投资者对波动率模糊性的厌恶及“云开雾散”因子构建逻辑 [page::0][page::3]

• 波动率的波动性定义为模糊性，投资者对模糊性有明显厌恶，表现为模糊性高时急于卖出股票，导致价格被压低，从而形成反应过度现象。

- 通过三个指标衡量模糊性对成交行为的影响：模糊关联度、模糊金额比和模糊数量比。

• 引入修正模糊价差因子，识别由于基本面恶化导致的非理性卖出，剔除重大利空扰动，提高策略稳定性。

因子定义及选股效果测试 [page::5][page::6][page::7][page::8][page::9][page::10][page::11]

| 因子名称 | Rank IC | Rank ICIR | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤 |
|----------------|---------|------------|-------------|------------|-----------|-----------|
| 模糊关联度因子 | -9.52% | -4.15 | 26.91% | 2.95 | 78.95% | 5.93% |
| 模糊金额比因子 | -7.33% | -4.47 | 26.45% | 3.17 | 81.58% | 6.94% |
| 模糊数量比因子 | -7.28% | -4.45 | 26.21% | 3.15 | 80.70% | 7.09% |
| 模糊价差因子 | -8.31% | -4.67 | 28.95% | 3.51 | 84.21% | 5.68% |
| 修正模糊价差因子| -8.50% | -4.39 | 27.63% | 3.08 | 81.58% | 6.82% |
| 云开雾散因子 | -9.81% | -4.48 | 30.89% | 3.29 | 82.46% | 6.50% |

“云开雾散”因子剥离风格因子影响后依旧有效 [page::13]

• 与流动性、波动率、估值和盈利等因子相关性较高，剔除这些常见风格因子后测得“纯净云开雾散”因子仍表现稳定。

- 纯净因子年化收益13.38%，信息比率2.17，显示因子具备增量选股能力。

适用样本空间及回测结果多样性 [page::14][page::15]

• 在沪深300、中证500、中证1000成分股中，因子月度频率均显示良好选股能力，年化超额收益分别达到5.75%、6.39%、10.59%。

- 这些结果表明因子适用广泛，对不同规模股票市场均有较强预测能力。

结论与风险提示 [page::0][page::16]

• 投资者对波动率模糊性的厌恶形成了可量化的多因子投资因子“云开雾散”，有效捕捉市场反转机会。

- 但因子基于历史回测，未来可能失效，市场以及环境的变化将带来风险，需要动态监测。

方正证券研究报告：《波动率的模糊性与投资者模糊性厌恶多因子选股系列研究之五》详尽解析

---

一、元数据与概览

• 报告标题：《波动率的模糊性与投资者模糊性厌恶多因子选股系列研究之五》

- 发布机构： 方正证券研究所，金融工程研究团队

• 发布日期： 2022年8月4日

- 分析师： 曹春霖（登记编号：S1220522030005）

• 主题： 本文聚焦“波动率的模糊性”及其对投资者行为的影响，基于高频分钟数据构建选股因子“云开雾散”，研究投资者对波动率模糊性的厌恶及其对流动性影响，提出多因子选股体系。

- 核心论点：
- 波动率本身存在波动，使用波动率的波动率（即模糊性）可有效刻画股票风险的不确定性。
- 投资者对波动率的模糊性表现出厌恶，当模糊性较大时急于抛售股票，导致折价出售以及流动性成本。
- 通过三个相关因子（模糊关联度、模糊金额比、模糊数量比）的构造及其差异分析，展现投资者厌恶模糊性的行为逻辑。
- 构建“云开雾散”复合因子，在中国市场多样样本中表现稳健、优异，具备有效的选股能力。

• 投资评级与目标价： 本报告未直接涉及具体个股评级或目标价，重点在于量化因子的学术与实证研究。

本报告旨在通过深度剖析波动率模糊性与投资者行为之间的关系，为量化投资者在选股中提供一条新的因子思路和策略参考，强调模糊性厌恶对流动性的影响和因子构建的创新性。

---

二、逐节深度解读

1. 引言

• 关键论点：

波动率通常用作风险度量指标，其本身存在波动（称为模糊性）。投资者对这种模糊性表现出明显的厌恶。当模糊性较大时，投资者急于卖出股票，导致风险资产配置减少。

• 推理依据：

引用Kostopoulos等(2021)提出的模糊性概念，使用分钟频率数据进一步验证。采用三种方式测度投资者的厌恶强度，基于成交量和成交金额的相关指标。

• 关键数据：

三种衡量模糊性时，第二种（模糊性大时分钟成交金额占比）和第三种（模糊性大时分钟成交量占比）相关性极高，超过99.9%。这表明成交金额和成交量在考虑模糊性影响时极为接近。

