返回主题列表
行为金融因子（一）-基于处置效应的CGO因子
cufewxy 发布于2018-05-13
回复 52
浏览 17454
154
listen
分享到：
微信
微博
雪球
楼主对行为金融因子比较感兴趣，但聚宽社区里对行为金融的研究比较少，本篇参考了广发证券研报《资本利得突出量CGO与风险偏好》，在聚宽实现了该因子。
**概述**
资本利得突出量（Capital Gain Overhang, CGO）主要利用了前景理论对处置效应的解释，即投资者亏损时风险偏好；而盈利时风险厌恶。用白话讲就是当**赚钱的时候倾向于及时获利了结**，而**亏钱的时候不愿承认失败苦等翻身，甚至补仓**。
![QQ图片20180513184147.png][1]
因此，策略认为在多数投资者亏损时，由于惜售、补仓现象存在，股价很大可能反转，此时是买入的好时机；反之，多数投资者盈利则是卖出的时机。
**参考价格**
策略的核心就是衡量在某只股票上多数投资者盈利还是亏损。这里需要计算一个大多数投资者的成本价，研报中叫参考价格（Reference Price），将其与最新价对比即可。如何计算这个成本价呢？类似于筹码分布，这里用股票每日均价、换手率来计算。一天的均价相当于当日所有开仓投资者的平均成本。计算方法为：往前推N个交易日，每日成交均价乘以当日换手率并连乘后续日期的“不换手率”，即为当天成本“延续”到现在的比例，把所有"N个交易日延续到现在的成本"根据比例加权平均即为成本价。具体公式为
![QQ图片20180513184147.png][2]
![QQ图片20180513184147.png][3]
这里RP即为参考价格，k是归一化权重，作用是让权重之和为1，V是换手率，P是价格。
例如某只股票昨天的成交均价是5元，换手率是10%，那么认为有10%的资金开仓成本价是5元。前天成交均价是6元，换手率是20%，那么前天有20%的资金成本价是6元，（而昨日换手率是10%，说明有10%的部分卖出去了，剩下90%不动），进而延续到今天的部分是20%*(1-10%)=18%，每一天都以此类推。最后把权重归一化，对均价求加权平均，即为所有投资者平均的成本价。
这里的参数N从直觉上来讲不敏感，因为越往前延续到今天的比例越低，权重不断递减。研报里N=100。正是因为N不敏感，所以研报里只剔除停牌日在50%以上的个股（停牌日换手率为0不影响计算）。这里也是这么处理的。
这里回测了全市场、中证800、中证500、沪深300的风险中性、不中性情况，调仓周期为5日。风险中性是行业、市值中性，使用的是回归取残差的方法。全市场回测时剔除1年新股和ST情形。
**策略回测结果**
回测时间为2007年2月1日-2018年5月7日，手续费、滑点均为默认。每次等权买入十只。调仓周期为5日。
全市场非中性
![QQ图片20180513175210.png][4]
全市场中性
![QQ图片20180513175210.png][5]
中证800非中性
![中证800非中性.png][6]
中证800中性
![中证800中性.png][7]
中证500非中性
![中证500非中性.png][8]
中证500中性
![中证500中性.png][9]
沪深300非中性
![沪深300非中性.png][10]
沪深300中性
![沪深300中性.png][11]
**需要注意的地方**
与研报不同的地方：
增加剔除机制：剔除前10个交易日有跌停情况的个股。个股发生跌停的时候，换手率可能比较低，导致多数投资者成本价依然较高，因此很容易被策略选出。此时的换手率不能正常反映投资者的风险处置，计算出来的参考价格包括了想卖但没法卖的交易者成本，因此剔除。
几个可以优化的地方：
1. 逻辑优化1：用分钟数据计算参考价格。
从上述分析可以看到策略建立在比较强的假设上，例如均价代表当天所有交易的成交价，以及假设不同开仓日的交易者换手率相同。前者可以用分钟数据减小假设强度，即每个分钟的均价代替该分钟的开仓成本价（不过要注意T+1限制），后者可以引入衰减系数。
2. 逻辑优化2：考虑成本分布的其他统计量。
计算参考价格时实际计算的是成本分布的平均值，还可以计算中位数，甚至考虑标准差等。
3. 逻辑优化3：考虑CGO的大小而非次序。
策略是每次选择CGO最小的10只交易，没考虑CGO本身值的大小。但是如果CGO大于0就失去处置效应的意义了。如果考虑CGO本身值（例如每次选CGO小于某个阈值）说不定有自带择时的效果。研报最后有个步骤是先对CGO按大小分层，不同层再用不同因子加强，说明CGO本身的大小是有特殊意义的。大家可以简单地先筛选CGO小于0，再选10只，在股票池是中证500且不风险中性情况下好像效果更好。
4. 逻辑优化4：加入止损，纳入其他因子。
5. 逻辑优化5：技术类因子调仓比较快，增大成本。可以减少调仓
6. 代码优化。 代码中每次交易都重新取前100个交易日均价、换手率数据，耗时较长。改进方法是保存数据，每次增量取（不过注意要用后复权价格）。
风险：
1. 模型失效风险，尤其是反转类模型失效风险（见参考资料2）。从回测看确实最近一年的表现不尽人意。
2. 代码错误风险
3. 极端市场冲击
参考资料：
1. 广发证券《行为金融因子研究之一——资本利得突出量 CGO 与风险偏好》
