有限关注下涨跌幅排行榜的关注度效应分析 [page::2][page::3]

• 投资者关注集中于涨跌幅排行榜中的极端涨跌股票，呈现U型关注度分布，涨幅榜股票更易获得市场关注。

- 榜单前80只股票被采用作为因子构建参数，满足覆盖投资者关注范围的考量。

• 榜单股票的关注度在上榜后会在一定时间内持续，涨幅榜前的估值相对较低调，跌幅榜前关注度则较高。

榜单组合收益表现与涨跌幅榜单因子构建 [page::4][page::5]

| 组合类型 | 股票数量占比 | 股票市值占比 | 月均收益 | 月收益t值 | 月胜率 | 夏普率 | 最大回撤 |
|----------|--------------|--------------|----------|-----------|--------|--------|----------|
| Never | 40.1% | 45.2% | 2.50% | 3.07 | 59.0% | 84.0% | -63.8% |
| Winner | 16.9% | 15.0% | 1.62% | 1.94 | 55.3% | 53.1% | -68.6% |
| Loser | 16.4% | 18.2% | 2.28% | 2.71 | 56.5% | 74.3% | -66.8% |
| Both | 26.7% | 21.6% | 1.18% | 1.39 | 54.7% | 37.9% | -74.0% |

• 涨幅榜股票（Winner）未来表现显著跑输未上榜股票（Never）。

- 指数加权方法构建的涨幅榜单因子DWF和跌幅榜单因子DLF表现稳定，DWF的选股效果优于DLF，且对参数设定不敏感。

涨跌幅榜单因子在不同样本空间及历史表现 [page::5][page::6]

• 小市值样本（中证1000）中涨跌幅榜单因子与多空组合收益表现最佳。

- 涨幅榜单因子DWF在中证全指的RankIC和月度多空组合收益率均表现显著，月收益约2.29%，夏普率2.60。

• 因子历史表现显示多空组合净值稳步攀升，波动可控。

参数稳健性分析：榜单规模N和指数加权半衰期h的调整 [page::6][page::7]

• 因子表现对榜单股票数量N在60-100之间相对稳定，N=80时的表现被采用作为默认值。

- 指数加权半衰期h越短，因子ICIR和多空组合收益越高，但伴随更高换手率；投资者可根据实际需求调整。

• 各参数下因子表现指标均显示DWF和DLF稳健有效。

技术类因子相关性及因子分层分析 [page::8][page::9][page::10]

• DWF、DLF、波动率（VOL）、特质波动率（IVOL）、最大收益（MAXRET）高度相关，统一定义为“广义价格波动”类。

- 特异度IVR较为独立，与其他因子相关较低，表现也较强。

• 因子分层控制分析表明，DWF和IVR作为核心因子具有独立的显著选股能力，其他因子部分被二者替代。

- 偏度类因子SKEW和ISKEW在控制DWF/IVR后选股效果减弱。

因子回归分析及信息增量验证 [page::11][page::12]

• DWF剔除相关因子后仍保留显著选股能力，体现强的信息增量。

- DLF和IVOL信息被DWF和IVR基本覆盖，剔除后剩余alpha较弱。

• 换手对数和短期反转因子剔除DWF/IVR后仍有部分增量信息。

- 基于DWF和IVR构建的大类因子合成效果优于传统组合，且较为稳定。

合成因子历史表现及应用建议 [page::12][page::13]

| 因子组合 | RankIC | ICIR | tvalue | 多空月收益 | 夏普率 | 最大回撤 |
|----------|---------|-------|---------|-------------|---------|------------|
| C0（传统6投机类因子） | -9.03% | -4.21 | -15.37 | 2.23% | 2.87 | -11.90% |
| C1（C0+DWF、DLF） | -9.66% | -4.15 | -15.16 | 2.39% | 2.83 | -11.25% |
| C2（C1中只含DWF、IVR核心因子） | -10.46% | -5.06 | -18.47 | 2.95% | 3.62 | -7.14% |
| C3（C0+换手、反转） | -10.36% | -4.39 | -16.03 | 2.67% | 3.02 | -11.50% |
| C4（C1+换手、反转） | -10.66% | -4.34 | -15.86 | 2.74% | 2.96 | -10.87% |
| C5（C2+换手、反转） | -12.12% | -4.93 | -18.01 | 3.43% | 3.22 | -10.01% |

