量化模型与构建方式 原始APM因子模型 - 模型名称: 原始APM因子(APMraw) - 模型构建思路: 通过分析上午和下午行情数据所蕴含信息量的差别，提取股票价格行为的日内模式差异[2][12] - 模型具体构建过程: 1. 对选定股票，回溯过去20日数据，记录逐日上午的股票收益率 $r_{am}$ 和指数收益率 $R_{am}$；下午的股票收益率 $r_{pm}$ 和指数收益率 $R_{pm}$[12] 2. 将得到的40组上午与下午 $(r, R)$ 的收益率数据进行回归：$r = \alpha + \beta R + \epsilon$，得到残差项 $\epsilon$[12] 3. 上午残差记为 $\epsilon_{am}$，下午残差记为 $\epsilon_{pm}$，进一步计算每日上午与下午残差的差值 $\delta_t = \epsilon_{am} - \epsilon_{pm}$[12] 4. 构造统计量 $stat$ 来衡量上午与下午残差的差异程度，公式如下： $stat = \frac{\mu(\delta_t)}{\sigma(\delta_t)/\sqrt{N}}$ 其中 $\mu$ 为均值，$\sigma$ 为标准差，$N$ 为样本数量[12] 5. 为消除动量因子的影响，将统计量 $stat$ 对动量因子进行横截面回归：$stat = \gamma_{20} + \beta_{momentum}$，其中 $\gamma_{20}$ 为股票过去20日的收益率，代表动量因子[13] 6. 回归得到的残差值作为因子[13] - 模型评价: 样本内表现优异，但样本外表现略逊，尤其在2019年出现连续回撤[3][13] 改进APM因子模型 - 模型名称: 改进APM因子(APMnew) - 模型构建思路: 通过调整原始APM因子使用的数据时段，将上午收益替换为隔夜收益，以提高因子稳定性和预测能力[4][19] - 模型具体构建过程: 1. 在原始APM因子的第一步中，用隔夜收益 $r_{overnight}$ 替代上午收益 $r_{am}$，指数收益也相应替换为隔夜的指数收益 $R_{overnight}$[26] 2. 其余步骤保持不变，最终得到改进因子 $APMnew$[26] - 模型评价: 改进后的因子在样本内和样本外均表现优异，尤其在2019年显著优于原始因子[4][26] OVP因子与AVP因子 - 因子名称: OVP因子与AVP因子 - 因子构建思路: 结合APM因子方法论与W式切割方法，通过分时段收益数据构造反转属性因子[38] - 因子具体构建过程: 1. 对选定股票，回溯过去20个交易日数据[38] 2. 将股票逐日的涨跌幅拆分成隔夜、上午、下午三个阶段，分别加总，所得和依次记作 $RO$、$RA$、$RP$[38] 3. 构造因子 $OVP = RO - RP$ 和 $AVP = RA - RP$[38] - 因子评价: OVP因子表现显著优于AVP因子，尤其在预测能力和稳定性方面[38][40] --- 模型的回测效果 原始APM因子(APMraw) - 年化收益率: 样本内15.90%，样本外6.41%[3][13] - 信息比率(IR): 样本内2.84，样本外略低[3][13] - 最大回撤: 样本内2.52%，样本外5.72%[3][13] - 月度胜率: 样本内78.6%，样本外略低[3][13] 改进APM因子(APMnew) - 年化收益率: 12.81%[29] - 信息比率(IR): 3.17[29] - 最大回撤: 2.32%[29] - 月度胜率: 81.25%[29] OVP因子与AVP因子 - OVP因子: - 年化收益率: 18.04%[41] - 信息比率(IR): 4.17[41] - 最大回撤: 2.21%[41] - 月度胜率: 86.25%[41] - AVP因子: - 年化收益率: 3.00%[41] - 信息比率(IR): 0.15[41] - 最大回撤: 11.32%[41] - 月度胜率: 53.75%[41] --- 因子的回测效果 APM因子系列 - APMraw: 上午(9:30-11:30)与下午(13:00-15:00)收益差异[32] - APMnew: 隔夜与下午(13:00-15:00)收益差异[32] - APM_1: 隔夜与下午(14:00-15:00)收益差异[32] - APM_2: 上午(9:30-10:30)与下午(14:00-15:00)收益差异[32] - APM_3: 上午(10:30-11:30)与下午(13:00-14:00)收益差异[32] 回测表现 - 使用隔夜数据的因子(APMnew、APM_1)在2019年表现较好[35] - 使用日内交易数据的因子(APM_2、APM_3)表现逊色，尤其APM_3因子由于中间时段成交寡淡，难以提炼有效信息[35]