APM因子背景及定义 [page::0][page::1][page::4]

• APM因子基于日内股价上午与下午残差差异，反映知情交易者的多空态度。

- 通过剔除市值、动量等九大风格因子和申万一级行业风险暴露，获得纯净APM因子（PureAPM）。

• 具体采用40组收益率数据进行回归，取残差差值为原始指标，进一步对动量因子做截面回归提纯。

纯净APM因子绩效表现 [page::1][page::2][page::3]

• 样本内（2013.4.30-2016.9.30）多空累计收益68.7%，年化收益16.6%，信息比率3.75，最大回撤5.01%，月度胜率80.5%。

- 样本外（2016.9.30-2017.6.30）多空累计收益7.82%，年化10.6%，信息比率3.54，最大回撤1.21%，月度胜率88.9%。

• 回测显示该因子具备持续稳定的选股能力和较低的风险暴露。

多市场与指数成分的测试结果 [page::3]

• 在中证500和沪深300成分股中，APM因子维持良好收益特征，表明因子具有广泛适用性。

性能统计对比表 [page::3]

| 绩效指标 | 样本内绩效 | 样本外绩效 | 全样本绩效 |
|------------|------------|------------|------------|
| 年化收益 | 16.6% | 10.6% | 15.5% |
| 年化波动 | 4.42% | 2.99% | 4.18% |
| 信息比率 | 3.75 | 3.54 | 3.69 |
| 最大回撤 | 5.01% | 1.21% | 5.01% |
| 收益回撤比 | 3.30 | 8.75 | 3.08 |
| 月度胜率 | 80.5% | 88.9% | 82.0% |

APM因子月度表现及RankIC [page::5]

• 因子月度RankIC表现稳定，部分月份IC值显著为正，说明因子具备良好排序能力。

- 不同分组多空对冲收益呈明显分层，因子有效捕捉收益差异。

量化策略核心实现流程 [page::4]

• 以20个交易日前后分别上午和下午的残差差异构造指标，再横截面回归剔除动量影响。

- 每月底按纯净APM因子值排序，将股票分为五组做多最高组、做空最低组，构建多空对冲组合。

• 持续滚动调仓，考虑流动性和交易成本，保证因子策略实用与稳健。

风险提示 [page::0][page::5]

• 量化因子基于历史数据，存在未来市场政策、结构变化风险。

- 因子表现不保证未来持续稳定。投资需结合多因子及风险控制体系。

凤鸣朝阳，余音不绝——方正证券APM因子绩效回顾报告详尽分析

---

一、报告元数据与概览

• 报告标题：凤鸣朝阳，余音不绝——APM因子绩效回顾（2017上半年）

- 发布机构：方正证券研究所

• 发布日期：2017年7月1日

- 报告主题：金融工程领域，重点围绕方正金工团队提出的基于“日内股价模式”构建的APM选股因子，涵盖因子构造、提纯、绩效回顾及风险提示。

• 主要作者：魏建榕（高级分析师）、高子剑（金融工程首席分析师）、陈实（联系人）

核心论点：

报告探讨了股价“上午价格行为”相对于“下午价格行为”蕴含更多有价值选股信息的现象，基于此原创构建了APM因子。APM因子经过剥离行业和风格风险因子后的“纯净APM”（PureAPM）在样本内及样本外均展现了稳健且显著的多空对冲收益，证明了该因子的有效性和可持续性。报告还对该因子构造的技术细节进行了详细阐述，并提供了多个重要绩效指标如年化收益、信息比率、最大回撤等数据支持，并提醒用户量化模型成果基于历史数据，未来市场可能发生不确定变化。[page::0, 1]

---

二、逐节深度解读

2.1 报告摘要与研究背景

• 关键论点：安徽凤鸟于朝阳初鸣，象征“美好的事物发生于早晨”，方正金工发现股价日内表现分上午和下午，上午股价涨跌更能反映知情交易者的多空态度，这为选股创造了新的角度。