• 逻辑推断：

两指标的细微差异（约0.1%）代表投资者卖出时的急切程度，即流动性成本。模糊性大时，若成交金额比少于成交量比，说明挂单价格偏低，存在价格过度反应，后续可能补涨。

• 创新点：

基于上述逻辑，本文构建“云开雾散”因子，预判被模糊性折价卖出的股票后续上涨潜力。[page::0, 3]

2. “云开雾散”因子构建及选股效应测试

2.1 个股的模糊性

• 定义：

模糊性为“波动率的波动率”，即以股票每分钟收益率计算滚动标准差得到波动率，再对波动率序列计算滚动标准差得到模糊性，用五分钟和九分钟窗口分别计算。

• 处理细节：

剔除开盘及收盘数据，仅保留日内数据。

• 趋势展示（图表1）：

位于沪深300、中证500、中证1000及中证全指，日内模糊性从开盘逐步下降，下午开盘短暂反弹。

• 异质性案例（图表2）：

贵州茅台和宁德时代同一天的模糊性波动不同，宁德时代下午模糊性反而高于上午，显示个股层面模糊性变化差异显著。

• 模糊性解释（图表3）：

对宁德时代某日，股价、波动率和模糊性均标准化展示，发现模糊性升高时通常出现在股价走势由持续趋势切换为波动或反转阶段，说明投资者在此类行情中策略选择难度加大进而厌恶。

• 总结：

模糊性刻画了投资者决策时的不确定性和困惑，成为行为因子的理论基础。[page::3,4,5]

2.2 - 2.5 模糊关联度、金额比、数量比因子构建及分析

• 因子构建方法：

1）模糊关联度：计算模糊性与成交金额的分钟相关系数，取过去20日均值和标准差合成。
2）模糊金额比：模糊性大于当日均值时成交金额与整体成交金额均值比。
3）模糊数量比：模糊性大时成交量与总体成交量均值比例。
4）“模糊价差”因子：用模糊金额比减去模糊数量比，体现成交价格的折价效应，揭示流动性成本。

• 实证检验：

所有因子在全A市场2013-2022年数据测试显示显著的负Rank IC（-6%到-9%区间），信息比率3以上，年化收益率均超过20%，选股效果突出。多空对冲净值走势图显示分组差异明显，逻辑清晰。

• 特别分析（图表10）：

模糊金额比与模糊数量比高度相关（99.96%），但微小差异揭示了价格因素的作用，这种差异即构成了“模糊价差”因子。

• 总结逻辑：

这三类因子分别从相关性、金额和数量角度量化投资者对模糊性的不同响应，通过差异反映投资者卖出价格压力和流动性折价，从而捕捉未来价格反转潜力。[page::6,7,8,9,10]

2.6 “修正模糊价差”因子的构造

• 问题识别：

简单的“模糊价差”因子未充分区分重大利空导致的价格下跌与投资者反应过度导致的价格折价。

• 改进逻辑：

利用过去10天“日模糊价差”标准差衡量波动稳定性。若波动较大，说明可能重大利空；波动稳定则暗示持续反应过度。

• 构造步骤详尽，结合三点分组统计及标化处理，以维持行业市值中性化。

- 效果提升：
新因子Rank IC提升至-8.5%，收益率近28%，信息比率达3以上，优于原因子，表现更加稳健可靠。表现分组的净值走势同样稳健提高。

• 总结：

修正因子有效过滤潜在“坏”反应因子，增强了选股因子的质量和预测能力。[page::10,11]

2.7 “云开雾散”因子整合与表现

• 定义：

“云开雾散”因子为模糊关联度、模糊金额比、修正模糊价差三个因子等权合成。

• 表现优异（图表15-17）：

- Rank IC高达-9.81%，信息比率3.29，年化收益率30.89%，月度胜率82.46%。
- 十分组收益分布单调，排名第一组收益高达737.78%，而第十组亏损-46.32%。
- 多空对冲组合表现稳定且高收益，具备强烈的实用价值。