2. 东方证券《因子选股系列研究之二十三——反转因子失效市场下的量化策略应对》
3. Lei《处置效应》https://uqer.datayes.com/community/share/5987d4a7bce0050108892cfc
（这篇研究得比较详细，感兴趣的同学可以用聚宽单因子分析来测试CGO的效果https://www.joinquant.net/algorithm/factor/list）
[1]: https://image.joinquant.com/c8cf6e57ddf21b6db0256086a10868e0
[2]: https://image.joinquant.com/d8b690910a267c0e8f84304d2c546750
[3]: https://image.joinquant.com/0e7bcdca2507cc5c26859445c2021140
[4]: https://image.joinquant.com/c7bec65d31b6c9a6b094a52d09d4f35b
[5]: https://image.joinquant.com/8b0284259d4463578f6b438713e65d47
[6]: https://image.joinquant.com/f0e9e7d9aeaebc28410feab1ccb14af6
[7]: https://image.joinquant.com/995b090017d9b5a9fc6dc4a88ae842e4
[8]: https://image.joinquant.com/c682bfb7696118453bda10a7237866eb
[9]: https://image.joinquant.com/699f766cba3cd1e5ab216205f516b617
[10]: https://image.joinquant.com/30870e9ad16a3c995d45f42949a00409
[11]: https://image.joinquant.com/45ee5efd628fcde99fdce64888bc42a5
154
listen
分享到：
微信
微博
雪球
评论
浩南micky
楼主策略运行出错跑不了了能调一下吗感谢
2018-09-13
etrobot
@浩南micky 我刚跑了，没任何问题啊
2018-09-13
柱子嗨翻天
这收益杠杠的啊
2018-09-13
etrobot
@柱子嗨翻天 只测今年的话，亏成狗哈哈
2018-09-14
Guhhhhaa
666，还以为行为金融学是玄学，没想到能实现。
2018-09-14
xjn
手动点赞，真的牛逼，谢谢分享
2018-09-15
kuhn
大神有没有第二篇啊，期待续集
2018-09-17
cufewxy
@etrobot 是啊，我挺喜欢这个因子，但是反转类的不太灵
2018-09-17
cufewxy
@guhhhhaa 有些在期刊里还是有具体量化指标的
2018-09-17
cufewxy
@xjn 感谢支持，之前发出来一直没回应，前几天登录看到大家讨论，挺高兴的
2018-09-17
cufewxy
@kuhn 哈哈，感谢支持，等我有时间再继续研究研究
2018-09-17
柱子嗨翻天
@cufewxy 楼主可以考虑做对冲，做超额收益的部分。
2018-09-17
浩南micky
@etrobot 抱歉抱歉是我在clone的时候出问题了，现在能跑了，另外有个问题想咨询一下您，就是我想用IC检验一下各股票CGO值得有效性问题，但是不知道该如何循环计算得到N天的CGO因子值，所以不知道大神有没有兴趣做续集啊
2018-10-02
蛋炒饭
发现在下跌月份有效，盘整亏成狗啊
2018-10-05
520131499
非常感谢分享
2018-11-18
sharkblue
好贴，不知道在高频数据上能否有效
2018-11-27
浩南micky
您好，不知道您后来有没有用聚宽的单因子分析对CGO因子进行检测？如果有的话还希望能分享一下，感谢！
2019-03-15
财大张继科
请问如何对CGO因子做因子有效性分析？
2019-12-10
suohanyun
非常棒，赞一个
2020-01-22
哦啤酒
真的牛逼，谢谢分享
2020-01-22
首页
上一页
1
2
3
下一页
尾页
您尚未登录，请 登录 或者 注册 聚宽发表回复。
取 消
提 交
关于
关于我们
联系我们
加入我们
数据
指数数据
基金数据
国泰安数据
股票财务数据
金融期货数据
行业概念数据
帮助
常见问题
API文档
Python教程
Python 2 to 3
友情链接
果仁网
关注我们
知乎专栏
雪球
微信公众号
用户协议 | 隐私政策
@2025 @joinquant.com | 京ICP备17068639号-5 | 增值电信业务经营许可证：京B2-20212305
关于
关于我们
加入我们
联系我们
数据
指数数据
基金数据
国泰安数据
股票财务数据
金融期货数据
行业概念数据
帮助
常见问题
API文档
Python教程
@2025 @joinquant.com | 京ICP备17068639号-5 | 增值电信业务经营许可证：京B2-20212305