出显著的负相关性。

行业表现差异明显 [page::5]

• 2024年9月，31个申万一级行业中仅13个行业表现出正IC，主要为钢铁、家用电器、石油石化、纺织服饰等。

- 其他18个行业IC均为负，国防军工、社会服务和食品饮料行业负相关度最高，且胜率均超过68%。

多头组合月度收益率分析 [page::6]

• 多头组合组1在9月实现22.02%收益，超额收益表现略负（-0.19%）。

- 2024年1-9月多个时间点出现月度超额收益回撤，累计超额收益-10.36%，累计收益1.27%。

量化因子应用场景与风险提示 [page::0][page::7]

• 加权盈利频率因子捕捉投资者的计数启发心理，适用于基于收益分布的选股。

- 因子在当前市场负相关表现显著，但组合仍能在部分月份获得正收益，表明因子具有一定套利空间。

• 报告强调因子结果基于历史公开数据，市场环境变化或数据误差可能影响未来表现，策略组合不构成投资建议。

研究报告详尽分析解构—《加权盈利频率因子：9 月因子 IC 均值为-0.08——加权盈利频率因子 9 月跟踪》

---

一、元数据与报告概览

• 报告标题： 加权盈利频率因子：9 月因子 IC 均值为-0.08——加权盈利频率因子 9 月跟踪

- 出品机构： 西南证券研究发展中心

• 撰写分析师： 郑琳（执业证号：S1250522110001），盛宝丹（执业证号：S1250524070001）

- 报告发布日期： 2024年9月（结合内容及数据截止时间推断）

• 研究主题： 关注加权盈利频率因子的构建理念、特征及在中国沪深A股市场自2023年以来的表现跟踪，尤其重点跟踪2024年9月份的绩效数据。该因子设计基于投资者的行为金融学启发法，特别是计数启发法与二元思维的心理偏差。

核心论点与目标信息：

• 报告核心关注“加权盈利频率因子”，该因子度量股票最近一段时间内，收益率超过某阈值（2%）的加权天数比例。

- 2024年以来该因子在沪深A股体现出负的IC平均值（-0.08），表现出与未来20个交易日股票收益率负相关。

• 因子在大部分行业表现偏弱，尤其国防军工、社会服务及食品饮料行业负相关性较强。

- 多头组合虽在部分月份实现正收益，但累计表现较市场基准超额收益为负，显示该因子在当前市场条件下未能有效捕获收益。

• 研究提示投资者关注因子表现的历史依赖性及其局限性，非正式投资建议，仅供进一步因子效能验证和学术研究参考。

---

二、逐节深度解读

1. 因子简介

• 因子设计背景： 投资者投资决策中常用的“计数启发法”（counting heuristic）和“二元思维”导致过度简化将收益分类为正负两类的心理偏误，影响其对未来股票表现预期。
• 因子定义：

- 盈利频率定义为：回望期内，日超额收益超过阈值（2%）的正收益天数比例。
- 加权盈利频率进一步引入半衰期指数权重，使得越近期的正收益天数权重越大，符合实际中投资者更看重近期事件的心理特征。

数学表达式为：

$$
f{i,t}^w = \frac{\sum{j=1}^{M{i,t}} wj \cdot 1{r{i,j} > u}}{M{i,t}}
$$

其中，$wj = 0.5^{\frac{t-j}{\lambda}}$，$\lambda = \frac{T}{2}$（T 是回望期长度，默认40天）。

• 行业中性化处理： 通过对申万一级行业哑变量线性回归消除行业效应，最终取残差做为行业中性化后的因子值，避免行业轮动对因子表现的干扰。
• 参数设定： 回望期40个交易日，超过的阈值为2%日超额收益。

此章节系统阐明了因子指标的来源于行为金融学理论的心理假设，结构严谨，逻辑清晰，为后续分析其市场表现打下基础[page::0,3]。

---

2. 因子2023年以来表现

2.1 沪深A股信息系数（IC）分析

• IC表示因子值与未来股票收益率的相关性，是评价因子有效性的关键指标。

- 报告指出自2023年以来加权盈利频率因子的平均IC为-0.10（带显著性），2024年至今的IC均值为-0.08，ICIR（信息比率）均为负，分别为-0.93与-0.75。该数值表明因子与未来20个交易日收益率存在中度负相关性，且统计显著[table 1]。

• 同向比例（即因子值与收益方向一致的时间比例）高达81.37%，意味着多数时间因子方向与收益方向保持一致，但整体系数为负，体现的是负相关结构。
• 该负相关结构在2024年9月份继续延续，图1清晰展示了从2022年底至2024年8月期间，IC值多为负，累计IC逐步走低，验证了因子短期内稳定负相关的特征。

