传统换手率因子选股能力回顾 [page::3]

• 传统日内换手率因子itaTurn20年化收益率35.73%，信息比率2.116，月度胜率65.81%。

- 算法简单，基于20日换手率均值，具备良好的选股能力，成为本次研究的基准因子。

利用收益率及隔夜信息切割换手率提升选股效果 [page::5][page::6][page::9][page::11]

• 利用次日隔夜收益率对日内换手率切割，因子1（次日低隔夜收益）表现最佳，年化收益37.27%，最大回撤13.17%，优于itaTurn20。

- 利用次日隔夜换手率切割进一步提升选股能力，因子5（次日高隔夜换手）年化收益37.45%，信息比率2.453，跑赢基准。

隔夜聪明钱因子构造与切割优化 [page::12][page::14]

• 构造隔夜聪明钱指标（隔夜收益标准化除以隔夜换手率），单因子表现一般（年化收益18.50%，信息比率1.275）。

- 将隔夜聪明钱作为切割刀切割日内换手率，形成CTR因子，月度IC均值达-0.076，年化收益40.32%，信息比率2.63，表现显著优于基准。

CTR因子与纯净因子及参数敏感性分析 [page::16][page::17][page::18]

• CTR因子与Barra因子相关性降低，纯净CTR因子保持较高信息比率（2.576），回测稳健。

- ATR因子在回看20/40/60日配置下均表现强劲，远优于传统换手率因子。

CTR分市场表现及多空收益拆解 [page::19][page::20][page::18]

• CTR因子在沪深300、中证500和中证1000样本均有稳健收益，尤其在中证1000多空对冲收益高达35.29%。

- 多空分解显示空头收益贡献更大，优化了多头和空头的超额收益。

抢跑CTR因子设计及实证 [page::22][page::23]

• 为满足需开盘即调仓的策略，推出抢跑CTR因子（取最后交易日与隔夜聪明钱最小三天换手率均值）。

- 跑赢表现与CTR相近，年化收益39.80%，表明最后交易日信息覆盖了部分后续夜间信号，实用性强。

切割法理论阐述及总结 [page::21][page::23]

• 切割法核心为利用高频数据权重重分配，剔除无效信息，加强有效信号；切割刀重赋权重为前20%有效数据权重，80%权重为零。

- 报告总结指出利用次日隔夜收益率和换手率的“聪明钱”指标作为切割刀，显著增强换手率因子收益和稳定性，是量价配合的有效范例[page::21][page::23]

“技术分析拥抱选股因子”系列（十五）《换手率切割刀 CTR 因子——换手率的异质信念》报告详尽解析

---

1. 元数据与概览

• 报告标题： 技术分析拥抱选股因子系列（十五）——换手率切割刀 CTR 因子 Cutlets of Turnover Rate——换手率的异质信念

- 作者与发布机构： 东吴证券研究所，高子剑（证券分析师）、凌志杰（研究助理）

• 发布时间： 2024年1月9日

- 研究主题： 基于换手率因子的选股策略研究，重点在于优化传统日内换手率因子（itaTurn20）的方法，提出结合异质信念理论，利用次日隔夜收益率和换手率进行切割，以构造更优的换手率因子CTR（Cutlets of Turnover Rate）因子，强化换手率因子自身的反转选股逻辑。

核心论点与结论：
报告认为传统20日日内换手率因子已有较强的选股能力，但其潜藏的信息远不止于此。基于异质信念（投资者异质性和卖空限制导致价格被高估）的理论，股票换手率体现该异质信念的程度。报告首次提出利用次日隔夜数据对传统日内换手率因子进行切割，构建了换手率切割刀（CTR）因子。CTR因子回测显示，在收益率和稳定性方面均优于传统换手率因子，且能更有效反转选股，信息比率和月度胜率均显著提升，风险指标如最大回撤表现优良。报告还提出了实用层面改良的JumpCTR版本，满足更快调仓需求。

---

2. 逐节深度解读

2.1 前言与传统日内换手率因子回顾

报告以传统的日内换手率因子 itaTurn20为起点，该因子计算过去20个交易日的平均换手率并进行市值中性化处理，是A股市场中表现稳定且简单有效的反转型选股因子。

