量化模型与构建方式 W式切割模型 - 模型名称：W式切割模型 - 模型构建思路：通过对过去20日的涨跌幅进行切割，分解出反转与动量的成分，以提高反转因子的收益稳健性[11][4] - 模型具体构建过程： 1. 对选定股票S，回溯取其过去20日的数据[12][4] 2. 计算股票S每日的平均单笔成交金额（成交金额/成交笔数）[12][4] 3. 单笔成交金额高的10个交易日，涨跌幅加总，记作M_high[12][4] 4. 单笔成交金额低的10个交易日，涨跌幅加总，记作M_low[12][4] 5. 理想反转因子M = M_high - M_low[12][4] 6. 对所有股票，都进行以上操作，计算各自的理想反转因子M[12][4] - 公式： $M = M_{high} - M_{low}$ 公式中，$M_{high}$ 表示单笔成交金额高的10个交易日的涨跌幅加总，$M_{low}$ 表示单笔成交金额低的10个交易日的涨跌幅加总[12][4] - 模型评价：W式切割模型简洁有效，显著优于传统反转因子Ret20，其收益稳健性更强[11][4] 新W式切割模型 - 模型名称：新W式切割模型 - 模型构建思路：用分位数代替平均值作为切割标准，以获取更多微观信息并优化反转因子的表现[17][18] - 模型具体构建过程： 1. 对选定股票S，回溯取其过去20日的数据[18] 2. 计算股票S每日逐笔成交金额分布的1/16分位值[18] 3. 1/16分位值高的10个交易日，涨跌幅加总，记作M_high[18] 4. 1/16分位值低的10个交易日，涨跌幅加总，记作M_low[18] 5. 理想反转因子M = M_high - M_low[18] 6. 对所有股票，都进行以上操作，计算各自的理想反转因子M[18] - 公式： $M = M_{high} - M_{low}$ 公式中，$M_{high}$ 表示1/16分位值高的10个交易日的涨跌幅加总，$M_{low}$ 表示1/16分位值低的10个交易日的涨跌幅加总[18] - 模型评价：随着分位值的提高，M_high的反转特性增强，M_low逐渐呈现动量特性，切割效果显著优化[21][30] 高分位反转因子 - 因子名称：M_high_13/16 - 因子构建思路：采用高分位值作为切割标准，选取高分位值较高的交易日以增强反转特性[30] - 因子具体构建过程： 1. 对选定股票S，回溯取其过去20日的数据[30] 2. 计算股票S每日逐笔成交金额分布的13/16分位值[30] 3. 13/16分位值高的10个交易日，涨跌幅加总，记作M_high_13/16[30] - 公式： $ M_{high_13/16} = \text{涨跌幅加总（13/16分位值高的10个交易日）} $[30] - 因子评价：M_high_13/16因子保留了长期收益特征，同时成功避免了大幅回撤，表现稳健[31][30] --- 模型的回测效果 W式切割模型 - 信息比率（IR）：2.51[11] - 月度胜率：74%[11] 新W式切割模型 - 信息比率（IR）：随着分位值提高，M_high的IR值显著增强，最佳分位值未明确[24][30] 高分位反转因子（M_high_13/16） - 信息比率（IR）：2.00[31] - 月度胜率：72.0%[31] - IC：-0.070[31] - rankIC：-0.087[31] --- 因子的回测效果 理想反转因子（M） - 信息比率（IR）：2.51[11] - 月度胜率：74%[11] 新W式切割因子（M_high与M_low） - M_high的IC值：随着分位值提高，IC绝对值逐渐增大，呈现更强反转特性[21][24] - M_low的IC值：随着分位值提高，IC逐渐从负值转为正值，呈现动量特性[21][24] 高分位反转因子（M_high_13/16） - 信息比率（IR）：2.00[31] - 月度胜率：72.0%[31] - IC：-0.070[31] - rankIC：-0.087[31]