图1解读：

• 条形图显示各周期IC取值分布，多数条形为负，且多负幅度较大，显示因子预测效力多在负向。

- 黄色曲线为累计IC，持续向下趋势表明负相关性累积趋势明显。

此表现提示因子在当前市场周期不具传统预测正收益能力，反而可能指示反向机会[page::4]。

2.2 各行业成分股IC表现

• 2024年9月31个申万一级行业中，仅13个行业IC均值为正，包括钢铁、家用电器、石油石化、纺织服饰等，余下18个行业IC均为负数。
• 从2024年全年看，钢铁、美容护理、煤炭、银行行业IC均值为正，其他均数为负，其中国防军工、社会服务、食品饮料行业IC的负值最大，接近-0.15至-0.14，且这些行业的IC胜率均较高（大致69%-78%），说明该负相关性不是偶然，具有一定连续性。

图2与图3解读：

• 图2通过柱状图明晰各行业IC值的正负与幅度差异，红色柱为2024年以来均值，多数行业在负区域，且幅度较大，黄色柱为上月（2024年8月）对应数据，变化趋势较为一致。

- 图3呈现IC小于0的行业占比，整体大部分行业均超过60%，显示负相关比例较高。

行业分析层面显示因子效果存在明显分化，部分资源类及周期行业或金融相关行业表现相对优异，而防御性行业及消费类表现较弱，反映市场结构性效应[page::5].

2.3 多头组合月度收益率表现

• 因子对沪深A股进行分组测试，按当期因子值分为10组，研究组1（因子值最高）月度收益。
• 2024年9月组1收益率为22.02%，略低于Wind全A指数，超额收益为-0.19%，展现明显正收益能力但未超过基准。
• 从2024年1月到9月分析，多头组合总体呈现累积1.27%的正收益，但累计超额收益为-10.36%，显示相对基准表现较弱。
• 超额收益在1、2、5、6、9月份出现回撤，其他月份为正，表现波动明显。

图4图5解读：

• 图4展示不同月份组1组合收益与超额收益，颜色区分清晰，9月为单月突出高点。

- 图5分组收益明细，分为10个组展示收益差异，下层色块体现多组组合收益趋势，组1收益领先其他组，但收益波动显著。

此部分揭示因子虽能精选部分高因子值股票短期内获益，但其整体持续超额能力弱，或因市场环境变化导致预期效力下降[page::6]。

---

3. 分行业多头组合

• 报告罗列9月末多头第1组（即因子值最高组）部分成分股及对应所属行业及因子值，覆盖计算机、机械设备、房地产、传媒、家电、国防军工等多个行业。
• 股票因子值多为负数，如计算机行业中的“中国长城”及“海康威视”均为-4.03，机械设备“康尼机电”及“梅轮电梯”为-2.48，表明因子基准线为负。
• 行业分布较为分散，显示因子挑选股票并非集中于少数行业。

从微观视角可见，因子在股票层面具体到个股的因子值区间，结合行业分布给投资者考察个股提供了量化依据[page::7]。

---

4. 风险提示

报告严肃指出如下风险因素：

• 因子表现基于历史及公开数据，未来市场环境变化可能导致因子有效性下降。

- 部分数据存在第三方不准确风险。

• 模型基于统计学工具，极端情况下解释力不足。

- 因子股票组合不构成具体的投资建议，仅是因子有效性的检验工具。

此风险揭示体现机构对模型适用边界的审慎认知，有效避免盲目解读[page::0,7]。

---

三、图表深度解读

1. 表1：2023年以来因子IC均值表

| 因子 | IC均值 | IC标准差 | t统计量 | IC胜率 | IR比率 |
|-------------|--------|----------|---------|-----------|---------|
| 2023年至今 | -0.10 | 0.11 | -18.67 | 82.63% | -0.93 |
| 2024年至今 | -0.08 | 0.11 | -9.48 | 81.37% | -0.75 |

• 该表清楚指出因子IC均值长期为负，且数值显著，IC胜率超过80%，显示因子方向稳定，但与未来收益呈负相关。
• IC标准差为0.11，表明因子随时间具有波动性。
• t统计量负值且绝对值很大，推断结果统计显著，非随机波动。