• 2006年1月1日至2023年10月31日的回测结果显示：

- 月度信息系数（IC）均值为-0.072
- 年化信息比率（ICIR）为-2.043
- 十分组多空对冲年化收益率为35.73%，信息比率2.116，月度胜率65.81%，最大回撤16.08%

• 图1显示各分组净值走势分明，低换手分组表现优秀，大幅优于高换手组。

- 报告强调传统换手率因子已有坚实基础，但其信息中隐藏更丰富的异质信念，值得发掘。【page::0,3】

---

2.2 成交量对动量因子修正的前情提要

报告承接先前《成交量对动量因子的修正——殊途同归的聪明版》，介绍了切割法理念：

• 日内切割（2.1节）： 按照当日日内换手率将过去20天日内收益率排序分组，构造5个局部日内因子。

- 结果（图2）表明，换手率越高的局部因子，年化ICIR绝对值越大，选股能力越强。说明“量”起到确认或增强价格的作用。

• 隔夜切割（2.2节）： 按照昨日换手率切割隔夜收益率，分为5组。

- 结果（图3）显示低换手率部分倾向反转，高换手率部分表现为动量，性质截然不同。

• 该部分为后续研究奠定基础，即成交量和换手率不仅能辅助动量因子，还能与自身结合产生改良因子。【page::4-6】

---

2.3 异质信念理论及换手率的内在逻辑

• 异质信念（Heterogeneous Belief）理论来源于Miller (1977)，描述市场上投资者因非理性及卖空限制，悲观者退出导致股价系统性高估。

- A股特点：大量中小投资者，严格限制卖空，信息不对称严重，预期异质。

• 换手率因子本质： 高换手率体现股票存在较高市场异质信念，导致价格高估；低换手率股票异质信念较低，价格处于低估区，未来具备超额收益。

- 该理论构成本报告设计切割因子的理论基础。【page::6】

---

2.4 换手率因子与价格的配合修正（3.2节）

• 低换手率不一定代表低异质信念，可能是流动性不足。

- 需利用价格信息辅助验证。例如：高价格上涨日应对应换手率上涨，故使用当日日内收益率对日内换手率切割。

• 先后使用日内收益率、次日隔夜收益率及次日隔夜换手率对日内换手率进行切割，得到局部日内换手率因子。

- 当日内高收益组表现最佳，切割后的分组ICIR均优于传统itaTurn20因子，能有效排除低流动性影响。对应图4【page::7】

---

2.5 利用次日隔夜收益率和换手率的切割（3.4-3.5节）

• 逻辑： 若隔夜意外信息提前泄漏（影响次日隔夜收益率），则会反映在前一交易日日内换手率中；保持低换手则说明信息泄漏少。

- 利用次日隔夜收益率切割，表现最佳的低隔夜收益组（因子1）回测年化收益37.27%，信息比率2.4，优于传统因子；图7和表2展示了效果。

• 利用次日隔夜换手率切割，表现最佳的高隔夜换手组（因子5）年化收益37.45%，信息比率2.453，也优于传统因子；见图9和表3。

- 结论为次日隔夜信息对日内换手率的辅助切割，更好识别异质信念。【page::9-12】

---

2.6 新指标“隔夜聪明钱”的构造与测试（3.6节）

• 将次日隔夜收益率归一化处理后除以隔夜换手率，定义为“隔夜聪明钱”——衡量隔夜信息的“效率”。

- 计算过去20交易日的隔夜聪明钱均值，作为新因子OvernightSmart20。

• 单因子回测表现弱于其他换手率切割指标，年化收益18.5%，信息比率1.275，但能够融合量价信息，作为切割刀具备优势。

- 图10和表4支持该观点。【page::12-13】

---

2.7 换手率切割刀 CTR 因子的构建（4.1节）

