量稳换手率STR因子的业绩表现及局限 [page::3][page::4]

• 量稳换手率STR因子在2006/01/01-2023/02/28期间年化多空收益达47.30%，信息比率3.15，月度胜率79.02%。

- STR改善了传统换手率Turn20的组内收益差异，但对换手率加速（变化率）的捕捉不足，组内收益仍存在较大差异。

换手率变化率及新因子PctTurn20的构建与表现 [page::5][page::6]

• PctTurn20因子反映了长期换手率变化率趋势，回测年化收益20.81%，信息比率为1.491，最大回撤24.05%，表现受市场波动影响较大。

- 典型个股案例显示换手率变化率能够捕捉STR和Turn20未覆盖的价格动向信号。

GTR因子的构建及回测绩效分析 [page::7][page::8][page::9][page::10]

| 指标 | GTR | PctTurn20 |
|------------|------------|------------|
| 年化收益率 | 15.58% | 20.81% |
| 波动率 | 11.37% | 13.95% |
| 信息比率 | 1.370 | 1.491 |
| 月度胜率 | 70.24% | 67.98% |
| 最大回撤 | 13.13% | 24.05% |

• GTR因子以换手率变化率的日频标准差为基础，强调换手率变化的稳定性，实际应用中表现出更稳定的波动和较低最大回撤。

- GTR成功降低大分组内的收益标准差，有效区分稳定增长的换手率股票，但误判小分组部分。

GTR因子纯净化与低相关性分析 [page::11][page::12][page::13]

• GTR因子与Barra风格因子及换手率家族成员（Turn20、STR等）相关性极低（不超过0.1）。

- 纯净GTR因子剔除行业因子干扰后依旧保持稳定的选股能力，胜率和波动指标得到提升。

GTR对换手率家族成员的加强作用与多因子合成策略 [page::13～page::23]

• GTR因子通过双因子分组与相关测试，证明能显著加强Turn20、STR、PctTurn20和SCR等传统换手率因子。

- 通过横截面标准化及归一化处理，构建Turn20Turbo、STRTurbo、PctTurn20Turbo、SCRTurbo等复合因子。

• 复合因子均展现出提升的年化收益、信息比率及降低的回撤风险，TPSTurbo与SPSTurbo表现最优，信息比率分别达3.35和3.91。

纯净优加法进一步提升换手率因子表现 [page::21][page::22][page::23]

• 纯净优加法对日频数据进行残差处理，剥离换手率因子间信息重合，结合纯净后的因子构建复合因子TPSTurbo和SPSTurbo。

| 指标 | TPSTurbo | SPSTurbo |
|------------|------------|------------|
| 年化收益率 | 42.69% | 44.24% |
| 波动率 | 12.74% | 11.33% |
| 信息比率 | 3.351 | 3.905 |
| 月度胜率 | 82.44% | 85.37% |
| 最大回撤 | 9.39% | 10.22% |

• SPS_Turbo因子表现领先所有换手率家族成员，验证了GTR因子在提升选股策略上的显著价值。

风险提示与免责声明 [page::0][page::24][page::25]

• 本报告基于历史数据，未来市场变化可能影响模型表现。

- 单因子模型存在一定风险，建议结合资金管理与风险控制使用。

• 本报告不构成具体投资建议，且版权归东吴证券所有。

详尽分析报告：《换手率变化率的稳定 GTR 因子——助推换手率的所有家族成员》

---

一、元数据与概览

标题：换手率变化率的稳定 GTR 因子——助推换手率的所有家族成员
作者：高子剑
机构：东吴证券研究所
日期：2023年5月9日
研究主题：换手率因子研究，聚焦创新的换手率变化率稳定因子（GTR）的构建与应用，及其在提升现有换手率因子家族中的作用。

核心论点与目标：
报告继承了“技术分析拥抱选股因子”系列中的研究方向，针对换手率因子系统进行深入探讨，提出了一个全新的换手率稳定因子–GTR（Growth Rate of Turnover Rate，换手率变化率的稳定性）。报告显示，GTR因子与东吴金工的其他换手率因子相关性极低（均不超过0.1），但其可以作为加强因子，显著提升现有换手率家族成员的选股效果。尽管GTR单独表现相对平庸，但其叠加能力突出，是换手率因子家族一个重要的补充和提升因素。

