量化因子与构建方式 长端动量1.0因子 - 因子名称：长端动量1.0因子 - 因子的构建思路：通过剔除高振幅交易日的涨跌幅数据，去除过度反应的影响，从而捕捉A股市场中的动量效应[3][16] - 因子具体构建过程： - 步骤1：对选定股票，回溯取其最近160个交易日的数据[17] - 步骤2：计算股票每日的振幅（最高价/最低价-1）[17] - 步骤3：选择振幅较低的70%交易日，涨跌幅加总，得到长端动量因子[17] - 因子评价：有效捕捉A股市场中的动量效应，分组收益分化且单调性良好，多头组收益显著高于其他组[16][17] 长端动量2.0因子 - 因子名称：长端动量2.0因子 - 因子的构建思路：在长端动量1.0因子的基础上，通过剔除涨跌停及停牌交易日数据，并对日超额收益进行反转中性化处理，进一步提升因子有效性[19][21] - 因子具体构建过程： - 步骤1：对选定股票，回溯取其最近160个交易日的数据[19] - 步骤2：剔除涨跌停及停牌交易日数据[19] - 步骤3：计算股票每日的振幅：（最高价-最低价）/前收盘价[19] - 步骤4：选择振幅较低的70%交易日，日超额收益（涨跌幅-市场涨跌幅均值）加总，记作$\alpha Retlow$[19] - 步骤5：$\alpha Retlow$作20日反转中性化，得到长端动量2.0因子[19] - 因子评价：相比长端动量1.0因子，长端动量2.0因子有效性显著提升，收益表现稳健，且与基本面因子兼容性良好[23][55][57] 行业长端动量因子 - 因子名称：行业长端动量因子 - 因子的构建思路：将个股长端动量2.0因子值按自由流通市值加权聚合，构建行业因子值，用于行业轮动策略[63] - 因子具体构建过程： - 将个股长端动量2.0因子值按自由流通市值加权聚合，得到行业因子值[63] - 因子评价：具备行业轮动能力，收益表现显著优于行业等权组合[63][66] --- 因子的回测效果 长端动量1.0因子 - RankIC：4.01%[17] - RankICIR：1.76[17] - RankIC胜率：74.36%[17] - 多头年化收益：16.41%[17] - 月均换手率：35.7%[17] - 多空年化收益：10.94%[17] - 年化IR：1.75[17] - 最大回撤：10.57%[17] - 月度胜率：68%[17] 长端动量2.0因子 - RankIC：6.92%[23] - RankICIR：2.75[23] - RankIC胜率：79.49%[23] - 多头年化收益：20.26%[23] - 月均换手率：34.28%[23] - 多空年化收益：18.09%[29] - 年化IR：2.61[29] - 最大回撤：8.45%[29] - 月度胜率：75.9%[29] 行业长端动量因子 - RankIC：6.72%[63] - RankICIR：0.84[63] - RankIC胜率：60.19%[63] - 多头年化收益：12.64%[66] - 月均换手率：22.72%[66] - 多空年化收益：14.28%[63] - 年化IR：1.04[63] - 超额年化收益率：5.31%[66]