量化因子与构建方式 1. **因子名称**：量稳换手率STR因子 - **构建思路**：从日频换手率稳定性的角度构造选股因子，通过考察换手率的稳定性而非绝对数值来改进传统换手率因子的缺陷[8] - **具体构建过程**： 1. 计算每只股票过去20个交易日的日频换手率 2. 计算这些日频换手率的稳定性指标（具体方法未详细说明，但参考了UTD因子的研究思路）[8] 3. 对因子进行市值中性化处理[6] - **因子评价**：因子计算简单且效果优秀，在剔除市场常用风格和行业干扰后仍具备较好的选股能力[1] 2. **因子名称**：传统换手率因子（Turn20） - **构建思路**：基于过去20个交易日的日均换手率构造选股因子，逻辑为换手率越小的股票未来越可能上涨[6] - **具体构建过程**： 1. 每月月底计算每只股票过去20个交易日的日均换手率 2. 对换手率进行市值中性化处理[6] - **因子评价**：表现可圈可点，但存在逻辑缺陷，高换手率分组内股票未来收益差异较大[7] 因子的回测效果 1. **量稳换手率STR因子**（2006/01-2025/07，全体A股）[9][10]： - 年化收益率：40.75% - 年化波动率：14.44% - 信息比率（IR）：2.82 - 月度胜率：77.02% - 最大回撤率：9.96% 2. **传统换手率因子（Turn20）**（2006/01-2021/04，全体A股）[6]： - 年化收益率：33.41% - 信息比率（IR）：1.90 - 月度胜率：71.58% - 月度IC均值：-0.072 - 年化ICIR：-2.10 3. **量稳换手率STR因子**（2025年7月，全体A股）[10]： - 多头组合收益率：1.29% - 空头组合收益率：-0.02% - 多空对冲收益率：1.32%

量化因子与构建方式 1. **因子名称**：换手率分布均匀度UTD因子 - **构建思路**：基于个股的分钟成交量数据，改进传统换手率因子（Turn20）对样本误判的问题，通过衡量换手率在时间维度上的分布均匀性来提升选股效果[6][7] - **具体构建过程**： 1. 传统换手率因子（Turn20）计算：每月月底取过去20个交易日的日均换手率，并进行市值中性化处理[6] 2. 改进方法：引入分钟级成交量数据，计算换手率在时间序列上的分布均匀性指标（具体公式未披露，但逻辑上通过统计分钟成交量偏离均值的程度来构造）[7] 3. 因子优化：剔除市场风格、行业及干扰因子影响后得到纯净UTD因子[1] - **因子评价**：显著降低传统换手率因子的误判率，选股效果优于传统因子，且在控制干扰后仍保持稳健性[1][7] 2. **因子名称**：传统换手率因子（Turn20） - **构建思路**：通过过去20日日均换手率捕捉股票流动性特征，认为低换手率股票未来表现更优[6] - **具体构建过程**： 1. 计算每只股票过去20个交易日的日均换手率： $$ \text{Turn20} = \frac{1}{20}\sum_{t=1}^{20} \frac{\text{成交量}_t}{\text{流通股本}_t} $$ 2. 在每月月底进行市值中性化处理[6] - **因子评价**：逻辑存在局限性，高换手率分组内股票收益分化严重，导致误判[7] --- 因子的回测效果 1. **换手率分布均匀度UTD因子**（2014/01-2025/04全市场测试） - 年化收益率：19.94%[1][12] - 年化波动率：7.40%[1][12] - 信息比率（IR）：2.69[1][12] - 月度胜率：77.04%[1][12] - 最大回撤率：5.51%[1][12] - 2025年4月多空对冲收益率：2.64%（多头-0.72%，空头-3.36%）[11] 2. **传统换手率因子（Turn20）**（2006/01-2021/04测试） - 年化收益率：33.41%[6] - 信息比率（IR）：1.90[6] - 月度IC均值：-0.072[6] - 年化ICIR：-2.10[6] - 月度胜率：71.58%[6] --- 补充说明 - **UTD因子与传统因子对比**：UTD因子通过分钟数据优化后，信息比率（2.69 vs 1.90）和月度胜率（77.04% vs 71.58%）显著提升，且最大回撤更低（5.51%未披露传统因子对应值）[1][6][7] - **分组测试结果**：UTD因子在10分组测试中，高换手率分组（分组10）的组内收益标准差显著低于传统因子，验证其降低误判的效果[7]