1 因子定义与构建方法 [page::3]

• 加权盈利频率因子基于股票过去40个交易日中，日超额收益率大于2%的加权天数总和，权重采用半衰期指数加权，重视近期表现。

- 行业中性化处理通过回归减去行业效应残差，确保因子反映纯粹的个股表现差异。

• 该因子反映了投资者行为中的“计数启发法”心理偏差，强调正收益天数的累积效应。

2 今年以来因子表现概览 [page::4][page::6]

| 指标 | 2023年1-4月表现 |
|------------|------------------|
| IC均值 | -0.16* |
| IC标准差 | 0.11 |
| t统计量 | -10.58 |
| IC胜率 | 84.48% |
| 信息比率(IR) | -1.39 |

• IC值持续为负，代表因子在选股上的预测效力较弱，4月后期部分行业IC由负转正。

- 多头组合1月-3月超额收益为正，4月转负，分别达到-1.45%（多头）和-2.33%（多空）。

3 申万一级行业因子表现差异 [page::5]

• 今年整体行业IC均为负，且均低于-0.07，但4月传媒、电子、美容护理、农林牧渔、通信、医药生物、有色金属行业IC出现正向反转。

- 电力设备、环保、非银金融、国防军工、汽车、建筑材料行业持续保持较高的负相关性。

• 国防军工、电力设备、汽车行业IC均值最高，分别为-0.30、-0.28、-0.26，且IC胜率分别达98.28%、96.55%、93.10%。

4 多头组合股票样本展示及风险提示 [page::7]

• 按因子值排序分组后，多头组1包含传媒、计算机、国防军工、电力设备等板块多个股票，反映当前因子选股的具体标的分布。

- 报告强调因子历史表现基于公开数据，不构成投资保证，建议投资者关注市场环境变化及风险管理。

《加权盈利频率因子月度跟踪》报告详尽分析报告

---

1. 元数据与概览

• 报告标题： 加权盈利频率因子月度跟踪

- 作者与发布机构： 西南证券研究发展中心，主分析师郑琳

• 发布日期： 2023年（具体日期未明确）

- 研究主题： 介绍和跟踪“加权盈利频率”因子在2023年1月至4月沪深A股市场的表现，涵盖因子的定义、构建方法、行业表现以及组合收益，附有风险提示。

• 核心论点及目标： 报告依据前期的《计数启发法与加权盈利频率—因子选股系列》（2023-04-28）继续更新，重点评估加权盈利频率因子在沪深A股中未来20交易日收益预测能力的变化。因子本质为过去一段时间内股票收益率超过阈值（2%）的加权天数结果，以揭示投资者的二元思维偏差。报告未给出明确的投资评级，但通过数据检验因子有效性及其不同月份和行业的表现差异，传达该因子近期处于负相关状态且存在行业分化，4月出现部分行业因子IC正向反转的观察。风险提示中强调本因子基于历史数据，市场变动和数据误差均可能影响未来表现，指出因子应用风险。

---

2. 逐节深度解读

2.1 因子简介

• 关键论点：

报告从投资者心理学视角出发，关注投资者常用的启发式思维，即二元思维，将每日收益分为“正收益”与“非正收益”。此种二元偏差影响对未来收益的预期，因而设计“加权盈利频率”因子，用于计数股价超越某收益阈值的加权天数比例，以捕捉基于简单计数启发法的市场信号。

• 因子构建方法：

- 设定回望期为40天，阈值为2%（即统计过去40天每日超额收益是否大于2%）。
- 利用日超额收益的二元指标（1或0）判定超过阈值的天数。
- 权重采用半衰期指数衰减法，半衰期取回望期一半（20天），越近期的收益天数权重越高，反映投资者更关注最近表现。
- 加权盈利频率计算公式为：
\[
f{i,t}^w=\frac{\sum{j=1}^{M{i,t}} wj \cdot 1{r{i,j}>u}}{M{i,t}}
\]
其中权重 \(wj=0.5^{(t-j)/\lambda}\)，\(\lambda = 20\)。
- 另外对因子做行业中性化处理，利用申万一级行业分类进行回归，取残差作为中性化后因子。

• 逻辑与假设：

投资者的“二元偏差”心理使得仅关注正收益天数具备市场效应，因此加权统计收益超过阈值天数能反映未来收益的方向。赋予日收益权重体现时间递减的关注度。行业中性化避免行业结构对因子表现的干扰。