• 纳入涨跌幅榜单因子后合成因子表现提升明显，但对整体指数增强模型提升幅度有限，仅提升约0.3%年化收益。

- 投资者偏好投机类alpha时，可重点关注因子DWF构建。

风险提示 [page::0][page::14]

• 量化模型基于历史数据，可能面临未来失效风险，尤其是在极端市场冲击下模型表现可能剧烈波动和亏损。

《A股涨跌幅排行榜效应——因子选股系列研究之四十七》深度分析报告

---

一、元数据与概览

• 报告标题：《A股涨跌幅排行榜效应——因子选股系列研究之四十七》

- 作者：朱剑涛、王星星

• 发布机构：东方证券股份有限公司研究所

- 发布日期：2018年11月20日

• 研究对象：A股市场中股票涨跌幅排行榜对应的投资者关注度与股票收益表现及相关因子选股效应。

核心论点与报告主题

该研究分析了A股涨跌幅排行榜（涨幅榜、跌幅榜）中股票因投资者关注度集中而带来的价格高估及后续收益表现，进而构建与验证了基于涨跌幅榜单的选股因子（DWF和DLF）及其在技术类alpha因子体系中的作用及价值。

主要结论是：

• 投资者有限关注导致涨跌幅榜单上的股票更受关注，特别是涨幅榜股票更容易被高估。

- 构建的涨跌幅榜单因子（DWF，跌幅榜单因子DLF）具有显著的负向选股能力，即榜单上股票未来表现较差。

• DWF因子解释了大量技术类alpha收益来源，并与典型技术因子如波动率、特异度等具备独立信息。

- 结合特异度（IVR）、换手率和短期反转的合成因子表现优于传统技术类因子，但实际对指数增强模型的边际提升有限。

---

二、逐节深度解读

1. 有限关注与收益排行榜（第2-3页）

关键内容总结

理论上，投资者由于时间和精力限制，不可能全市场全面分析，因而只能重点关注少数股票，这种有限关注导致被关注股票（尤其涨跌幅排行榜上的股票）容易受到高估。A股的做空机制限制了投资者卖空，增加了买入偏好，促使涨幅榜股票出现短期溢价。

研究采用搜狗指数作为投资者关注度的代理，发现涨跌幅与关注度呈明显的U型关系（极端涨幅或跌幅股票关注度最高），且涨幅榜股票引发关注更显著。涨跌榜股票的关注度持续时间较长，但涨幅榜股票在上榜前关注度较低，跌幅榜股票则上榜前就已被关注较高。[page::2,page::3]

证据与数据

• 图1显示，跌幅榜前80名和涨幅榜前80名的股票关注度显著高于中间组。

- 图2则反映了涨跌榜股票榜单前后关注度的波动趋势，涨幅榜股票关注度激增后衰减较缓。[page::3]

---

2. 榜单股票的收益分析（第4-6页）

组合构建与表现

参考前人研究（Kumar等2018），该报告构建四类组合：

• Never：未入榜涨跌幅榜股票

- Winner：涨幅榜入榜股票，不在跌幅榜

• Loser：跌幅榜入榜股票，不在涨幅榜

- Both：同时入榜两榜股票

结果发现涨幅榜（Winner）组合明显跑输未上榜股票，跌幅榜（Loser）组合表现也较差但差异不显著，暗示涨幅榜股票的未来收益被押低，验证有限关注且做空限制导致的高估效应。[page::4]

因子构建方法

提出指数加权涨跌幅榜因子DWF及DLF，利用虚拟变量标记股票是否入榜，采用指数权重突出近期入榜情况，默认半衰期h=10交易日（代表指数权重半衰期约半个月），N取80只榜单股票。[page::4]

因子表现

• DWF（涨幅榜因子）表现优于DLF（跌幅榜因子）

- DWF在中证全指范围内RankIC达9.24%，ICIR 4.36，月度多空组合收益2.29%，夏普率2.6。

• 小市值股票表现优于大市值，中证1000中效果最显著。[page::5]