---

二、逐节深度解读

1. 引言

• 核心内容：回顾东吴金工已有的换手率因子，特别是量稳换手率因子STR，在2006年至2023年间表现出优越且稳定的样本外收益（年化多空对冲收益率47.3%，信息比率3.15，月度胜率79.02%）。STR因子基于月末过去20个交易日换手率标准差，体现了换手率的稳定性。图1中的净值曲线展示STR因子不同十分组收益的单调性和显著分化。
• 逻辑依据：研究指出，单单根据换手率的大小不能准确筛选表现，关键在于换手率的稳定性，因为组内收益差异大表明部分股票即使换手率高，未来却可能涨跌不同，其原因可能在于换手率的波动特征。STR因子通过控制换手率的稳定性提高了收益区分度，但仍存在组内收益差异未显著缩小的缺陷。
• 数据点说明：

- STR因子年化多空对冲收益率47.3%
- 图2显示STR因子的组内收益标准差略优于传统Turn20因子，但提升幅度有限。

2. GTR因子

2.1 量稳换手率的局限性

• STR因子存在误判未来大涨股票的情况，特别是在样本容量小或市场整体上涨阶段。换手率波动较大的股票中，有部分呈现稳定的换手率增长或下降趋势，这类股票未来仍有上涨潜力。而这种加速度信息由STR和Turn20未能充分捕捉。
• 关键点：“以汽车速度为例”类比，Turn20是平均速度，STR是速度的稳定性，忽略了加速度（速度的变化率），而换手率的加速度即 换手率变化率，是更完整的衡量指标。

2.2 换手率变化率的概念与应用

• 介绍换手率变化率因子PctTurn20的构造：

- 计算过去20交易日每日换手率的变化率：$\text{当日换手率}/\text{基准换手率} - 1$；
- 基准换手率为过去40交易日的平均换手率；
- 月底计算平均变化率做市值中性化，构成因子值。

• PctTurn20回测数据显示：

- 年化收益率20.81%
- 信息比率1.491
- 最大回撤24.05%
- 但近年选股能力有所下降。

• 通过唯特偶（涨价22%，换手率均值低）与国城矿业（跌价14.2%，换手率均值高）的走势反例，证明PctTurn20对长期趋势敏感不足。

2.3 GTR因子的构建

• GTR因子聚焦换手率变化率的稳定性，即换手率变化率的标准差，强调该指标揭示换手率变化趋势是否持续稳定，而非仅看平均变化率。
• 相关性分析发现换手率变化率平均与标准差高度相关（0.96），说明标准差能覆盖大部分平均值信息并补充其不足。
• 构建步骤：

1. 日度换手率变化率 = 今日换手率 / 昨日换手率 - 1；
2. 每月月底回溯20日计算换手率变化率标准差；
3. 做市值中性化，得到GTR因子。

• 回测数据：

- 年化收益15.58%，波动11.37%，信息比率1.37，月度胜率70.24%，最大回撤13.13%；
- 虽效益不及STR，但较PctTurn20稳定，且具备差异化信息价值。

• 图7展现GTR因子十分组及多空对冲净值走势，表现出明显的选股效能。

2.4 GTR因子的分年度表现

• 表3显示虽然不同年份波动较大，但整体优于PctTurn20，部分年份甚至表现较优，反映出GTR在多市场环境下稳定。

2.5 GTR因子的多空收益分解

• 表4揭示GTR的空头收益略大于多头（8.74% vs 6.26%年化），多空收益较均衡。
• 图8比较GTR、STR、Turn20因子在各十分组的组内收益标准差，发现GTR大分组的组内收益差异显著缩小（尤其是组内大涨股的误判问题有所缓解），但小分组中误判大跌股票略增。

2.6 GTR的参数敏感性

• 表5说明不同时长回看的情况下，GTR因子回测表现存在一定回撤，尤其参数超过40天后效果有所减弱，暗示GTR适合追踪较短期换手率变动。

2.7 纯净化GTR因子

• 表6显示GTR与主流Barra风格因子相关极低（绝对值低于0.04），说明其信息属独特非系统风险因子。
• 通过行业回归去除行业内因素后，构造纯净GTR，图9及表7显示纯净GTR在风险控制指标如最大回撤和波动率有所改善，依然保持良好选股能力。

---

3. GTR因子助推换手率因子家族

3.1 换手率单因子家族成员

• 东吴金工自2020年起陆续推出了13个换手率基因子，主要关注日频数据的Turn20、PctTurn20、STR、UTR（复合）和SCR等。表8列明各因子出处，表9总结了各因子的回测指标。
• 从收益与稳定性角度：

- STR和Turn20两大主力因子表现领先，分别年化收益47.3%和39.18%，信息比率3.154和2.216。
- GTR本体效益较低（15.58%），但作为新因子构成部分，价值在于与其他因子低相关性与叠加效果。

