• 换手率变异系数定义及样本选取 [page::3]：

- 使用过去20日日换手率的变异系数（标准差/均值）衡量交易行为的波动性，对象为2010年1月4日至2016年6月30日所有A股，剔除上市不足12个月、停牌和无交易天数异常股票。

• 分组法检验交易行为波动性与预期收益的关系 [page::3]：

| 持有期 | D1收益率 | D10收益率 | D1-D10收益差 | t值 |
|--------|-----------|------------|----------------|------|
| 5日 | 0.59% | -0.08% | 0.66% | 7.43 |
| 10日 | 0.92% | -0.01% | 0.93% | 5.57 |
| 15日 | 1.44% | 0.25% | 1.19% | 4.80 |
| 20日 | 1.72% | 0.60% | 1.11% | 3.72 |
- 结果显示换手率变异系数越高，股票未来收益越低，且首尾组合的收益差显著。

• 控制市值、反转、净市率风险因子的分组法检验 [page::4][page::5]：

- 在各风险因子组别内，换手率变异系数与预期收益依然负相关且显著，说明经典因子无法完全解释该因子的选股能力。

• 日均换手率与变异系数对比分析 [page::5][page::6]：

- 日均换手率的分组检验显示其与预期收益负相关，但单调性和显著性均弱于变异系数。

- 变异系数能解释部分均值的选股效果，反之不成立，表明变异系数比均值更有效。

• 回归法验证因子有效性 [page::6][page::7]：

| 模型 | 截距项 | 换手率变异系数系数(%) | 其他因子系数 | t值(变异系数) | R² |
|-------------|--------|------------------------|--------------|--------------|--------|
| 单因子回归 | 0.00 | -0.29 | - | -6.59 | 0.68% |
| 四因子回归 | 0.00 | -0.28 | 市值、涨跌幅、净市率 | -8.15 | 6.45% |
| 五因子回归 | 0.00 | -0.28 | 加入均值换手率 | -8.13 | 7.68% |
- 换手率变异系数的负向显著性在加入多个风险因子后仍然稳健，R²有所提升。

• 量化因子总结 [page::3][page::4][page::6][page::7]：

- 因子定义：过去20日日换手率的变异系数（标准差/均值）。
- 样本范围：2010年初至2016年6月的A股全部样本。
- 选股逻辑：变异系数越高，股票未来平均超额收益越低。
- 风险控制：经过市值、涨跌幅、净市率分层，结果稳健。
- 实证效果优于传统的日均换手率因子。

• 风险提示 [page::0][page::7]：

- 策略表现受市场系统性风险、流动性风险及政策变动风险影响。

报告详细分析 —《选股因子系列研究（十四）——交易行为的波动和股票预期收益》

---

一、元数据与概览

• 报告标题：选股因子系列研究（十四）——交易行为的波动和股票预期收益

- 作者：冯佳睿（海通证券研究所，联系方式：Tel: (021)23219732，Email: fengjr@htsec.com）

• 发布机构：海通证券股份有限公司研究所

- 发布时间：报告第一页未显示具体发布日期，相关引用研究文献时间为2016年，研究数据覆盖至2016年6月末，推测报告发布于2016年中期或稍后

• 研究主题：本报告围绕“换手率变异系数”作为量化投资选股因子，研究其与A股股票未来预期收益的关系，分析其有效性及与传统风险因子的关联，探讨交易行为波动性对股票收益的影响机制。

核心论点和结论：

• 报告提出“换手率变异系数”（过去20日换手率的标准差与均值的比值）作为衡量交易行为波动性的指标。

- 通过分组法和多元回归实证发现，换手率变异系数与股票未来预期超额收益呈显著负相关，交易行为波动性越大，未来预期收益越低。

• 该因子的预测能力难以被传统著名风险因子（市值、反转、净市率）完全解释，且在包含这些因子的多因子模型中依然显著。

- 相较于日均换手率水平，换手率变异系数作为选股因子更加有效。

• 该研究提示量化投资者关注流动性波动性对组合构建的辅助作用，同时警示市场系统风险、流动性风险和政策风险。

总体可认定为对“流动性二阶矩效应”的深入探讨，拓展了选股因子研究的新视角，为实证资产定价和Alpha挖掘提供了重要线索[page::0,3,7]。

---

二、逐节深度解读

1. 换手率的变异系数定义（第3页）

• 介绍了流动性溢价理论背景及流动性水平一阶矩指标（日均成交额、日均换手率）与未来股票收益的负相关关系。

- 关注交易行为的波动性（二阶矩），即成交量/换手率的波动，认为这同样影响投资者预期。

• 采用换手率的变异系数（CV = 标准差/均值）作为衡量指标，克服仅用标准差因换手本身差异导致的不可比问题。

- 覆盖时间长达2010年1月至2016年6月，样本为全部A股，仅纳入符合流动数据充足等条件的个股，确保样本的有效性与代表性。

该指标旨在独立揭示交易波动对收益的影响，作为挖掘未被传统因子捕捉的Alpha来源基础[page::3]。

---

2. 换手率变异系数的有效性分析之一：分组法（第3-5页）

2.1 分组法检验（第3页）

• 将股票按照换手率变异系数从小到大排序分为10组（D1至D10），观察未来不同持有期（5、10、15、20日）平均收益及首尾组合收益差。

- 表1显示，持有5、10、15日时低变异率组（D1）收益最高，高变异率组（D10）收益最低且部分为负，组合收益差均显著正向（如5日持有期组合收益差0.66%，t值7.43极高显著）。