• 分析亮点：

因子从认知心理学视角切入，简洁且有效；在统计意义上覆盖信息系数（IC）与多期验证具备合理性。

2.2 因子今年以来表现

• 沪深A股整体表现：

- 因子IC均值为-0.16，表明因子与后续收益呈负相关，且具有统计显著性（t统计量-10.58，IC胜率84.48%）
- ICIR（信息比率）为-1.39，进一步表明因子预测能力偏弱且趋势向负面发展。
- 图1展示2023年初至3月底因子IC值持续为负，4月末出现小幅回升但未显著变正。

• 分行业分析：

- 今年初以来全部行业IC均为负，且均小于-0.07，表现整体偏弱。
- 4月部分行业（传媒、电子、美容护理、农林牧渔、通信、医药生物、有色金属）因子IC由负转正，显示该因子对这些行业短期内的信息价值有所复苏。
- 另外多行业如电力设备、环保、非银金融、国防军工、汽车、建筑材料依然保持较强负相关。
- 其中国防军工、电力设备、汽车行业IC均值最低，分别为-0.30、-0.28、-0.26，IC胜率极高（分别为98.28%、96.55%、93.10%），显示因子在这些行业中预测信号更可靠，但方向依然为负。

• 投资者启示：

因子负相关意味着其数值高的股票未来表现较差，反之亦然。4月行业内部分反转可能暗示阶段性行情变化。投资者需要结合行业轮动特征灵活应用。

2.3 多头组合月度收益率

• 组合构建方法：

- 将沪深A股按因子值每月初划分为10等分组，分别计算当月的平均收益率。
- 多头组合选择因子值最高组（组1），多空组合为组合1与组合10的收益差。

• 收益表现：

- 1月至3月，多头组合均取得正的超额收益（如1月组1收益约8.21%），多空组合也为正，表明因子在此区间具有一定的选股能力。
- 4月多头组合和多空组合均转负，分别为-1.45%和-2.33%，表明因子效果出现逆转或失效。
- 图4、图5展示了组合月度收益的详细分布，显示随着时间推移因子性能波动明显。

• 解读与逻辑：

1-3月因子具备一定超额收益能力，说明期间投资者关注正收益天数的策略有效，但4月市场环境或因子效力发生变化，需谨慎对待短期反转。

2.4 分行业多头组合与典型股票展示

• 介绍：

- 报告列示了4月底多头组合1组内部分股票及对应的因子值，覆盖传媒、电力设备、计算机、国防军工、石油石化和食品饮料等行业。
- 股票因子值均为负，符合因子整体倾向为负相关的趋势。

• 投资价值指示：

此表为投资者提供具体股票样本，有助于理解因子数值在实际证券上的分布和行业差异。

2.5 风险提示

• 主要风险点：

- 因子表现基于历史公开数据，未来市场环境可能改变导致因子失效。
- 指数及第三方数据准确性可能影响分析结论。
- ETF组合并非收益保证，基金的表现受宏观经济、市场波动及风格切换影响存在波动。
- 投资人应充分认知自身风险承受能力，避免盲目追随。

