量化模型与构建方式 1. 模型名称：Traction-NS 因子 模型构建思路：通过外资券商持仓数据构建股票关联网络，利用关联网络刻画股票涨跌之间的牵引关系，预期关联股票的涨跌幅会对目标股票产生锚定效应，进而构建牵引因子[5][28] 模型具体构建过程： - 每月末，按照40%留存比例，对外资券商关联网络进行稀疏处理[29] - 取外资券商持仓股票过去20日累计涨跌幅，计算截面中位数作为市场收益水平，记作med[29] - 对于关联网络中的节点股票A，取其所有关联股票过去20日涨跌幅数据，记作向量chg_A[29] - 计算chg_A - med，作为股票A关联股票的alpha收益，记作向量alpha_A[29] - 取股票A与所有关联股票之间的关联度，记作向量K_A[29] - 利用关联度向量K_A与向量alpha_A，得到股票A所有关联股票的alpha锚定值，记作exp_A[29] - 计算exp_A的均值，作为股票A的alpha锚定值均值，得到股票A的原始因子，记作exp_ave_A[29] - 对所有股票的exp_ave指标，做横截面回归，剔除股票自身alpha和行业因素，得到关联网络牵引因子Traction-NS[29] 模型评价：Traction-NS因子表现稳健，年化收益率达到23.75%，年化IR为3.45，最大回撤为5.33%，月度胜率在83%左右[5][38] 模型的回测效果 1. Traction-NS模型，年化收益率23.75%，年化IR 3.45，最大回撤5.33%，月度胜率83%[5][38] 2. Traction-NS模型，在中证1000上年化收益21.02%，年化IR 2.89，最大回撤6.52%[6][40] 3. Traction-NS模型，在中证500上年化收益15.7%，年化IR 2.18，最大回撤6.62%[6][40] 4. Traction-NS模型，在沪深300上年化收益13.96%，年化IR 1.83，最大回撤9.69%[6][40] 量化因子与构建方式 1. 因子名称：关联度指标 因子的构建思路：通过外资券商持仓数据定义股票间的关联强度，最终加总得到两只股票的关联度指标[4][24] 因子具体构建过程： - 取外资券商A共同持有的股票a与股票b持仓市值数据，记作H_a、H_b，以及相应的流通市值数据，记作MV_a、MV_b[27] - 计算H_a / MV_a，记作I_a，股票b记作I_b[27] - 定义外资券商A共同持仓股票a与股票b的关联强度指标为：$J_{ab}=min(I_a, I_b)$[27] - 将所有共同持仓股票a与股票b的外资券商得到的关联度指标求和，得到股票a与股票b的关联度指标Kab[27] 因子评价：关联度指标能够有效衡量股票间的关联强度，为后续牵引因子的构建提供基础[4][24] 因子的回测效果 1. 关联度指标，在40%留存比例下，因子RankIC达到峰值6.09%[33] 2. 关联度指标，在10%留存比例下，因子RankIC为4%[33] 3. 关联度指标，在50%留存比例下，因子RankIC为6.07%[33]