协偏度因子及计算方法 [page::4][page::5]

• 协偏度衡量个股收益对市场极端波动的敏感性，采用CSK{XYY}计算方式，基于不同历史回溯窗口（20、60、120、240日）计算因子。

- 区分上行和下行市场状态分别定义上行协偏度和下行协偏度因子，进一步构造合成因子提升选股效果。

协偏度因子选股表现分析 [page::5][page::6][page::7]

| 因子 | RankIC | ICIR | IC胜率 | 多头年化收益 | 超额夏普 | 多空年化收益 | 多空夏普 |
|-----------------|-----------|-------|---------|--------------|----------|--------------|----------|
| CSKXYY20D | -0.90% | -0.50 | 52.04% | -1.83% | 0.01 | 5.77% | 0.85 |
| CSKXYY60D | -2.07% | -1.03 | 61.22% | 0.98% | 0.65 | 9.07% | 1.26 |
| CSKXYY120D | -2.88% | -1.55 | 68.37% | 3.22% | 1.10 | 12.08% | 1.71 |
| CSKXYY240D | -3.03% | -1.61 | 63.27% | 1.77% | 0.63 | 10.39% | 1.53 |

• 以120日滚动窗口计算的CSKXYY120D因子表现最佳，多头及多空组合均表现显著超额收益。

上下行协偏度因子表现 [page::8][page::9][page::10]

| 因子 | RankIC | ICIR | IC胜率 | 多头超额年化 | 多头夏普 | 多空年化收益 | 多空夏普 |
|---------------------|-----------|-------|---------|--------------|----------|--------------|----------|
| CSKXYYUP120D | 4.95% | 2.66 | 79.59% | 3.12% | 0.74 | 12.46% | 1.60 |
| CSKXYYDOWN120D | -5.68% | -3.50 | 87.76% | 6.77% | 1.56 | 17.40% | 2.28 |
| CSKXYYUPDOWN120D| 5.99% | 3.50 | 83.67% | 6.04% | 1.36 | 17.71% | 2.23 |

• 下行协偏度因子CSKXYYDOWN120D表现最优，复合因子进一步增强回测表现。

宽基指数与市值分域测试 [page::12][page::13]

• 协偏度因子在中小市值股票池（中证1000、国证2000）中选股表现更强，沪深300等大盘股池表现相对较弱。

- 以CSKXYYDOWN120D为例，沪深300和中证500多头组合均表现出20%以上的超额收益。

行业分布及表现差异 [page::17][page::19][page::21]

• CSKXYYDOWN120D在通信、房地产、轻工制造行业表现显著，多空年化收益分别可达25.87%、19.50%、10.07%。

- 其他因子如CSKXYYUP120D、CSKXYYUPDOWN120D在不同行业亦有差异化表现，显示因子具有行业轮动属性。

因子相关性及Barra风格因子关系 [page::22][page::23][page::24]

• CSKXYYDOWN120D与CSKXYY120D及复合因子相关系数较高（约66%及-96%），表明信息较为接近。

- 协偏度因子与常见Barra风格因子相关性较低，仅与残余波动率因子相关性较高（22%-50%区间），具备较好补充价值。

因子回测净值展示（部分示例） [page::6][page::9][page::10]

• CSKXYY120D分层回测净值曲线呈明显分层，上层组合明显跑赢下层组合，体现良好选股能力。

• 上行和下行协偏度因子同样展现出显著的IC序列波动及分层收益分布。

• 下行协偏度因子回测净值表现优异，波动较平稳。

东北证券金融工程研究报告详尽分析——《股票收益的协偏度因子》

---

一、元数据与概览

• 报告标题：股票收益的协偏度因子——因子选股系列之八

- 发布机构：东北证券股份有限公司

• 发布日期：2024年3月（数据至2024年3月6日）

- 研究团队：王琦为主分析师，团队包括贾英、张栋梁、王国鑫等多位金融工程研究助理与分析师

• 研究主题：探索股票收益的协偏度因子在中国A股市场的选股能力及其定价效应，特别区分市场上下行状态的因子表现，并与传统因子做相关性分析。

核心论点：
传统的资产定价理论（如CAPM）基于正态收益分布和投资者二次效用函数的假设，难以有效解释真实市场中风险资产收益的异象。股票收益的协偏度（Coskewness）捕捉的是个股收益相对于极端市场波动的敏感度，该因子所反映的协偏度溢价可显著帮助优化投资组合。投资者偏好正偏收益且厌恶负偏收益，因此低协偏度的股票具有更高预期回报。通过实证回测，报告揭示了协偏度因子在中国A股市场呈现负溢价，且结合上下行协偏度因子表现更优，特别是在中小市值股票池中有较为稳定的超额收益。研究还包括了因子在行业和指数分域测试，以及与常用Barra因子的相关性分析。