3.2 GTR因子新颖性与相关性分析

• 表10及图10表明，GTR与家族内其他换手率因子的相关系数均低于0.1，特别与STR相关为0.06，属于真正的新因子。
• 这为GTR作为增强因子提供理论基础，有效帮助提升其他因子表现的可能。

3.3 GTR因子的加强作用

方法：将GTR分别与Turn20、STR、PctTurn20和SCR做双因子分组测试，观察不同组合下的年化收益，验证GTR对这些因子的加强效应。

• (1) GTR加强Turn20：

- 图11表明，双分组内收益表现对角线明显，低GTR+高Turn20的组合表现最好。
- 构建Turn20Turbo因子（归一化后将两因子相加），图12和表10显示Turn20Turbo收益率提高至41.89%，信息比率也由2.216升至2.491，回撤减少。

• (2) GTR加强STR：

- 类似机制，图13显示GTR与STR双分组的正向对角效应明显。
- STRTurbo因子在图14和表11中显现出波动率下降，信息比率从3.154提升至3.399，月度胜率提升，净值增长稳定。

• (3) GTR加强PctTurn20：

- 图15及双因子测试表现稍弱，但仍然存在正效应。
- PctTurn20Turbo因子收益率轻微增长（20.81%至21.31%），最大回撤大幅下降，稳定性改善。

• (4) GTR加强SCR：

- SCR基于量稳换手率变化率构造，图17示其构造逻辑。
- 图18及双分组测试表明GTR与SCR存在有效叠加效应。
- SCRTurbo因子在图19和表13中表现进一步提升，包括信息比率和最大回撤。

3.4 基于GTR的进阶加强方案

• 表14汇总对比各加强组合指标，确认简单加权就能实现对原因子的稳定性和选股效果显著提升。
• 报告进一步引入“纯净优加法”（Pure-Enhanced Addition）：

- 对日频数据层面进行纯净化处理，剔除换手率与换手率变化率之间重复的信息，确保增量信息的最大化利用；
- 纯净换手率与纯净换手率变化率按月构造纯净版对应因子，二者等权合成，分别得到TPSTurbo（改进Turn20）和SPSTurbo（改进STR）；

• 图20、21展现TPSTurbo与SPSTurbo十分组及多空对冲净值走势，表15数据表明：

- TPSTurbo年化收益42.69%，信息比率3.351，最大回撤9.39%；
- SPSTurbo表现更优，年化收益44.24%，信息比率3.905，最大回撤仅10.22%，远优于各单因子及简单加权加强。

---

4. 总结

• 本报告从换手率的传统指标STR着手，针对其误判换手率波动股的缺陷，引入换手率变化率的稳定性（GTR），丰富了换手率因子的维度。
• 尽管GTR单独表现平庸，但其作为新颖的稳定性指标，信息内容独特且几乎不与现有换手率因子及风格因子重叠。
• 通过双因子和简单加权增强，GTR成功提升了Turn20、STR、PctTurn20及SCR等传统换手率因子的选股稳定性与收益率。
• 基于纯净优加法，更深层地剔除相关信息冗余，合成新的增强型因子TPSTurbo与SPSTurbo，收获显著超越表现，尤其是SPSTurbo达信息比率3.91，成为换手率家族中的优秀代表。

---

5. 风险提示

• 报告强调所有统计基于历史数据，未来市场环境可能发生重大变化，单因子策略风险较高，建议结合资金与风险管理。
• 模型存在测算误差，报告不构成实质投资建议，敬请审慎使用。

---

三、图表深度解读

图1：量稳换手率STR因子的十分组及多空对冲净值走势（page::3）

• 多个因子十分组的净值走势清晰呈逐组递增趋势，其中分组1至分组10的净值差距逐渐拉大。
• 多空对冲（分组1-分组10差值）净值显著增高，说明STR因子有效区分股票未来表现，具备明显的选股能力。
• 可见STR因子将市场股票合理切割成收益差异化的组别，验证因子的稳定性及预测意义。

图2：Turn20与STR因子组内收益标准差对比（page::4）

• STR的第1组和第10组组内收益标准差低于Turn20，显示STR能降低组内收益异常波动。
• 但整体差异有限，仍存在组内未来收益分散较大的问题，提示需要进一步改良。

图3-4：换手率变化率PctTurn20因子构造及表现（page::5）

• 图3逻辑示意了以40日均换手率为基准计算每日换手率变化率，再计算20日平均的过程。
• 图4显示PctTurn20因子稀疏上涨趋势，但自2020年起选股能力明显衰减。