• 利用隔夜聪明钱作为切割刀对日内换手率因子进行切割，取20日内隔夜聪明钱最低的20%对应的低聪明组因子1表现最好，年化ICIR=-2.329。

- 通过剔除“无效换手”部分，保留换手率信息的精华，构造新因子——CTR因子（Cutlets of Turnover Rate）。

• CTR因子在回测区间表现稳定优异：

- 年化收益40.32%，年化波动15.33%，信息比率2.63，月度胜率75.21%，最大回撤14.67%。

• 图13显示其分组净值走势极为稳健，表5与传统因子对比，CTR明显超越itaTurn20。

- 报告用健帆生物案例（图12）说明切割刀效果，“救”出了被误判的多头组股票。【page::14-15】

---

2.8 CTR因子绩效与纯净因子分析（4.2节）

• 与Barra常用风格因子对比，CTR因子与各因素相关性低于itaTurn20，说明其风险暴露更为纯粹。具体相关系数见表7。

- 进一步对CTR因子进行行业中性化处理，得到纯净CTR因子。

• 纯净因子虽然年化收益率下降至20.37%，但是波动率降至7.91%，信息比率依然维持在2.576，显示纯因子性能稳定且更具风险调整优势。

- 纯净CTR因子年化胜率保持在74.36%，最大回撤降低至7.61%。

• 图14展示纯净CTR因子分组净值趋势。

- 表9展示了纯净CTR因子分年度表现，稳健性强。【page::16-17】

---

2.9 参数敏感性与收益拆解（4.3-4.4节）

• 改变因子构造时的回看窗口为40、60天进行测试，CTR因子表现略低于20天窗口，但依旧显著优于传统itaTurn20因子。

- 表10呈现各窗口下年化收益、波动率、信息比率、胜率和最大回撤指标。

• 多空收益拆解显示，CTR因子的空头超额收益高于多头，且多空两端均优于传统因子，增强了反转效果。

- 表11详细拆解年化收益率、波动率、信息比率、胜率和最大回撤等指标。【page::18】

---

2.10 其他样本空间表现（4.5节）

• 报告进一步测试CTR因子在沪深300、中证500和中证1000指数中的表现。

- 在沪深300指数中，多空对冲策略年化收益率5.36%，信息比率0.289（表12，图15）。表现稳定，但绝对收益率较低。

• 中证500指数的多空对冲策略年化收益19.5%，信息比率1.112（表13，图16），表现优异。

- 中证1000指数中，多空对冲策略年化收益35.29%，信息比率2.095（表14，图17），表明小盘股市场更能体现该因子优势。

• 各细分样本验证了CTR因子广泛适用性和稳健性。【page::19-20】

---

2.11 切割法的有效性与数学本质（5节）

• 切割法本质是筛选与重赋权，剔除指标中冗余、无效数据，只保留有效信息。

- 要点在于底层的高频数据必须存在信息含量和差异性，否则切割无意义。

• 以员工身高与体重变化为例说明无波动与有波动数据的不同。

- 数学上，切割过程是将原始指标矩阵A与切割权重矩阵B相乘，利用B对A数据的日频权重重分配提炼出新的指标。

• 实际操作中，报告采取对切割后的80%数据赋权0，仅保留20%数据的“刀切”权重，有助于抉择有效信号。

- 该部分强调多维非线性特征识别的重要性。【page::21-22】

---

2.12 抢跑CTR因子JumpCTR（6节）

• 实际操作中，CTR因子对次日隔夜信息依赖，导致因子需要等到下月第一个交易日收盘后才能计算完成，调仓延迟。

- 为弥补这一不足，报告提出抢跑CTR因子（JumpCTR），其做法为：
- 利用次日隔夜聪明钱最低的三天换手率，加上本月最后一交易日的换手率，取平均做市值中性化。