• 风险提示内容全面，展现出因子和产品应用的现实约束性。

---

3. 图表深度解读

图1：当期因子值与股票未来20个交易日收益率的IC值（第4页）

• 描述： 柱状图展示2023年1月至3月间每日因子IC值，曲线显示IC累积和。

- 数据解读： 大量负值柱显著低于0，表明因子反向与后续收益相关。IC呈现先下降后稍回升的趋势，累计线显示净负值扩大。

• 文本联系： 此图验证IC均值-0.16的数据，强化了因子当前表现多为负向预测。

- 局限： 时间范围仅至3月末，4月因子表现转型需结合其他图表观察。

图2：各申万一级行业成分股中IC值（第5页）

• 描述： 红色柱代表今年以来行业IC均值，橙色柱为上个月IC均值。

- 数据解读： 多数行业红色柱低于零，个别行业如传媒、电子等橙柱高于零显示4月反转；部分行业持续低IC表明预测能力差或方向反向。

• 支持论点： 行业间IC表现存在明显分化，支持4月个别行业IC回升的结论。

图3：各申万一级行业成分股中IC小于0占比（第5页）

• 描述： 红色代表今年累计IC负值占比，橙色代表上月占比。

- 数据解读： 多行业IC负占比维持高位，多数超过70%，说明在绝大部分股票中因子为负相关信号，验证整体负相关结论。4月部分行业占比下降，体现短期反转迹象。

• 结合文本： 强化了文本所述4月反转及行业差异。

图4：多头组合和多空组合月度收益率（第6页）

• 描述： 多色柱显示1月-4月多头（组1）、万得全A、组1超额和多空组合月度收益。

- 数据解读： 1-3月组1收益显著强于大盘，多空组合正收益表明因子使选股策略有效；4月上述组合收益均为负，多空收益跌破-2%，指示因子失效或市场波动。

• 文本关联： 图形具象化了因子月度表现，辅助理解利润波动的时间点。

图5：分组检验月度收益率（第6页）

• 描述： 1月至4月，不同分组（1组至10组）收益率分布。

- 数据说明： 1-3月高因子分组收益较高，4月各组都接近零或负收益，整体趋势下降明显。表现出因子效果时强时弱。

• 说明： 增强了多头策略阶段性有效的特征。

---

4. 估值分析

本报告不涉及传统的企业估值分析和定价模型，属于因子分析与实证跟踪研究，未涉及DCF、市盈率等估值方法，故无相关估值分析内容。

---

5. 风险因素评估

• 市场环境变化： 加权盈利频率因子基于历史数据，市场结构变化、制度调整或宏观经济波动均可能导致因子失效。

- 数据准确性风险： 指数和行情数据由第三方提供，数据错误或延迟可能导致分析偏差。

• 产品风险： 因子构建的ETF及基金产品不保证收益，市场波动和风格变动明显时风险加剧。

- 投资者风险认知不足： 投资者若未充分理解因子本质和风险，可能面对亏损。

• 缓解措施： 报告虽然未明确提出缓解策略，但风险揭示提示投资者需认知自身风险承受能力，谨慎投资，隐含风险控制意识。

---

6. 批判性视角与细微差别

• 报告整体以数据驱动，实证严谨，但因子表现负相关性较强，说明因子在当前市场环境下表现与预期盈利频率可能方向相反，理论假设与现实表现有出入，应警惕因子解释力的局限性。

- 4月份的因子表现反转显示潜在的不稳定性，因子稳定性不足，提醒投资者勿盲目追随因子信号。

• 因子是统计学构造，不涉及基本面，可能忽视宏观因素和个股基本面变化，存在内在模型假设与现实复杂性的脱节。

- 图表和数据多以沪深A股为样本，结论适用范围有限，跨市场、跨周期稳定性需持续验证。

• 报告风险提示虽足够，但未提供具体缓解策略或投资组合方案，投资者应用时需自行加入风险管理手段。

---

7. 结论性综合

本报告系统地介绍了基于投资者认知偏差“二元启发法”构建的加权盈利频率因子，详述其构建方法、行业中性化处理及半衰期加权的独特设计。2023年1月至4月的跟踪数据显示：

• 因子整体在沪深A股市场信息系数(IC)为负，平均为-0.16，且IC胜率较高，表明该因子数值越高，未来20日的平均超额收益反而越低，其预测信号方向与传统预期相反。

- 分行业看，虽然整体负相关，但4月传媒、电子、医药等部分行业出现IC由负转正的迹象，显示市场结构可能出现阶段变化。国防军工、电力设备、汽车行业IC为最负且稳定，表现因子信号明显。

• 多头和多空组合实证收益证实了该因子的阶段性有效性。1月至3月，多头组合取得显著正超额收益，4月转负，显示因子表现波动及趋势更替明显。

- 报告通过丰富图表（如因子IC时间序列、行业IC差异、多头和多空组合收益对比等）直观展示因子在不同层面的表现和潜在趋势变化。

• 报告强调风险提示，投资者需认知因子基于历史数据的局限及未来市场不确定性。

综上，加权盈利频率因子作为一种基于投资者行为启发法的量化信号，展现出较强的统计特征和行业分化，但当前市场环境中其效果呈现出负相关且波动较大，应用时需结合行情和行业轮动灵活调整。未来需关注因子表现的稳定性和有效性验证，结合多因子及基本面分析以提升应用价值和适应性。[page::0,3,4,5,6,7]

---

以上分析希望为投资决策和因子研究者提供全面、深入、客观的理解决策框架。

报告