Hou等人在2017年发表了一篇工作论文叫做《Replicating Anomalies》，我们在之前的推送中还专门介绍过这篇论文。他们在论文中收集并整理了既有研究里出现过的447中投资异象进行了统一的分析（统一标准后，就只剩下200多种了），结果发现，很多异象在实践中其实是无效的，因为样本期或者市场的变化，会导致这些因子的失效。而我们今天也打算按照他们的思路，检验一下A股中的交易摩擦性因子的表现。
在检验之前，我们需要先做好定义的工作。
所谓异象，是指人们发现具有某种特征的股票，在未来会比不具备这样特征的股票有更高的超额收益。而所谓交易摩擦性，实质上衡量的是股票市场中的流动性是否充沛，我们可以基于流动性的角度，分析市场以及股票的交易活跃程度。根据论文的总结，我们选取了以下18个因子来作为流动性的代表，它们的名称和定义如下：
在具体实施中，研究者还会选择不同的周期来计算指标，具体的测算均可在倍发科技投资研究系统(Betalpha BAR 1.0)中计算和实现，在这里限于篇幅我们不做更多的展示。
在建立上述18个指标之后，我们建立如下回测规则：回测范围为2007年至今的所有A股，换仓频率为每日换仓，并对回测持仓按照市值权重加权，并剔除了所有ST股和涨跌停股。我们在每次回测中，按因子值将股票平均分为五组，F1组为相应因子值最高的20%的股票，F5则为因子值最低的20%的股票。如果组内平均收益依照因子分组的变化呈现线性的变动趋势（比如越来越大或者越来越小），就意味着我们能在A股中观察到类似的异象，如果变动趋势本身是变动不居的，那么可能意味着以这类因子来总结股票变动规律可能是无效的。
从回测情况来看，我们发现，日度换仓情况下，存在线性变动规律的因子包括月流动性、3个月流动性（以上几类越来越小），以及总流通市值、总市值、月成交额、3个月成交额和月特异波动率（以上几类越来越大）。我们在这里只展示月流动性和总市值因子的表现：
IC均值与其标准差的均值可以作为因子配置的加权权重使用，数值越大意味着因子有效性越突出，并且稳定性也很出色。结合线性化分析的内容，在A股的交易摩擦类因子中，两个市值因子、两个流动性因子和2个月成交额因子在A股中的表现都较为突出。这一点与Hou的论文观点存在一定的差异，因为在他们的回测结果中，摩擦类因子的回归效果是最好的，大部分因子都完全有效，因为交易数据反映出的信息量较多，但是从我们的回测情况来看，A股的交易数据信号质量并不算好，可能这与A股交易者以散户为主的特征有关，交易行为的一致性并不算高，因此以此为基准的回测结果也不尽人意。不过随着A股市场机构化程度的提升和投资者同质性的增强，这类因子的表现可能也会随之好转，建议各位读者可以保持对这类信号的观察。
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/305997
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！