• JumpCTR因子无需等待下个月交易日开盘后即可生成因子值，满足即时调仓需求。

- 回测(2014-2023)显示JumpCTR几乎与CTR因子表现一致，年化收益39.80%，信息比率2.62，月度胜率73.5%，最大回撤15.11%。

• 有效性与CTR因子等同，验证了最后一个交易日隔夜聪明钱大概率属于较高换手率或低聪明钱组群。

- 图18和表15展示详细表现。【page::22-23】

---

2.13 总结与贡献（7节）

• 本报告创新地：

- 继承“技术分析拥抱选股因子”系列思路，创新以异质信念理论为基础，首次提出用次日隔夜收益率和换手率来切割传统日内换手率因子，发现并验证换手率因子中更有效的选股信号。
- 构建隔夜聪明钱指标，结合收益和换手率信息，提升切割稳定性和因子表现。
- 构造出CTR因子，显著超越传统换手率因子，且与风格因子关联降低，表明提供独立有效信息。
- 提出JumpCTR因子满足低延迟调仓需求。

• 回测结果清晰且扎实，CTR及其纯净形式在多个样本空间均表现良好，信息比率和回撤均处于良好区间。

- 报告强调量价配合的深刻方法论价值，为因子构建提供了系统性范例。【page::23】

---

2.14 风险提示（8节）

• 所有统计结果基于历史数据，未来市场可能发生结构性变化，影响因子表现。

- 单因子模型可能波动较大，需结合资金管理与风险控制。

• 模型测算存在相对误差，无构成投资建议。

- 报告中明确风险提示，体现严谨研究态度。【page::24】

---

3. 重要图表与数据详解

图1（日内换手率因子itaTurn20十分组净值，2014-2023年）

• 显示10个分组及多空对冲净值走势，分组1（低换手率）表现最优，分组越高（换手越高）表现越差，反映了换手率因子的显著反转特质。

- 多空对冲线（分组1-分组10）持续上升，说明因子有显著的稳定选股能力。【page::3】


---

图2 & 图3（局部日内与隔夜动量因子年化ICIR）

• 图2：日内动量因子年化ICIR依换手率分组，ICIR随换手率增加绝对值增大，换手率高增强价格动能效果明显。

- 图3：隔夜动量因子年化ICIR不同与日内，低换手率组呈现反转特征，高换手率组动量效应强，强调隔夜动量价量交互逻辑。【page::5-6】



---

图7与表2（次日低隔夜收益率切割的日内换手率因子表现）

• 图7展现因子1分组净值走势极为优异，多空对冲净值明显上涨，反转思想明显。

- 表2显示相较于itaTurn20，年化收益提高1.5个百分点，风险指标改善，胜率提升近5%。体现了使用次日数据切割换手率的有效性。【page::10】


---

图9与表3（次日高隔夜换手率切割的日内换手率因子表现）

• 图9分组净值走势同样良好，呈现完善的反转效应。

- 表3相较传统因子，收益率提升1.7个百分点，信息比率提升，月度胜率增加近5%。

• 结果说明隔夜换手率是更有效的切割刀。【page::12】

---

图10与表4（隔夜聪明钱因子）

• 显示隔夜聪明钱单因子效果一般，分组表现较为平缓。

- 表4显示18.5%年化收益，低于换手率因子，但为后续切割提供价值。

• 量价结合指标的意义在于稳定切割信号。【page::13】

---

图13与表5（CTR因子表现）

• 图13展示CTR因子分组净值持续拉开，多空对冲净值稳定增长。

- 表5指标全面优于传统itaTurn20，年化收益+4.6%，胜率和信息比率显著提升。

• 指标显示CTR因子切割成功【page::15】

---

图14与表8（纯净CTR因子表现）

• 纯净CTR因子净值上涨幅度较低，但波动率大幅降低，风险调整效益明显。

- 表8信息比率达2.576，表现稳健，更适合组合使用。

• 强调行业中性化后，因子成分更纯粹，提升选股信息质量。【page::17】

---

图18与表15（JumpCTR因子表现）

• 图18显示抢跑CTR因子通过贪心策略提前利用换手率数据达到与CTR因子相似效果，净值曲线基本重合。

- 表15量化指标显示年化收益39.8%，信息比率2.62，最大回撤15.11%，与CTR极为接近。

• 该因子更适合实时交易环境。【page::23】

---

4. 估值分析

本报告属于量化选股策略研究，无主观估值及目标价。重点在于因子构建及策略表现，未涉及经典财务估值模型（DCF、市盈率等）。估值部分主要是基于因子信息指标（IC、ICIR、信息比率）、回测收益和波动率用于评估因子有效性和选股能力。