• 年度表现（图表18）：

因子各年度表现均显著，分组间表现单调性强，展现可持续性。部分年份存在收益下滑，符合市场变化及基本面波动。

• 结论：

因子表现持续、稳健，是多因子选股中的强因子。[page::11,12,13]

2.8 剥离常见风格因子影响

• 因子相关性（图表19）：

“云开雾散”与流动性、波动率、估值、盈利等风格因子相关性较高。

• 残差因子测试（图表20-21）：

在剥离常用风格及行业因子影响后，残差因子“纯净云开雾散”依然显示良好选股能力，Rank IC大约-3.95%，年化收益率约13.38%，信息比率2.17，表现优异。

• 解析：

说明“云开雾散”提供了除传统风格外的增量信息，具有独立价值。

• 意义：

为因子组合提供了增厚alpha的有效途径。[page::13,14]

2.9 “云开雾散”因子在不同市场样本中的表现

• 样本涵盖： 沪深300、中证500、中证1000成分股

- 综合统计（图表22-23）：
- 因子在不同规模股票中均有效，尤其在中证1000小盘股表现最好（Rank IC -9.39%，年化收益率近28%），中证500和沪深300亦显著。
- 多头超额收益分别达6.12%、5.17%和12.11%，均优于市场平均水平。

• 多空组合走势（图表24-25）：

不同指数成分股多空组合净值和超额收益均体现出分层表现和稳健上涨趋势。

• 说明：

因子具备较强的跨市场适用性和稳定的风险调整后收益。[page::14,15]

2.10 因子间相关性分析

• 统计结果（图表26）：

- 模糊金额比和模糊数量比几乎完全相关（99.93%）。
- 模糊价差与修正模糊价差高度相关（90.77%），拥有较好的内部一致性。
- 模糊关联度与其他因子相关度中等（35%-60%），表明其信息独立性相对较强。

• 结论：

因子整体保持合理相关性，有利于复合因子的多样化和有效性提升。[page::15]

3. 风险提示

• 根据报告内容，主要风险包括：

- 历史数据及规律存在未来失效风险。
- 市场可能发生超预期变化，影响因子表现。
- 驱动因子受市场环境阶段性影响可能失灵。

• 报告未明示具体缓解措施，但警示投资者投资时需关注上述风险。[page::16]

---

三、图表深度解读

图表1 - 主要指数日内模糊性时序变化图

• 展示沪深300、中证500、中证1000和中证全指在日内分钟（10至240分钟）模糊性的平均值。

- 走势显示开盘后模糊性高，逐渐下降，下午开盘短暂反弹，符合市场开盘波动大，尾市趋稳的典型特征。

• 支撑了模糊性随时间变化的动态特征，提高了模糊性量化的实证有效性。[page::4]

图表2 - 贵州茅台与宁德时代2022-07-29日内模糊性

• 展示两个龙头个股日内模糊性波动。

- 贵州茅台表现模糊性较低且波动有限，宁德时代模糊性波动大且下午高于上午，说明模糊性具有较强个股异质性。

• 反映模糊性不仅依赖市场整体，更受特定个股供求和消息影响。[page::4]

图表3 - 宁德时代2022-07-19日内收盘价、波动率与模糊性

• 标准化展示三条时间序列。

- 观察到价格由上升趋势进入波动或由波动进入下降趋势时模糊性增加，表明投资者对趋势转折点感到不确定。

• 图证实模糊性捕捉投资者情绪及策略难以决断时的行为反应点。[page::5]

图表4-14 各模糊性因子测试及其净值表现

• 这些表格和图表系统展示了模糊关联度、金额比、数量比、价差及修正价差因子的细节表现。

- Rank IC均为负，说明因子预期收益与风险方向相反（价值型策略特征），信息率均较高（多为3以上，极具统计显著性）。

• 多空对冲净值曲线各因子整体呈单调上行，分组表现明显，有效区分好坏股票。

- 修正模糊价差相比原价差表现更好，体现因子的优化成果。[page::6~12]

图表15-17 “云开雾散”因子核心展示

• 整合因子后，表现优越，年化收益超30%，月度胜率超过80%，信息比率超3，表明因子稳健而有效。

- 分组累积收益及净值走势显示强烈的分层优势。

• 因子效果稳定性和实用性突出。[page::11,12]

图表18 分年度表现

• 因子在2013-2022年多数年份呈现强势分组累积收益，分层显著（前九组均为正收益，最低组负收益）。

- 2016和2017年表现相对较弱显示因子周期轮动性和风险，但整体长期有效。[page::13]