历史表现分析

2015年初至5月牛市高峰期因子经历了显著回撤，反映出高涨情绪下热门股票涨幅榜因子被高估且未来表现下降的特性。[page::6]

---

3. 因子参数稳健性分析（第6-7页）

通过调节榜单观测范围N值（60、80、100）和半衰期h（5、10、20、40），发现因子表现对这些参数的敏感度较低，但较短半衰期对应较高ICIR及多空收益，代价是提高交易换手率。报告默认参数N=80，h=10平衡稳定性与交易成本。[page::6,page::7]

---

4. 与技术类因子的关系（第7-11页）

因子列表与表现

考察10个技术类alpha因子，包括DWF、DLF、波动率（VOL）、偏度（SKEW）、特异度（IVR）、特质波动率（IVOL）、特质偏度（ISKEW）、最大收益（MAXRET）、换手对数（LNTO）和收益率（RET）。[page::8]

表现上DWF、IVR、IVOL因子强于VOL、SKEW、ISKEW等，换手率受市值调整后表现更突出。[page::8,page::9]

相关性分析

因子分为几个较为独立的组：

• 广义价格波动组：DWF、DLF、VOL、IVOL、MAXRET高度相关

- 特异度组：IVR相对独立且解释了大量特质波动率信息

• 换手率（LNTO）相关度较高但又有独立信息

- 反转因子与其他因子相关性低，体现不同alpha维度。[page::9]

因子分层分析

基于双重分层回测，结果表明：

• 控制DWF因子后，VOL和MAXRET显著失效，表明其选股效应主要源于DWF代表的关注度效应。

- 偏度因子（SKEW、ISKEW）控制DWF或IVR后也表现平淡，选股能力弱。

• IVOL因子提供了因子组合中其他因子难以替代的信息，表现稳定。

- DWF和IVR信息相对独立，控制其他因子后依然表现显著。

• DLF选股能力控制其他强因子后大幅下降，但仍不可完全被解释，说明DLF捕捉了独特alpha。

- 换手率和反转因子虽受影响，但行业市值中性化后仍残余信息。[page::10]

横截面回归剔除分析

以剔除波动率、偏度等因子组合（S0）、其他技术因子（S1）和所有大类alpha（S2）为例，DWF因子依然保持显著选股能力，表明其提供额外信息，非其他因子简单线性叠加。[page::11]

剔除DWF和IVR后，DLF和IVOL因子选股效果显著降低，换手率和反转因子依旧保持部分效能，表明DWF与IVR共同捕获绝大多数投机类alpha来源。[page::12]

---

5. 合成因子分析（第12-13页）

基于上述分析，报告聚焦四个相对独立alpha来源构建合成因子：

1. 涨幅榜单因子DWF

2. 特异度因子IVR

1. 换手对数LNTO

4. 短期反转RET

通过构建6组合成因子组合（包含原有投机因子及加入DWF、DLF后的不同组合）检验条件下的表现。结果显示，引入DWF及DLF改进了大类因子表现，但增量有限；进一步仅选取独立alpha核心指标DWF和IVR后，表现提升更明显。

2018年6月以来的多空组合净值曲线体现了C5（核心α+DWF+IVR+LNTO+RET）组合的明显超额收益。[page::12,page::13]

---

6. 风险提示（第14页）

作者明确指出，此量化模型基于历史数据，存在未来失效风险；极端市场环境亦会对因子表现带来冲击，可能导致亏损发生。[page::14]

---

7. 报告声明与免责（第15-16页）

提供了研究分析师声明、投资评级定义与量化标准、公司免责条款及研究报告的版权与使用限制，保障研究的合规性与信息透明度。[page::15,page::16]

---

三、图表深度解读

图1、图2（第3页）

• 内容：图1展示不同区间日涨跌幅股票的平均搜狗搜索指数分位数，表现出涨跌幅极端组关注度较高；图2展示涨跌榜股票榜单前后关注度变化，涨幅榜股票关注度大幅跃升，且下跌后保持较高水平。

- 解读：数据验证了有限关注理论，有极端涨跌幅股票更容易吸引投资者注意的事实，且涨幅榜股票更刺激买入兴趣。

• 意义：基础数据支撑涨跌幅榜单影响关注度与投资者行为的核心论点。[page::3]