评分和投资建议未明文提及，但通过因子稳定的选股优势，报告暗示协偏度因子具有较好的实用价值。

---

二、逐节深度解读

1. 前言与理论基础（章节1）

• 关键论点：

传统均值-方差投资理论和CAPM假设收益率服从正态分布，投资者效用函数为二次，忽略了资产收益的偏度和峰度等高阶矩特征，不能完全解释资产价格的横截面异象。通过引入协偏度（Coskewness）和协峰度等高阶矩，能够描绘投资组合在极端市场波动中的风险贡献和收益表现。

• 推理依据：

文章引用Harvey & Siddique（2000）、Dittmar（2002）等学者对高阶CAPM模型的研究，认为协偏度计量资产收益在极端波动下的联合非对称性，是投资者风险偏好的体现。在现实市场中，资产收益率普遍呈现偏斜和厚尾特征，投资者对正偏收益有偏好，对负偏收益有厌恶，导致低协偏度的资产预期收益更高。

• 重要公式：

协偏度的计算有两种形式，本文重点采用
\[
CSK{XYY} = \frac{E[(X-E[X])(Y-E[Y])^{2}]}{\sigmaX \sigmaY^2}
\]
其中 \(X\) 代表个股收益，\(Y\) 代表市场收益，体现个股对市场极端波动的敏感度。

---

2. 协偏度因子的计算与测试（章节2）

• 因子定义和计算：

利用Wind后复权收盘价，计算个股日频收益与中证全指（000985.CSI）日频市场收益，滚动计算20、60、120、240交易日协偏度因子（CSKXYY20D等）。

• 测试方法论：

样本空间为剔除ST及上市不足一年的沪深A股，调仓频率为每月末，采用Spearman Rank IC评价，行业、市值中性化，10层分层回测，无交易费用，且均为等权加权。

• 关键数据点（IC测试见表2）：

- 120日协偏度因子RankIC为-2.88%，ICIR为-1.55，IC胜率68.37%。
- 240日协偏度因子RankIC为-3.03%，ICIR为-1.61，IC胜率63.27%。
- | 负IC表明协偏度因子与未来个股收益负相关，即低协偏度股票未来表现更好。

• 回测表现（表3）：

- 120日因子多头年化超额收益4.82%，超额夏普1.10，多空年化收益12.08%，多空夏普1.71，换手率10.21倍，表现最佳。
- 240日因子多头超额年化收益1.77%，夏普0.63，略逊于120日。

• 图表解读：

图3（120日因子IC序列）显示因子IC多为负值，支撑负相关结论，图4（分层回测图）展现了在过去几年，因子优秀的多头组合净值明显优于其他层级，体现选股效力。

---

3. 市场上下行区分的协偏度因子（章节3）

• 理论基础：

投资者在极端上行和下行市场的风险承受能力及偏好不同，协偏度因子应分别计算市场涨跌时个股对极端市场波动的敏感度。定义了上下行协偏度因子（CSKXYYUP120D、CSKXYYDOWN120D）及其复合因子（正交化并Zscore后相减）。

• IC测试与回测结果（表5 - 表6）：

- 120日上行协偏度因子RankIC 4.95%，ICIR 2.66，IC胜率79.59%；分层多头超额收益3.12%，多空年化收益12.46%，表现优于普通协偏度因子。
- 120日下行协偏度因子RankIC -5.68%，ICIR -3.50，IC胜率87.76%；分层多头超额收益6.77%，多空年化收益17.40%，表现更优。
- 复合因子CSKXYYUPDOWN120D表现最佳，RankIC 5.99%，ICIR 3.50，享有6.04%的超额年化回报，多空年化收益17.71%，多空夏普2.23。