---

5. 风险因素评估

报告明确指出几项主要风险：

• 历史数据依赖性风险： 本研究基于历史行情数据，未来市场结构、监管、交易行为可能变化，导致模型失效。

- 单因子风险： 单因子策略波动较大，实际应用需结合资金、风险控制措施。

• 数据/模型误差风险： 指标数据可能存在误差，模型仅展现统计特征，不构成投资建议。

- 交易实施风险： 如JumpCTR因子说明，部分因子依赖未来信息，反应时延可能影响实盘表现。

报告未提出具体风险缓释策略，但暗示结合多因子和风险管理方法为必要。【page::0,24】

---

6. 审慎视角与细微差别

• 报告精心设计多组切割法，展示稳定的统计显著性和回测表现，体现强逻辑基底和稳健测试。

- 然而，异质信念理论是抽象解释，实际A股异质信念是否完全由换手率表达值得进一步验证。

• 因子依赖隔夜收益及换手率构造切割，存在数据未来性偏差问题，实际交易调仓时需注意延迟风险。

- 纯净因子收益率较整体因子大幅降低，提示行业效应对换手率因子贡献不小，行业中性后需慎用。

• 报告未涉及交易成本、滑点影响，可能对实际净收益率产生影响。

- 切割采取粗糙“20%赋权，其余0”的方法，未来可以探索更细粒度加权或机器学习优化。

• 因子表现更优于小盘股，中大盘表现有限，需关注市场结构限制。

---

7. 结论性综合

本报告系统且细致地研究了基于换手率因子反转策略的选股因子构造和优化路径。其核心创新在于：

• 利用异质信念理论解释换手率与股价反转的关系，认为换手率反映了市场对个股认知的分歧及信息不对称状况。

- 提出基于次日隔夜收益率和换手率的切割方法，从而切割传统日内换手率因子，剔除“无效”换手率数据，保留真正代表异质信念的信号，强化因子选股效果。

• 构造出了名为CTR（换手率切割刀）的创新因子，显示出在全年及不同样本空间内均显著优于传统itaTurn20。

- 推出了纯净化版本和抢跑版本（JumpCTR），分别解决行业风格剥离和交易延迟问题，适合不同实际应用场景。

• 多个图表及数据展示了因子多空组合净值走势、信息系数及回撤指标，支持CTR因子反转效应强、收益稳健、风险较低。

- 报告最后强调切割方法的普适理论意义，倡导量价同步、挖掘波动差异性进行多维度非线性信号筛选。

整体而言，“换手率切割刀 CTR 因子”是对经典换手率反转因子的重要拓展，提升了信息利用效率和因子稳定性，值得投资研究者与实盘策略开发者重点关注。

---

总体评价

报告结构严谨，围绕异质信念理论融合丰富统计学和实证检验，逻辑清晰，数据详实。图文并茂，兼顾理论解释与实操演示，风险提示和风险管理意识到位。切割方法的新颖和系统性极具启发性。实盘应用价值明确，但仍需结合交易成本和市场实际谨慎验证。未涉主观评级及估值。

---

参考溯源

• [page::0,3] 介绍传统itaTurn20及基本性能

- [page::4-6] 局部日内与隔夜动量因子切割测试

• [page::6-12] 异质信念理论及基于次日隔夜收益率/换手率辅助切割

- [page::12-13] 隔夜聪明钱指标定义及回测

• [page::14-15] CTR因子构造与表现

- [page::16-17] 纯净CTR因子及行业中性化分析

• [page::18] CTR因子参数敏感性与多空拆解

- [page::19-20] CTR样本空间多样化测试

• [page::21-22] 切割法数学本质及权重原理

- [page::22-23] JumpCTR抢跑版本构造及绩效

• [page::23] 结论总结

- [page::24] 风险提示

---

完成以上详细解构，报告全貌已全面展开。如需进一步深入分析具体指标计算或操作建议，欢迎继续咨询。

报告