• 持有20日时单调趋势略受干扰（D1至D5不完全单调），但首尾收益差仍显著。

结论：换手率变异系数呈现典型反转因子特征，波动性越低的股票未来收益更好，且该效应在不同短期持有期均稳健显著[page::3]。

2.2 控制风险因子的分组法检验（第4-5页）

• 鉴于因子可能与传统因子（市值、反转、净市率）相关，设计交叉分组检验。

- 先以市值分成5组，再在每组内依据换手率变异系数分成5组，计算未来10日平均收益（Equity Returns）。

• 表2显示：每个市值组内，换手率变异系数越小对应收益越高，首尾组收益差正向显著，说明市值未能解释该效应。

- 表3用前20日涨跌幅代替反转因子，结果保持一致，表明反转也不足以解释变异系数影响。且高涨跌幅组中变异系数效应更加明显。

• 表4考察净市率分组，结论类似，净市率也不能完全解释该关系。

推论：换手率变异系数独立于传统Cahart四因素中的市值、反转和价值因子，具备独特的解释力[page::4-5]。

2.3 变异系数与换手率均值关系（第5-6页）

• 通过表5验证均值型选股因子（即日均换手率）确实也是负收益相关因子，但单调性较弱，首尾组合收益差及显著度低于变异系数。

- 交叉分组检验（表6）显示，在固定均值的基础上，变异系数仍与收益呈显著负相关，且首尾组合显著。表7则表明，变异系数能部分解释均值型因子表现，反向关系不成立。

• 这表明，尽管计算中有均值做分母，两者所贡献的选股信息非完全重叠，变异系数包含更多关于流动性波动性的隐含信息，因而更具选股效力。

此节通过相互控制和交叉分组检验了两个流动性指标的独立性与相互关系，为后续回归分析奠定基础[page::5-6]。

---

3. 换手率变异系数的有效性分析之二：回归法（第6-7页）

• 首先用单因子回归检验因子对超额收益的解释力，结果（表8）显示换手率变异系数的系数为-0.29，t值-6.59，显著负相关。模型解释力有限（${R}^2=0.68\%$），但意义显著。

- 随后加入市值、反转和净市率三个因子（四因子模型，表9），换手率变异系数系数略微减小为-0.28，t值更高为-8.15，且整体模型解释力${R}^2$提高至6.45%，说明换手率变异系数效应稳定且独立。

• 将换手率均值加入形成五因子模型（表10），变异系数依旧显著（-0.28，t=-8.13），均值也显著负相关（-0.30，t=-4.44），模型解释力进一步提升到7.68%。

