非流动性因子 ILLIQ - 寻找市场对弱流动性的收益补偿

[mushroomqiu]

小狐狸最近又发现一个好帖子，发在群里和大家分享分享，如果觉得有帮助的话，亲们可以点开链接一键克隆策略，自己跑个回测玩玩。

1. 概述
本文分析非流动性因子的选股效果：
将股票涨跌幅与成交金额联合考虑，研究了反映证券流动性的因子的选股能力按照非流动性；
因子选股的月度多空收益在 1.2%以上，得到了很显著的 alpha ；
纯多头组合在七年回测中年化收益达到 56.4%，夏普比率达到 1.84 ，信息比率高达 3.3 ，阿尔法年化达到 40.7%，贝塔仅为 0.916 ；


2. 非流动性因子构建
流动性是衡量证券变现能力的指标，流动性强，说明证券能够在折价较小的情况下，顺利卖出；相反，流动性弱，则表明交易证券需要在成交价格上做出较大让步；因此，流动性差也是风险之一。 按照风险与收益相匹配的特征，理论上市场会赋予流动性差的证券一定的收益补偿。
市场上，买卖价差、换手率、流通市值都是用来观测流动性的经典指标，但它们不完美，没法描述出流动性差导致买卖证券时候的价格让步。针对这一缺陷，此处尝试将成交量和价格的变动联系起来，反映流动性。这就是本文关心的非流动性因子 ILLIQ (illiquidity)：


即对一段时间内（本文中的研究，设置 N 为 5 日），每日价格变化幅度绝对值和成交额的比值求平均， ILLIQ 反映了在单位成交额下，证券价格波动的大小。 ILLIQ 越小，表明在成交金额相同的情况下，证券价格受到的冲击较小，说明它的流动性好；相反， ILLIQ 越大，则说明流动性越差，所以 ILLIQ 表示证券的非流动性。按照上述的风险收益逻辑，我们下文将展示 ILLIQ 大的股票的表现。
PS ：类似的通过流动性定义技术选股因子的例子，可以见追踪聪明钱 - A 股市场交易的微观结构初探 https://uqer.io/community/share/578f04e0228e5b3 …，不过该帖中是在分钟线级别计算，计算时，分子上为涨跌幅绝对值，分母上为成交量开根号。

下面给出本文中用来计算非流动性因子 ILLIQ 的程序代码
点击以下链接，移步社区查看源代码哟
https://uqer.io/community/share/57ba8b1e228e5b7 …

其中分别定义了计算本文关心的几个变量的函数，其中包括：
非流动性因子， getIlliquidityAll
历史收益率， getBackwardReturnsAll
未来收益率， getForwardReturnsAll
市值， getMarketValueAll
历史窗口日均换手率， getWindowMeanTurnoverRateAll
利用这五个函数分别计算我们需要的各种变量，保存为文件以备后用

3. 非流动性因子截面特征
3.1 首先加载计算好的数据文件：
下表中，展示了我们计算好的 illiq_data 数据文件的一部分，主要为了说明我们接下来使用的数据 dataframe 的结构：


每一行为日期，每个交易日均有计算数据，从 2009 年到 2016 年 8 月每一列为股票，股票池为全 A 股 3.2 ILLIQ 的预测能力初探接下来，我们计算了每一天的 ILLIQ 和之后 5 日收益的秩相关系数
下图可知， ILLIQ 和之后 5 日收益的秩相关系数在大部分时间为正， ILLIQ 对之后 5 日收益有预测性


4. ILLIQ 历史回测概述本节使用 2006 年以来的数据对于 ILLIQ 历史表现进行回测，进一步简单涉及 ILLIQ 选股的几个风险因子暴露情况。
点击以下链接，移步社区查看源代码哟
https://uqer.io/community/share/57ba8b1e228e5b7 …
4.1 ILLIQ 选股的分组超额收益
计算结果，给出了 2006 年开始，每天进行 ILLIQ 因子十分位选股后，每个分组内股票在未来五日内相对于市场平均收益的超额收益均值；
注意：十分位分组中， ILLIQ 因子由小到大排序，即第一组为 ILLIQ 因子最小的组；
下图展示， ILLIQ 因子十分位选股后，在未来一个月各个分组的超额收益（时间序列求平均），可以发现：因子多空收益明显，分组收益单调性很好；
下面的研究和回测中，我们将选择 ILLIQ 因子大的股票