- 表述逻辑：市场存在知情交易者倾向于上午交易，利用日内时间段差异构建因子，以捕捉股价信号。

• 关键数据：

- 样本内（2013.4.30-2016.9.30）：多空累计收益68.7%，年化收益16.6%，信息比率3.75，最大回撤5.01%，收益回撤比3.30，月度胜率80.5%。
- 样本外（2016.9.30-2017.6.30）：多空累计收益7.82%，年化收益10.6%，信息比率3.54，最大回撤1.21%，收益回撤比8.75，样本外9个月中仅1个月负收益。

• 风险提示：量化模型基于历史数据，未来市场可能变化影响绩效。[page::0]

2.2 APM因子的提纯（第1章）

• 关键论点：传统因子受市值因子负向暴露影响，因子收益长期获得市值支撑，造成因子失效或脆弱。APM因子通过横截面回归，剥离风格因子及申万一级行业暴露，提取纯净因子，提高因子本质的解释力和稳定性。

- 方法论细节：
- 回归方程：
$$
\mathrm{APM}i = \sum \betap S{ip} + \sum \deltaq I{iq} + \text{PureAPM}i
$$
其中，\(S{ip}\)为9大风格因子暴露（Beta、动量、盈利、成长、价值、杠杆、规模、波动、流动性），\(I{iq}\)为行业暴露，残差即为纯净APM。

• 逻辑阐释：剥离其他风格和行业因子后，剩余绩效归因于APM因子自身信号，提高因子研究的真实含义和投资价值。

- 纯净APM绩效表现：
- 样本内：多空累计收益68.7%，年化16.6%
- 样本外9个月跟踪：多空累计收益7.82%，年化收益10.6%，信息比率及最大回撤均优，表现稳健。[page::1]

2.3 绩效图表详解（第2章）

• 图表1（纯净APM因子多空收益曲线）：图中蓝色线为样本内累计收益，红色线为样本外表现，右轴为最大回撤。收益曲线整体平稳向上，最大回撤集中在样本内某些时间段，样本外保持极低回撤水平，说明因子稳定性高，具有抗风险能力。

- 图表2（每月IC值）：IC（信息系数）代表因子排序与后续收益的相关性，柱状图显示大多数月份IC为正，且样本外依然保持正值，说明APM因子在预测股价排序方面具有有效性。

• 图表3（每月多空对冲收益）：呈现因子在每个月的盈利能力，绝大多数月份均录得正收益，负收益月度稀少，表现出持续稳定的选股能力。[page::2]

2.4 统计绩效数据及不同市场表现（第3章）

• 图表4（绩效统计表）：

- 年化收益全样本15.5%、年化波动4.18%、信息比率3.69，最大回撤5.01%，收益回撤比3.08，月度胜率82%，显示稳健且优秀的绩效。
- 样本外收益回撤比为8.75，表现尤为亮眼。

• 图表5-6 针对中证500和沪深300成分股的多空收益曲线，均呈现持续上涨趋势，样本外继续稳健延续，证明APM因子在不同规模与流动性市场均具备普适性。

- 结论：APM因子的稳健性和普适性获得多层面验证。[page::3]

2.5 APM因子构造逻辑及模型说明（第4章）

• 因子构造流程：

1. 对过去20个交易日的股票上午和下午收益率分别回归对应指数收益率，提取残差ε；
2. 计算上午残差与下午残差的差值δ，量化上午与下午价格行为差异；
3. 设计统计量stat衡量该差异的显著度；
4. 由于stat与动量因子的强正相关，进一步对stat进行动量因子剔除，回归残差定义为APM因子。

• 逻辑意义：APM因子数值越大，表明知情交易者更倾向于做多该股，数值越小意味着做空倾向。

- 多空对冲绩效指标（回测期间2013.4.30-2016.9.30）：
- 年化收益20.5%
- 信息比率2.47
- 最大回撤9.26%
- 月度胜率65.9%
- 收益回撤比2.21