- 说明该因子提供了传统流动性溢价因子之外的增量信息。

数理模型采用线性时间序列面板回归，以超额收益为因变量，维持严谨的统计检验，满足量化研究标准，不同因子间共线性与独立性均有合理控制[page::6-7]。

---

4. 总结与讨论（第7页）

• 重申换手率的变异系数作为衡量交易行为波动性的有效指标，其与未来超额收益呈现稳健负相关关系。

- 该因子未被原有主要风险因子充分解释，具有探寻新Alpha因子的潜力。

• 在流动性效应研究中，二阶矩的交易波动性比一阶矩均值更重要。

- 报告建议量化投资者应重点关注这一因子，融合流动性波动性信息以改进选股模型。

总结清晰地展示了全报告逻辑和结论，突出创新贡献，具有较高实践价值[page::7]。

---

5. 风险提示（第7页）

• 市场系统性风险可能导致模型失效或收益波动加剧。

- 资产流动性风险可能加大变异系数本身的条件变异。

• 政策变动风险可能影响市场环境，打破历史规律。

风险描述简洁且符合研究对象的典型外部风险，体现了报告审慎的风险企图[page::7]。

---

三、图表深度解读

表1：换手率变异系数的分组检验

• 展示不同变异系数分组（D1最低至D10最高）对应的未来5、10、15、20交易日平均收益。

- 观察到明显单调递减的趋势：D1组平均收益最高，D10组最低（甚至负收益），首尾组合D1-D10收益差均显著（例如5日持有期下为0.66%，t=7.43）。

• 除了20日持有期单调性稍微弱化（D1-D5不完全单调），整体体现换手率波动性是负向收益预测因子。

---

表2、表3、表4：交叉分组检验（以市值、涨跌幅、净市率分别分组）

• 对每种风险因子先分5组，再在组内按变异系数5分组，考察未来10日收益。

- 三张表均显示换手率变异系数内存在持久的负相关性，首尾Q1-Q5组合收益差均显著（市值组中最高达1.16%，t=8.69），各组单调趋势非常明显。

• 说明换手率变异系数的负相关效应独立于传统风险因子，是新颖的补充指标。

---

表5、表6、表7：均值与变异系数的选股效应及互相解释能力

• 表5显示日均换手率分组的收益单调性较弱，首尾组合收益差仅0.36%-0.72%，t值较低。

- 表6显示，在固定均值的组别内，变异系数的负相关性依然显著，尤其在高均值组Q5表现最弱（呈现最低收益）。

• 表7反之，固定变异系数组内也存在均值效应，但首尾组合收益差的显著性被削弱。

- 数据表明变异系数不仅包含均值信息，还具有独到信息，且其解释力优于均值。





---

表8、表9、表10：单因子、四因子、五因子回归结果

• 表8单因子回归说明换手率变异系数单独解释约0.68%收益变异，系数-0.29，t值-6.59非常显著。

- 表9加入市值、反转、净市率三个因子后，系数仍显著，模型解释力跃升至6.45%，换手率变异系数稳定存在显著预测意义。

• 表10继续加入换手率均值，双因子均显著（变异系数-0.28，均值-0.30），模型解释力提升至7.68%，表明两者互补。

回归模型符号、显著性和拟合优度一致支持报告观点，统计分析规范且充分。





---

四、估值分析

本报告属于因子研究和量化选股策略研究，未包含具体个股估值分析、目标价或现金流折现等内容，因此无估值部分。

---

五、风险因素评估

报告明确提示：

• 市场系统性风险：整体经济波动、流动性危机可能导致因子失效。

- 资产流动性风险：流动性本身波动易影响收益稳定，尤其高波动资产回报不确定性增加。

• 政策变动风险：监管政策调整可能影响交易行为模式和投资者心理，改变因子表现。

提示适度，未深入给出缓解策略，但符合因子研究报告风险提示标准。投资者应综合考虑上述系统及非系统风险[page::7]。

---

六、批判性视角与细微差别

• 量化模型结果主导：报告明确声明模型结果未经过分析师主观调整，减少人为偏见，但同时可能忽略需进一步经济学解释的复杂交互效应。

- 因子持久性未深度探讨：虽然报告覆盖6年半样本，因子的稳定性尚可验证，但未对因子在不同市场环境、波动周期下的表现差异展开讨论，留有研究空间。

• 对高换手率与高变异率逻辑关系存在一定隐晦：报告表明换手率高可能导致变异系数低，这提示部分高流动性股票波动性相对稳定，逻辑推断较复杂，需结合微观结构模型深化。

- 对风险因素的缓解措施缺失：未具体讨论如何规避市场或政策风险，缺乏策略层面的建议。

• 报告未讨论因子在国际市场或其他资产类别的适用性限制。

整体报告数据分析严谨，结构合理，结论符合定量研究逻辑，但在宏观理解和策略应用环节可进一步完善。

---

七、结论性综合

本报告系统、详实地检验了“换手率变异系数”作为A股市场中交易行为波动性的量化度量，并深入分析了该指标对未来股票预期超额收益的预测能力。通过大量分组检验和回归分析，核心发现为：

• 换手率变异系数作为交易波动强度的度量，与股票未来收益呈显著负相关，波动大者预期收益低。

- 其效应独立于市值、反转、净市率等经典Cahart四因素及均值换手率因子，是相对独立且有效的新选股因子。

• 分组和回归结果相互印证，模型稳健性良好，解释收益变异能力在包含四因子基础上进一步提升。

- 换手率均值虽与收益负相关，但单调性弱，且变异系数能更有效捕捉选股信号。

• 报告未涉及具体股票估值，集中于因子特性及其定价能力。

- 风险提示涵盖系统性风险和政策风险，提醒投资者注意策略实施中的不确定性。

该研究拓展了传统流动性溢价理论，强调流动性波动性（流动性二阶矩）对资产定价的意义，为量化投资者发现尚未被充分利用的Alpha因子提供重要依据。报告数据详尽，统计显著，具备很强的实践指导价值，值得投资机构和量化团队关注和进一步研究[page::0-7]。

---

总结

本报告是海通证券研究所于2016年发布的一篇系统量化因子研究，深入挖掘换手率变异系数的选股能力，运用分组法及多因子回归进行严谨实证，剖析该因子与传统风险因子的独立贡献及其优于均值换手率的表现。全篇数据翔实，结论稳健，提示了流动性波动性在证券市场价格形成中的重要作用，并为量化投资提供了理论与实用框架。

报告具备以下三大优势：

1. 因子定义科学，适用性强；

2. 数据覆盖长周期，统计检验严密；

1. 体系性揭示了“流动性二阶矩”理论在实证内涵。

同时，报告在因子机制、因子跨市场适用性与风险缓释策略方面仍有提升空间，未来可在此基础上做进一步扩展。

以上分析基于报告全文及所有表格数据，体现报告研究逻辑与实证成果，适合专业投资者、金融研究人员及量化策略开发者深入理解该选股因子及其市场意义[page::全部内容尤其第3-7页]。

报告