图表19-21 风格剥离后因子表现

• 图表19展示因子与常见风格因子相关性，存在一定相关但不完全重叠。

- 图表20和21为剥离风格因子后纯净因子，仍保持较强负Rank IC (约-4%)，以及13%以上年化收益。

• 说明“云开雾散”因子具备独立性和增量alpha。[page::13,14]

图表22-25 不同市场样本空间的表现

• 在沪深300、中证500、中证1000因子均显示稳定、显著的选股能力，尤其在中证1000更为强劲，符合小盘股波动较大，模糊性反应更加敏感的预期。

- 多空净值和超额收益持续正向，有利于实盘构建多样化策略。[page::14,15]

图表26 因子间秩相关系数

• 量化因子间秩相关系数矩阵显示模糊金额比与模糊数量比极高相关（近100%），模糊价差稍低但仍高相关，修正价差与价差关系较强。

- 模糊关联度和模糊金额比、数量比关系较弱，因子彼此补充性好，设计合理。[page::15]

---

四、估值分析

本报告侧重于因子构建与实证分析，未涉及具体的个股估值模型，如DCF或PE估值分析，故无估值部分内容。

---

五、风险因素评估

• 历史规律失效风险： 因子基于历史大样本数据，在未来可能因市场变化失效。

- 市场超预期变化风险： 宏观环境、监管政策或流动性紧张可能导致因子表现波动。

• 因子阶段性失效风险： 驱动因子例如波动率与成交量的关系会因市场条件变化而阶段性波动。

- 报告未提具体减缓策略，投资者需留意宏观及市场环境。[page::16]

---

六、批判性视角与细微差别

• 方法与数据依赖： 因子基于分钟频率数据计算，数据质量和处理复杂度高，实际应用时需注意模型运算成本及数据稳定性。

- 因子表现异质性： 个股层面模糊性的异质性显著，模糊性高低及其影响对不同股票不同，可能导致策略在不同市场环境表现差异。

• 相关性高但非完全冗余： “模糊金额比”和“模糊数量比”高度相关，实际效用重合度较高，需警惕因子冗余风险。

- 反转逻辑与风险： 因子依赖投资者过度反应假设，异常价格补涨推断存在一定假定，若市场长时间无反转则策略承压。

• 润色修正因子含义需谨慎： “修正模糊价差”因子通过标准差调整剔除坏事件影响，但门槛和调整参数可能影响结果，需要实证验证其稳健性。

- 缺乏实盘检验与交易成本考虑： 或因高频反应构建，未充分讨论交易成本及市场冲击，实盘有效性有待补充。
总体，报告较为严谨但仍受限于理论假设和历史样本推断。[全文综合]

---

七、结论性综合

本报告通过深度研究波动率的模糊性这一创新风险维度，揭示了投资者对模糊性的普遍厌恶行为及其对市场流动性产生的价格扭曲效应。基于分钟级高频数据，构建了包括“模糊关联度”、“模糊金额比”和“模糊数量比”，以及体现流动性成本的“模糊价差”“修正模糊价差”等多个因子。这些因子在全A范围及不同市场子集（沪深300、中证500、1000）均显示出稳定、显著的负Rank IC与高年化收益率，强烈支持其作为选股工具的有效性。

综合三个子因子等权合成的复合因子“云开雾散”，表现更加出色，年化收益率超过30%，信息比率超3，月度胜率高达82.46%，并且在剔除传统风格因子影响后仍具备显著的选股能力，证明该因子蕴含独特的投资价值。年度分组收益与净值表现显示该策略的持续性和稳健性。

图表解读显示日内及历史时序模糊性的异质表现，个股层面差异明显，投资者在不同阶段对模糊性的反映复杂，构造方法紧扣市场微观行为心理，因子设计合理且具有经济解释力。

风险方面，应警惕因子历史表现未来失效、因市场环境急剧变化导致策略阶段失效、及流动性成本高企对实盘交易的限制。实用中需结合交易成本和动态调整。

总体而言，本研究为量化选股提供了基于“波动率模糊性”角度的新范式，强化了市场微结构与行为金融交叉的前沿探索，具备较高学术与实操价值，对投资者捕捉价格反应过度和流动性折价机会提供了科学工具与新视角，值得在量化组合中深入应用与进一步验证。

---

（全文引用版面请参照报告页[page::0~16]）

# End of analysis.

报告