图5-6：唯特偶、国城矿业换手率及股价走势示例（page::6-7）

• 图5唯特偶换手率均值和波动率均属较低，但换手率变化率排在高位，对应股价大涨。
• 图6国城矿业换手率均值和波动率较高，对应下跌股票，换手率变化率显示与STR及Turn20信号相反的准确跌落信号。
• 实例佐证换手率变化率比传统指标对部分个股走势预测更有效。

图7：GTR因子十分组及多空对冲净值走势（page::8）

• 组间净值差距明显且具单调性，多空对冲净值稳定攀升，证明了GTR对不同组之间的收益区分能力。

表2：GTR与PctTurn20多空对冲绩效对比（page::9）

• PctTurn20年化收益率更高（20.81%对15.58%），信息比率也略优。
• 但GTR波动率更低，最大回撤更少，胜率更高，表明GTR表现更稳健。

图8：GTR、STR与Turn20组内收益标准差（page::10）

• GTR在大分组（高因子值组）组内收益标准差明显降低，缓解了传统指标难以区分涨幅巨大股的问题。
• 小分组误判加剧，说明GTR对下跌股的识别需进一步完善。

表4：GTR多空收益拆解（page::10）

• 空头收益占比更高（8.74%对6.26%），表明GTR在锁定回落趋势股票上更有优势。

表6：GTR与Barra风格因子相关性（page::11）

• 绝对值均非常低（最高0.035），确认GTR为独立信息源。

图9与表7：纯净GTR因子表现（page::12）

• 纯净化后信息比率提升，最大回撤明显下降至6.82%，展示了纯净化处理对因子风险控制的优化。

图10：换手率单因子家族相关性矩阵（page::14）

• GTR与其他因子包括Turn20和STR的相关均不超过0.1，确认了因子的差异性和独特性。

图11、13、15、18（page::14-19）

• 双因子分组年化收益率矩阵均显示对角线上收益表现优良，说明GTR与家族其他成员有效互补。

图12、14、16、19与对应表10、11、12、13（page::15-20）

• 各Turbo因子（GTR与原因子合成）收益均较原因子提升，波动率与最大回撤有所降低，胜率提升，信息比率均有不同程度的增长。

图20-21与表15（page::22-23）

• TPSTurbo和SPSTurbo曲线更为光滑稳定，年化收益显著改善，信息比率达到3.351和3.905，最大回撤控制在10%左右。

---

四、估值分析

本报告非传统意义的公司估值分析报告，重点为因子构造及回测结果，无直接DCF或PE估值模型。价值体现在构造因子的投资信号稳定性及潜在盈利能力上。基于对选股因子的收益、波动率、回撤、信息比率等指标，评估因子价值。

---

五、风险因素评估

报告明确提示：

• 未来市场环境不确定，历史数据和模型假设可能失效；
• 单因子模型本身波动较大，需结合资金风险管理，不宜单独使用；
• 模型可能存在误差，非直接投资建议。

风险提示整体真实严谨，符合因子研究本质。

---

六、批判性视角与细微差别

• 报告极力突出GTR的创新性及加强效果，但GTR单因子表现较为平庸，依赖合成策略提升力量，显示其单独识别能力有限。
• GTR在小分组中加剧某些误判，需注意在极端行情下可能带来的估值偏差；
• 绝大部分提升依靠因子间线性叠加和残差信息剥离，实际组合运用时需审慎构造，避免信息重复和过度拟合。

---

七、结论性综合

本报告从换手率研究生态链中发现换手率变化率的稳定性（GTR）是解锁选股潜能的重要新因子，补充了传统STR及Turn20在稳定性和动量维度的不足。GTR因子独立性强，能针对传统因子“误判”股票类型提供准确修正。报告通过广泛的双因子分组和纯净优加法合成，证实GTR对换手率因子家族具有系统性增强作用。最终合成的TPSTurbo和SPSTurbo因子在收益率、信息比率和风险控制方面全面领先其他单因子，显示出极具潜力的实际应用价值。该研究不仅丰富了量价分析因子体系，也为量化选股方法提供了新的方向和工具。

---

参考文献

• 报告全文页码对应索引为：[page::0],[page::1],[page::2],[page::3],[page::4],[page::5],[page::6],[page::7],[page::8],[page::9],[page::10],[page::11],[page::12],[page::13],[page::14],[page::15],[page::16],[page::17],[page::18],[page::19],[page::20],[page::21],[page::22],[page::23],[page::24]

---

总结

本报告精准切入换手率因子的核心改进点，详尽构建并验证了GTR因子的选股潜力及其在因子家族中的叠加效应。结合丰富图表、详实的统计和回测结果，报告逻辑严谨，数据翔实，结论科学可靠，为投资者和量化研究者提供极具参考价值的选股工具和思路。

报告