图3（第4页）

• 内容：不同榜单组合的月均收益、夏普率及胜率对比，未上榜（Never）组合收益和风险指标均优于涨幅榜（Winner）及跌幅榜（Loser）组合。

- 解读：清晰体现涨幅榜上涨股票后续收益显著较低，支持因关注度驱动的高估后期反转理论。

• 意义：实证验证涨跌幅榜对未来收益表现的显著影响，为构建因子提供动力。[page::4]

表格汇总（第5-7页）

• 内容：涨跌榜单因子DWF和DLF在不同指数及市值分层的RankIC、ICIR、t值以及多空组合收益表现。

- 解读：强调DWF因子在小市值股票中效果更显著，ICIR等指标证明选股能力稳健，数据横跨2005-2018年，历史表现实证充分。

• 意义：为投资实践应用提供价值依据，半衰期和榜单长度参数稳健性检验增强模型可信度。[page::5-page::7]

图5、图6（第6页）

• 内容：涨跌幅榜单因子多空组合的年化对冲收益分组、月度收益序列、累计净值及回撤。

- 解读：彰显了DWF和DLF在普通市场与极端行情下的表现差异，2015年牛市高峰期因子受损明显。

• 意义：揭示市场情绪对因子表现的冲击风险，指导风险管理。[page::6]

图7、图8（第7页）

• 内容：不同N值（榜单长度）和半衰期h的DWF、DLF因子表现对比。

- 解读：因子结果对参数敏感度有限，短半衰期提升收益但增加交易频率，辅助投资者做适度交易策略选择。

• 意义：参数调节空间对策略优化意义重大。[page::7]

图9、图10（第8页）

• 内容：技术类alpha因子定义表及其表现指标。

- 解读：明确因子构成逻辑和相对优劣，突出DWF、IVR、IVOL为强因子。

• 意义：为因子组合提供基础，指导后续多因子回归及分层分析。[page::8]

图11（第9页）

• 内容：技术因子秩相关系数及IC相关矩阵。

- 解读：根据相关性确认因子集团，表明DWF与IVR相对独立，支持后续因子剔除和合成。

• 意义：因子相关性剖析是优化大类因子和减少多重共线性的关键。[page::9]

图12（第10页）

• 内容：技术因子两两分层后的多空月均收益及显著性。

- 解读：验证DWF能有效解释VOL与MAXRET等因子，偏度因子效果整体微弱，IVOL表现稳定。

• 意义：拆解因子代表的alpha来源，合理简化因子组合。[page::10]

图13、图14（第11-12页）

• 内容：多因子剔除回归分析表，剔除其它因子后的DWF选股表现，以及剔除DWF和IVR后的残差因子表现。

- 解读：证实DWF非简单叠加而成的超额信息。DLF和IVOL因子效果被DWF和IVR涵盖，换手率和反转因子依旧保留部分信息。

• 意义：证明DWF与IVR为投机类alpha的核心因子来源，指导简约有效因素选择。[page::11,page::12]

图15、图16（第13页）

• 内容：不同组合合成因子的表现及多空历史净值变动。

- 解读：引入DWF、DLF后组合表现提升明显，但边际收益有限，且接近独立核心因子DWF和IVR的提升。

• 意义：支持投资者聚焦核心独立因子构建高效组合，注意实际增强收益的局限性。[page::13]

---

四、估值与模型评估

本报告主要为量化因子研究和选股模型，不涉及传统估值（如DCF、市盈率等）分析。估值侧重于因子有效性评估，核心指标包括RankIC、IC_IR、t值、多空组合收益率及夏普率、最大回撤等财务统计量。

风险调整收益（夏普率）、胜率以及最大回撤共同评估因子稳定性与收益质量，有助于投资者理解模型风险与收益的平衡。

---

五、风险因素评估

• 量化模型依赖历史数据，未来可能失效，尤其在市场结构严重变化或极端环境下。

- 牛市情绪高涨期等极端状态可能导致因子连续大幅回撤，影响组合表现。

• 报告建议持续动态跟踪模型表现并结合市场现实调整策略。

上述风险提示增强模型适用性的现实意义，提醒投资者理性看待量化因子的适用边界。[page::14]