4.2 ILLIQ 因子选股的市值分布特征
检查 ILLIQ 因子的小市值暴露情况
计算结果，给出了 2006 年开始，每天进行 ILLIQ 因子十分位选股后，每个分组内股票的市值百分位均值；
下图展示， ILLIQ 因子十分位选股后，各个分组的市值百分位历史均值： ILLIQ 因子选股多头组合有很大的小市值暴露，所以使用时候需要特别注意；


4.3 ILLIQ 因子选股的换手率分布特征
计算结果，给出了 2006 年开始，每天进行 ILLIQ 因子十分位选股后，每个分组内股票的前一个月日均换手率的均值；
下图展示， ILLIQ 因子十分位选股后，各个分组的 1 个月日均换手率均值： ILLIQ 因子对于低换手率有微弱风险暴露，换手率随组别上升而逐渐略微降低；


4.4 ILLIQ 因子选股的一个月反转分布特征
计算结果，给出了 2006 年开始，每天进行 ILLIQ 因子十分位选股后，每个分组内股票的前一个月超额涨幅(超出市场平均值)的均值；
下图展示， ILLIQ 因子十分位选股后，各个分组的前一个月超额涨幅均值： ILLIQ 因子对于一个月反转因子有一定风险暴露（多头组合即第十组中的股票前一个月平均跑输市场）；


4.5 ILLIQ 因子选股的三个月反转分布特征
计算结果，给出了 2006 年开始，每天进行 ILLIQ 因子十分位选股后，每个分组内股票的前三个月超额涨幅(超出市场平均值)的均值；
下图展示， ILLIQ 因子十分位选股后，各个分组的前三个月超额涨幅均值： ILLIQ 因子对于三个月反转因子有一定风险暴露；


5. ILLIQ 因子历史回测净值表现
接下来，考察上述 ILLIQ 因子的选股能力的回测效果。历史回测的基本设置如下：
回测时段为 2009 年 1 月 1 日至 2016 年 8 月 1 日；
股票池为 A 股全部股票；
组合每 5 个交易日调仓，交易费率设为双边万分之二；
调仓时，涨停、停牌不买入，跌停、停牌不卖出；
每月底调仓时，选择股票池中 ILLIQ 因子最大的 10%的股票；
5.1 ILLIQ 因子最大 10%股票

点击以下链接，移步社区查看源代码哟
https://uqer.io/community/share/57ba8b1e228e5b7 …上图中，展示了我们之前在全 A 股股票池中进行的“ ILLIQ 最大的 10%股票周度调仓”回测的结果，其中的红色曲线显示出对冲中证 500 指数后的净值走势。

利用 ILLIQ 因子对全部 A 股选股，因子最大 10%股票组合在 2009 至今的年化收益率达 56.4%，大幅战胜中证 500 指数。夏普比率达到 1.84 ，信息比率高达 3.3 ，阿尔法年化达到 40.7%，贝塔仅为 0.916 。另外，该组合对冲中证 500 指数后，年化收益达到 33.1%。


5.5 ILLIQ 因子选股 —— 不同五分位数组合回测走势比较


点击以下链接，移步社区查看源代码哟
https://uqer.io/community/share/57ba8b1e228e5b7 …上面的图片显示“ ILLIQ-不同五分位数分组选股”的净值走势，其中下面一张图片展示出各组头寸对冲完中证 500 指数后的净值走势，可以看到：
不同的五分位数组对应的净值走势顺序区分度很高！
下面的表格展示出不同分位数组合的各项风险指标，每次调仓均买入 ILLIQ 最大的 20%股票的策略，即最大分位数的组合(组合 5)各项指标表现都非常出色：
组合 5 不对冲年化收益 53%，夏普比率 1.72 ，信息比率 3.50 ，相应贝塔仅为 0.93 组合 5 对冲中证 500 指数后年化收益 30.4%

总结：根据之前的回测，我们能够体会到 ILLIQ 非流动性因子展示出来的出色的选股能力，但我们也注意到，该因子具有比较大的小市值风险暴露，所以在使用时应该适当注意；后面得空，我把小市值因子的影响剔除一下，再测试一下 ILLIQ 的选股能力。

感兴趣的矿友可以在社区克隆后运行，看看收益如何。

[nooper]

没图

[mushroomqiu]

@nooper 点击链接，就有啦