• 图表解读：

图7至图12等IC序列图及分层回测图显示，上下行协偏度因子及其复合因子均展示稳定的 IC 和稳健的累计回报曲线。

• 240日窗口的结果基本一致，证明了结果的稳健性。

---

4. 因子分域测试及相关性（章节4）

4.1 宽基指数测试

• 在沪深300、中证500、中证1000、国证2000不同股票池测试四个因子，发现因子在中小市值股票池中表现更佳。
• 关键数据总结（表7）：

- CSKXYY120D在国证2000因子表现最强，RankIC约-3.54%，多头超额年化5.63%，多空收益11.06%。
- CSKXYYDOWN120D在各指数中表现均优于其他因子，多空年化收益最高达17.10%。

• 图19-34的IC序列及分层回测图均显示，下行协偏度因子在2021年后在沪深300及中证500等主流指数中有效性显著增强。

4.2 行业分层测试

• 因子在30个中信一级行业广泛测试，均表现较为有效。

- 各因子表现最优的行业：
- CSKXYY120D：综合金融、轻工制造、通信
- CSKXYYUP120D：有色金属、综合金融、纺织服装
- CSKXYYDOWN120D：通信、房地产、轻工制造
- CSKXYYUPDOWN120D：通信、房地产、有色金属

• 超额年化收益及多空收益均达到4%~20%不等，表明因子行业广泛适用且有定价能力。
• 图35-42及表8-11直观展示各行业的收益贡献及夏普率。

4.3 因子与风格因子相关性

• 因子间相关矩阵（图43）：

- CSKXYYDOWN120D 与 CSKXYY120D 相关度较高（0.66），与复合因子负相关（-0.96），显示因子间信息差异。
- 上行协偏度因子与下行协偏度因子呈现显著负相关。

• 与Barra风格因子秩相关（表12）：

- CSKXYY120D与一般传统因子相关性较低，意味着其信息增量大。
- 与残余波动率（RESVOL）的相关性较高，特别是上行、下行协偏度及复合因子相关系数分别为-45.88%、46.12%、-50.95%，体现因子捕捉的是与残余风险相关的独特风险信息。

• 图44展示了因子与Barra风格因子相关性的时序变化，有助判断因子与主流因子的动态关系。

---

5. 总结（章节5）

• 传统均值-方差架构及CAPM对风险定义及估值存在局限，协偏度因子作为高阶风险量度，能更好地刻画个股与极端市场风险的关系。
• 实证显示，股票收益的协偏度因子在中国A股市场存在显著负溢价，体现投资者对极端风险的定价。

- 基于120日的协偏度因子表现优异，月频RankIC为-2.88%，十分层多头超额年化收益近5%，多空组合年化收益12%。
- 基于极端下行市场的下行协偏度因子表现更强，达到6.77%超额年化收益，多空收益17.4%。

• 协偏度因子在不同股票池和行业中均表现稳健，尤其在中小市值股票和通信、房地产及轻工制造行业表现突出。
• 协偏度因子与传统Barra因子相关性较低，尤其与残余波动率表现较强相关，表明其补充了主流因子模型，具备明显的信息增益价值。

---

6. 风险提示（章节6）

• 研究基于历史数据和模型推断，主要风险包括：

- 海外市场波动及不确定性风险
- 宏观经济及政策变化风险
- 量化模型失效风险，尤其市场结构或行为发生变化导致因子失效。

---

三、图表深度解读

1. 下行协偏度因子回测净值与IC测试（报告摘要及章节2，图像和表格）

• 描述：图示了2016-2024年间下行协偏度因子分层回测净值曲线，数据表汇总了协偏度及上下行协偏度因子的Rank IC、ICIR和IC胜率。
• 数据解读与趋势：

- 下行协偏度因子表现优异，IC指标为负值（代表负协偏度对应正收益），其中IC胜率87.76%，ICIR高达-3.50，显示统计效果稳定显著。
- 复合因子（正交后综合因子）同样表现亮眼，ICIR 3.50，IC胜率达83.67%。
- 图中多条分层净值曲线（十层分组）清晰反映了因子的选股能力，顶层（layer0）明显领先，底层（layer9）表现较差。

• 联系文本：图表充分支持报告关于协偏度因子具有稳定选股功效及负溢价理论的论断。

• 表1、2、3明确因子名称及测试指标，支撑因子构建的科学性。

2. CSKXYY_120D和240D因子表现（图3-图6）

• 图3和图5中的IC条形图，120D与240D因子均显示负IC值占优，且重点选股回测净值曲线（图4、图6）反映具有持续增值能力，120D净值曲线的多头层表现优于240D，但240D在整体IC表现稍好。
• 图像展示因子稳定且具预测力。

