本报告主要使用 Jiang and Zhu (2017)的方法,通过分钟数据识别股价跳跃,并验证股价跳跃因子在 A 股市场的有效性。随后,我们将跳跃区分为正向跳跃与负向跳跃,隔夜跳跃与日内跳跃作进一步检验。最后,我们将股价跳跃与换手率相结合,对股价跳跃因子进行进一步的改进。
本报告核心结论如下:本文采用 Jiang and Oomen(2008)和 Jiang and Zhu(2017)的步骤来计算跳跃收益,该方法的好处是不仅能够识别当日是否发生价格跳跃,而且能够识别出日内所有价格跳跃发生的时段。
跳跃因子(Jump)因子与 MOM 因子相似,均呈现类反转的特性,与股票未来收益负相关。Jump 因子的有效性要显著强于 MOM 因子:Jump 因子在回测区间内的 IC 均值为-6.59%,t 值为 6.65,均较为显著。
区分跳跃的方向所得到的正跳跃因子(Pos_Jump)因子有效性强于负跳跃因子与原始跳跃因子。正跳跃因子回测区间 IC 均值为-9.50%,t 值为￾7.17。进一步区分隔夜和日内所发生的跳跃得到的日内正跳跃收益因子(OC_Pos_Jump),回测区间 IC 均值为-9.35%,t 值为-7.45,均较为显著。
日内正跳跃标准差因子(OC_Pos_Jump_Std)、平均日内正跳跃收益因子 ( OC_Pos_Jump_Avg )同样与 日 内 正 跳 跃 收 益 因 子(OC_Pos_Jump)均具有较好的有效性,但是三个因子相关性较高。
将每日的跳跃收益与其换手率结合起来所构建的平均换手日内正跳跃收益因子(OC_Pos_JumpT_Avg)IC 均值为-12.37%,t 值为-7.55。因子在全 A 市场中分 10 组年化收益严格单调,多头组年化收益 25.53%,多头夏普 1.11,多空组合的年化收益 43.47%,多空卡玛 3.79,表现十分亮眼。
周频维度下,平均日内正跳跃收益因子(OC_Pos_Jump_Avg)与平均换手日内正跳跃收益因子(OC_Pos_JumpT_Avg)均具有较好的表现。
OC_Pos_JumpT_Avg 因子在中证 800、中证 1000 以及国证 2000 的多头组合年化收益分别为 11.53%、17.31%、和 24.48%,多头超额年化收益分别为 7.90%、14.80%和 18.49%。整体来看,因子的表现均较为出色。
风险提示:本报告结果通过历史数据统计、建模和测算完成,在政策、市场环境发生变化时模型存在失效的风险;本报告所提及个股或基金仅表示与相关主题有一定关联性,不构成任何投资建议。
正文目录
一、引言.........5
二、如何识别、计算跳跃收益 .......... 6
2.1 如何识别、计算跳跃收益 .......... 6
2.2 跳跃的分布情况 .......... 8
宽基指数 .......... 8
行业分布 .......... 8
三、跳跃因子有效性测试 .......... 10
3.1 跳跃收益与非跳跃收益 .......... 10
3.2 正跳跃收益与负跳跃收益 .......... 11
3.3 隔夜跳跃收益与日内跳跃收益 .......... 13
3.4 其他跳跃因子 .......... 14
四、结合换手率的跳跃因子 .......... 16
4.1 结合换手率的跳跃因子 .......... 16
五、周频测试 .......... 17
六、因子测试 .......... 19
6.1 因子相关性分析 .......... 19
6.2 不同股票池中的因子表现 .......... 21
七、总结………… .......... 26
参考文献……….......... .......... 27

因篇幅限制,仅展示部分,更多重要内容、核心观点,请下载报告。