2. 图1：因子值与未来20交易日收益率IC趋势

• 图中的红色条代表每期IC值，绝大多数为负，数值波动区间在-0.4至0.2。

- 黄色曲线累计IC持续下行，说明越往后预测准确度或信号强度反向增强。

• 该图强化表明因子对于未来收益率存在负向预测信号。

3. 图2和图3：行业成分股IC值及负向占比

• 图2显示2024年9月多个行业IC分布，除部分周期性行业外多为负值，尤以国防军工、食品饮料行业负IC最为显著。

- 图3显示多数行业IC小于零的股票比例超过60%，排除了少数行业的正向预测倾向。

4. 图4：多头组合月度收益率

• 显示2024年1月至9月不同月份多头组合组1收益变化，9月收益跃升至22.02%。

- 超额收益波动明显，尤其在1、2、5、6及9月出现明显负超额，表明策略表现不稳定。

5. 图5：分组检验月度收益率

• 分红柱显示10组月度收益，从组1至组10，表现差异显著。

- 组1表现突出但波动较大，其他组收益趋近于零或负区域。

6. 表2：部分高因子值个股名单

• 报告列出了多个行业中部分组1股票及对应因子数值，负数居多，但相对行业内部具有较高因子排名。
• 明确向投资者展示因子选股在个股层面的体现，便于实操参考。

---

四、估值分析

本报告未涉及具体公司估值方法和目标价格设定，更侧重于因子统计分析、表现跟踪和行为金融学验证，因此没有应用DCF、PE等传统估值模型。报告中以信息系数（IC）和超额收益率指标为核心评价因子有效性的量化手段。

---

五、风险因素评估

• 市场环境变化风险： 因子基于历史统计性质，受市场风格与情绪轮动影响，若宏观及微观环境发生转变，模型信号可能失灵。
• 数据准确性风险： 依赖第三方数据源（Wind等），数据错误或缺失可能直接影响模型输出。
• 模型局限风险： 基于统计推断，忽略了其它非量化或基本面因素，在极端市场下解释力有限。
• 非投资建议声明： 因子结果仅供学术研究及策略检验，不构成投资建议，规避因盲目投资而遭受损失。

报告中对此高强调，体现作为量化研究产品的合规严谨[page::0,7]。

---

六、审慎视角与细微差别

• 因子效果的一致性与方向性偏差： 该因子在沪深A股自2023年以来持续表现出负的IC均值，显示其信号主要为“反向信号”而非“正向信号”。这意味着投资者如果盲目理解此因子为传统“因子选股利器”，则可能产生误判。
• 行业分化明显但未解释充分： 报告指出部分行业IC为正但缺乏深入剖析其根源动因，对于为何钢铁、煤炭、美容护理等行业表现异常缺少系统推论。
• 多头组合虽有正收益，但超额收益整体为负： 显示加权盈利频率因子可能更多反映某种市场情绪或波动特征，对实际择时效果有限，风险提示内容较为充分。
• 因子构建本身假设基于二元思维简化，可能忽略收益分布中的持续性与幅度等信息，存在较粗糙的简化偏差。
• 报告整体较为谨慎，但未提供因子反向策略测试，若利用负向信号寻求超额收益则值得进一步研究。

---

七、结论性综合

本报告针对加权盈利频率因子从理论构建、统计表现、行业分布、多头组合绩效及风险识别进行了全面系统的分析。核心结论包括：

1. 因子定义基于计数启发法，以反映投资者二元收益观念的心理偏差，采用半衰期加权提升短期信息权重，方法设计科学合理。
2. 统计表现显示自2023年以来该因子在中国沪深A股市场的IC均值持续负值（2024年9月为-0.08），与未来20交易日收益率呈负相关，表现稳定但非预期的正向信号。
3. 行业层面表现分化，钢铁、煤炭、美容护理、银行等少数行业因子呈正向信号，而国防军工、社会服务、食品饮料等行业表现出较强的负相关信号。
4. 多头组合整体表现正收益（累计1.27%），但相较市场指数存在显著负超额收益（累计-10.36%），表明因子在实际操作中未能完全有效捕获超额回报。
5. 图表充分体现因子负向预测特征及行业异质性，描述了不同月份及分组的收益差异，帮助投资者精准把握因子表现节奏。
6. 风险提示充分强调历史统计表现的局限性，数据准确性风险，极端市场环境可能导致模型失效的可能，及因子本身非投资建议性质。
7. 报告结构严谨，分析详实，尽管因子表现为负向，但为理解市场投资者行为提供了有价值的视角，为行为金融与量化因子研究提供了借鉴。*

总体上，报告提出的加权盈利频率因子并非传统意义上捕获正向收益的因子，但其稳定的负IC值为进一步探索反向交易策略提供了价值指引。投资者应结合市场环境谨慎运用，且不可忽视因子潜在的时变性和行业差异性。[page::0-7]

---

图片索引

• 图1：当期因子值与股票未来20个交易日收益率的IC值

• 图2：各申万一级行业成分股中IC值

• 图3：各申万一级行业成分股中IC小于0占比

• 图4：多头组合和多空组合月度收益率

• 图5：分组检验月度收益率

---

以上为本篇报告的全面深度分析，覆盖因子构建、表现跟踪、行业区分、组合表现、风险提示及批判性视角，综合呈现因子量化研究体系及实证分析成果。

报告