3. 上下行协偏度因子(IC及回测，图7-图18)

• 上行协偏度因子（图7-8）和下行协偏度因子（图9-10）均展示良好选股能力，下行因子优势更明显。
• 复合因子（图11-12）进一步强化了选股稳定性和收益规模。
• 240日版本（图13-18）结论一致，验证了因子的稳健性。

4. 因子在不同指数中的IC及回测（图19-34）

• 选股效果在中小市值指数（中证1000、国证2000等）表现出更高的IC绝对值和更显著的收益溢价。
• 主流指数（沪深300、中证500）近年IC及收益也明显提升，特别是下行协偏度因子，支撑投资者关注大盘股票中的极端下行风险。

5. 行业因子效果及表现（图35-42）

• 超额年化收益和多空收益柱状图清楚展示不同行业中各因子的表现差异。
• 通信、房地产、轻工制造和综合金融等行业的协偏度因子表现尤为突出。

6. 因子相关性（图43）

• 热力图表明，下行协偏度与普通协偏度有较高正相关，复合因子与下行因子的高度负相关说明复合因子反映了方向性差异。

7. 因子与Barra风格因子相关性时序图（图44）

• 时序图揭示了因子与主流风格因子关联的动态走向，使投资者了解因子风险敞口的时间变动，辅助组合管理。

---

四、估值分析

本报告聚焦因子构建和选股效能，没有涉及具体公司的估值分析，也未采用DCF、P/E等传统估值模型。研究的重点是协偏度因子在风险定价和选股模型中的表现。

---

五、风险因素评估

报告识别了以下风险：

• 市场波动风险：国内外经济波动可能扰动因子信号的稳定性。

- 政策风险：宏观政策变动可能影响市场结构，有可能使因子失效。

• 模型风险：因子建立基于历史数据，可能存在过拟合风险及未来市场结构调整导致的模型失效。

报告整体未给出具体缓解措施，但研究团队作为专业金融工程研究人员，提示投资者需警惕模型适用性和风险控制。

---

六、批判性视角与细微差别

• 理论假设的局限性：报告承认传统CAPM等模型假设不完全成立，因子模型依赖的协偏度计算同样依赖历史收益窗口，并未充分讨论极端市场环境变化带来的潜在断层。
• 负Rank IC的解释：因子表现以负IC呈现，表明低协偏度股票收益更好，报告合理解释了这种“逆向”的风险收益关系，但对于为何部分行业或不同市场时段内IC表现会波动，则未深入探讨。
• 交易费用与换手率：报告未考虑交易成本，双边换手率较高（10倍左右），实际运营中可能对策略净收益造成压缩。
• 因子交互和多因子组合集成：尽管进行了与Barra因子的相关性分析，但报告未深入探讨多因子集成策略的性能表现与因子选择机制。
• 外部验证：研究结果主要基于A股，缺少跨市场的对比验证，限制了因子效果的普适推广。

---

七、结论性综合

东北证券金融工程团队的最新研究，系统阐述了股票收益的协偏度因子的理论基础、构建方法及在中国市场的实证表现，提供了多维度、多时间窗口和风格分布的详尽数据支持，具备较高的学术贡献与投资指导价值。

主导发现包括：

• 协偏度因子呈显著的负溢价特征，意味着投资者愿意为低协偏度（即对极端市场波动敏感度较低的资产）支付溢价，从而未来获得超额收益。

- 区分市场上下行的协偏度因子表现更佳，尤其是下行协偏度因子，多空组合年化超额收益率达到约17.4%。

• 因子在中小市值股票池、部分行业（通信、房地产、轻工制造）表现突出，2021年以来效力提升明显。

- 协偏度相关因子与传统Barra风格因子相关性普遍较低，提供了显著的信息增量，尤其与残余波动率相关性较强。

• 因子换手率较高，实际应用需结合交易成本及市场流动性优化。

- 风险提示包括市场波动、政策变化和模型失效，展示了学术严谨性。

综合来看，协偏度因子为捕捉极端市场风险相关的资产定价提供了有效工具，尤其适用于量化选股和多因子组合构建。报告通过丰富的图表和数据，明确揭露了因子结构、市场表现及行业特征，为量化投资者提供了宝贵的因子选股思路和实证依据。

---

以上分析涵盖报告全文至重要图表和数据，结合理论、实证和方法论细节，力求全面、准确呈现报告精髓与研究价值[page::0,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26].

报告