• 实操规则：

- 每月调仓，等权多空五等分组
- 剔除ST股和上市未满60日新股
- 交易费用双边0.3%
- 涨跌停及停牌情形下调整买卖策略以保证组合可操作性。[page::4]

2.6 因子有效性指标（第5章）

• 图表7呈现RankIC的月度序列，RankIC是预测订单排名的相关系数，数值主要为正，体现APM因子对未来排行预测有显著正向能力，个别月份发生负值但总体波动不大，符合因子本身的稳定性。

- 图表8展示根据APM因子排序的五个等分组收益走势，第五组（因子值最大）收益远超第一组（因子值最小），第五组与第一组的收益差距（右轴虚线）稳步扩大，表明因子具有良好的分组区分能力和收益穿越能力。

• 补充注释：更多细节请参照方正金工之前专题研究报告（20161015）[page::5]

2.7 风险提示与免责声明（第6章）

• 报告明确量化模型基于历史数据，未来市场结构可能改变，影响因子表现。

- 免责声明细致，强调数据来源公开合规、分析基于职业判断，提醒投资者风险自负。

• 标注分析师投资评级说明，明确评级表达未来6个月股价或行业表现预测区间，体现报告的投资指导原则。

- 合规披露公司可能持仓报告提及证券，防范利益冲突。[page::6]

---

三、图表深度解读

3.1 纯净APM因子多空收益曲线（图表1&5&6）

• 说明：横轴为时间（年月），纵轴为累计收益（左轴蓝色和红色线）、最大回撤（右轴棕色柱状）。

- 解析：
- 样本内阶段（蓝色线）收益稳步攀升，说明因子在训练期表现优异且平稳。
- 样本外阶段（红色线）延续了良好趋势，回撤幅度明显下降，表现更加稳健。
- 最大回撤主要分布在2015年中期至年底，期间波动增大，可能受当时市场调整影响。

• 结论：图形支持因子稳定、持续盈利能，经得住样本外测试验证，风险控制表现良好。

3.2 纯净APM因子月度IC（图表2）

• 说明：柱状图展示每月的IC值，反映因子预测的有效性强弱。

- 解析：
- CC指数正值月度占大多数，证实因子具备稳定的预测能力。
- 负值月份稀少且幅度有限，表明因子间断性失效风险较低。

• 结论：IC走势验证因子有效捕捉未来股票表现，特别是在样本内持续有效，样本外大体保持稳定。

3.3 纯净APM因子月度多空收益（图表3）

• 说明：每月多空对冲收益柱状图，展示因子每月贡献的收益。

- 解析：
- 大部分月份收益为正，少数负收益且幅度较小。
- 说明因子多空对冲策略具有较好的盈利持续性和控制风险能力。

• 结论：收益柱状图形态强化了因子的实用性，适用于投资组合动态配置。

3.4 绩效统计汇总（图表4）

| 指标 | 样本内绩效 | 样本外绩效 | 全样本绩效 |
|------------|------------|------------|------------|
| 年化收益 | 16.6% | 10.6% | 15.5% |
| 年化波动 | 4.42% | 2.99% | 4.18% |
| 信息比率 | 3.75 | 3.54 | 3.69 |
| 最大回撤 | 5.01% | 1.21% | 5.01% |
| 收益回撤比 | 3.30 | 8.75 | 3.08 |
| 月度胜率 | 80.5% | 88.9% | 82.0% |

• 解析：

- 收益与波动匹配合理，信息比率高，说明超额收益质量优秀。
- 样本外最大回撤大幅下降，收益回撤比显著提升，反映风险管理能力增强。
- 月度胜率高达80%以上，显示因子持续捕捉收益概率高。

• 结论：多维绩效指标数据显示APM因子不仅提供优异收益，也具有较强风险控制和稳定性。[page::3]

