研究背景与核心思路 - 研究基于股票市场存在的隔夜相关性特征，将日度收益拆解为隔夜收益和日间收益，旨在通过挖掘股票间的领先滞后关系捕捉投资机会 [1][9] - 金融市场存在羊群效应，导致股票价格可能偏离基本面，并产生领先滞后效应，即不同股票对相同信息的反应速度存在差异 [4][5][6][7] - 核心研究思路是通过隔夜收益和日间收益构建有方向性的相关性矩阵，识别领先群组和滞后群组，并构建交易策略：仅从领先群组生成信号，仅在滞后群组内交易 [10][13][16] 实证研究主要发现 - 在A股市场，领先滞后效应呈现反转特征，即基于领先群组发出预期看多信号后，空头组合表现更强势，看空信号则相反 [34][35] - 该策略在中小盘股票中更为适用，例如在中证1000成分股中，多空组合能实现约10.51%的年化收益，而在沪深300成分股中区分度不突出 [44] - 日度调仓下，全市场股票的多空组合年化收益约为8.81%，且市场的上涨更多来源于日间收益而非隔夜收益 [35][38] 因子构建与表现 - 直接基于隔夜日间相关性构建的周度/月度选股因子区分度不突出，但引入常规相关性（全天收益相关性）后因子表现显著提升 [63][66][74] - 因子`factor_top50_allday`（基于常规相关性）的月度Rank IC为8.11%，多头年化收益18.3%，周度Rank IC为6.57%，多头年化收益22.4% [74] - 结合隔夜信息筛选股票群组后计算的常规相关性因子（如`factor_small50_corr_by_lag`）与直接计算的常规相关性因子内部相关性不高于60%，能提供边际增量 [77] - 组合因子`corr_combined1`（由`factor_small50_corr_by_lag`和`factor_top50_allday`等权加权）月度Rank IC为8.13%，多头年化收益18.2%，周度Rank IC为6.59%，多头年化收益22.1% [79][80][82][87][89] 因子相关性分析 - 隔夜日间相关性因子与常规相关性因子的内部相关程度相对较低 [77] - 相关性因子与部分风格因子存在相关性，例如与残差波动率因子呈现负相关（约-42.2%）[90][91]