---

六、批判性视角与细微差别

• 虽然DWF和IVR因子能够捕捉独立且重要的alpha来源，报告也指出这些因子引入指数增强模型后收益提升有限，表明投机类因子可能在整体资产配置中占比有限，边际贡献递减。

- 注意选股因子基于历史表现，可能存在未来因市场微观结构变化或投资者行为改变带来的模型失效风险。

• 报告中提及以搜狗指数为关注度代理，考虑代理变量的有效性与代表性可能影响结论的普适性。

- 适用参数和样本期限选择虽然感知稳健，仍需谨慎评估其对未来环境和不同市场状态的适用性。

• 内部一致性较强，论点严谨，但对机构投资者和散户因子效应的区分较弱，未来研究可细分投资者类型影响。

---

七、结论性综合

本报告通过系统研究A股涨跌幅榜单股票的关注度及其对价格及未来收益的影响，建立了涨幅榜单因子DWF和跌幅榜单因子DLF，证实了基于有限关注的投资者行为导致涨跌幅榜股票未来收益递减的现象。DWF因子表现尤为优越，成为技术类alpha因子体系中的核心之一，能够显著解释多个传统波动率与波动相关指标的选股收益。

通过因子相关性分析和横截面回归，报告进一步区分了因子内部的重叠与独立信息，明确指出DWF和IVR二者构成了投机类alpha的主要独立来源，辅以换手率与短期反转补充选股维度。合成因子表现验证了添加DWF和DLF确实提升了投机类alpha的组合表现，但实际应用到指数增强模型时边际收益提升不大，表明其用途更适合专注技术类alpha策略的投资者。

图表数据整体支持报告核心观点：有限关注和做空限制导致涨幅榜股票溢价且未来收益低迷，构建的指数加权涨跌幅榜单因子具备稳定而显著的负向选股能力。报告对因子参数稳健性、分层剔除及风险警示均进行了充分论证，展现较强的研究深度和层次。

综上，报告为A股市场提供了一种基于投资者关注机制的量化选股新视角，并陈述了该因子的实证表现和实际应用挑战，对因子投资和市场行为研究均具启发意义。[page::0-14]

---

参考主要图表

| 图表编号 | 内容简介 | 关键见解 |
|---------|--------------------------------|---------------------------------------------------|
| 图1 | 不同日涨跌幅股票关注度（搜狗指数） | U型关系，涨跌幅极端股票关注度最高 |
| 图2 | 涨跌榜股票上榜前后关注度趋势 | 涨幅榜关注度激增，跌幅榜关注持续较高 |
| 图3 | 榜单组合表现（月均收益、夏普率等） | 涨幅榜股票明显跑输未入榜股票 |
| 图4-8 | 涨跌幅榜单因子DWF、DLF表现与参数敏感性 | DWF效果优于DLF，参数调整影响有限，表现稳健 |
| 图9-11 | 技术类因子定义、表现及相关性 | 投机类因子分为几大群组，DWF与IVR独立且表现优异 |
| 图12-14 | 因子分层与回归剔除分析 | DWF可解释VOL等多因子信息，DLF和IVOL信息被覆盖 |
| 图15-16 | 合成因子多空组合表现及净值曲线 | 综合因子表现提升明显，但指数增强提升有限 |

如需查看具体图表，请查阅对应页码。[page::3,4,5,6,7,8,9,10,11,12,13]

---

总结

东方证券的这份研究报告以有限关注理论切入，对涨跌幅榜股票的投资者行为与收益表现做了系统分析，创新构建的涨跌幅榜单因子展现出较强的选股能力和独立的信息内容，推动了技术类alpha因子研究的深化。其实证方法严谨，涵盖了从关注度数据、组合分析、因子设计、相关性与分层检验、回归分析和风险揭示的完整链条，具有较高的参考价值。尽管在实际指数增强层面改进有限，但对细分alpha追踪与特定策略的启发意义较大。投资者和策略开发人员宜结合自身风险偏好和投资策略需求，合理利用该因子。

---

（全文根据东方证券《A股涨跌幅排行榜效应——因子选股系列研究之四十七》报告逐页内容归纳、剖析，所有结论均源自报告本身陈述与数据，页码标注对应报告原文页码）[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]

报告