3.5 RankIC和分组收益表现（图表7&8）

• 图表7：RankIC月度条形图，反映因子排序与后续收益之间的相关性。

- 图表8：不同因子分组的累计收益走势，右轴为最大组与最小组收益差距。

• 解析：

- RankIC总体为正，个别负值为正常波动，印证因子排序具有预测力。
- 收益分组图反映最大因子组收益显著领先最低组，且差距逐步扩大，表明因子具有强的排序能力与实用价值。

• 总结：指标组合加强了APM因子的实用性和投资决策导向性。

---

四、估值分析

本报告主要聚焦于量化因子绩效回顾，未对个别股票进行估值分析或目标价预测，没有涉及传统的现金流折现（DCF）或市盈率等估值方法，因而无相关估值模型和敏感性分析。[page::全文]

---

五、风险因素评估

• 主要风险：

- 量化模型基于历史数据，市场结构或行情剧变可能导致模型失效。
- 市值因子潜在影响需剥离以避免因子交叉污染，但风险不可完全消除。
- 交易执行中存在涨跌停、停牌等限制，影响策略实际运行。

• 影响分析：

- 若市场机制变化，因子信号可能丧失效度，收益曲线将波动甚至下滑。
- 市场流动性变化及交易成本上升也可能侵蚀策略盈利。

• 缓解措施：

- 报告通过多风格因子和行业剔除、样本内外连续跟踪验证因子稳定性。
- 调仓规则设计合理，规避部分极端交易风险。

• 总结：风险提示充分，提醒投资者理性使用该因子策略，并持续动态跟踪。[page::0,1,4,5]

---

六、批判性视角与细微差别

• 潜在偏见和局限：

- 因子构造依赖于“上午”与“下午”股价行为的特殊假设，若市场交易习惯或交易时间结构产生变化，因子效果难保证。
- 动量因子剥离方式或影响因子纯净性的完整揭示有限，可能存在残余风险暴露。
- 报告样本主要为A股市场，中短期数据验证较强，但长期稳定性和跨市场适用性有待进一步考察。

• 内部一致性：

- 样本内与样本外绩效数据整体保持一致，说明提纯和回测方法较为稳健。
- 最大回撤数据有一定分歧，样本外极低回撤可能受期间市场环境影响，对未来可持续性需谨慎观察。

• 建议：

- 持续动态验证因子适用环境，关注市场微结构变化对选股因子影响。
- 加强多因子模型对冲和风险控制策略，进一步抑制潜在交叉风险。

---

七、结论性综合

方正证券研究所发布的《凤鸣朝阳，余音不绝——APM因子绩效回顾（2017上）》报告，系统回顾并验证了基于“上午股价行为”相对于“下午股价行为”的多空信息差构建的APM选股因子，展示其在2013年至2017年上半年期间持续优异的多空对冲绩效。通过详尽的数学模型（横截面回归剥离行业与九大风格因子）、严谨的回测设计（全市场与分指数覆盖）和丰富的绩效指标（年化收益、信息比率、最大回撤、月度胜率），报告充分说明APM因子的有效性和实用价值。

图表支持说明因子收益曲线稳健上涨，最大回撤控制良好，信息比率高，月度IC多为正，明显优于市场基准表现；分组收益区分性强，强化了因子的预测力。报告同时认真披露了模型基于历史数据的固有限制和未来潜在市场变化风险，体现严谨态度。

整体来看，APM因子通过对日内价格异质性的深入挖掘，为量化投资策略提供了创新思路，尤其在A股市场展示出良好的因子稳健性和持续盈利能力。它代表了方正金工在金融工程领域的原创性贡献。投资者若基于本因子操作，需关注市场结构性变化及策略执行成本，结合多因子策略共同管理风险。

综上，报告展现了对APM因子的深度研究和持续跟踪评估，强调了其在2027年上半年依然具备较高的选股能力和风险调整收益水平，呈现积极推荐的立场。[page::全文]

---

备注

• 所有数据和引用均标注出处，确保信息溯源清晰。

- 图表均使用markdown格式插入，便于查看和分析。

报告