• “日与夜的殊途同归”新动量因子从2014年2月起在全市场表现出色，10分组多空对冲年化收益为20.93%，年化波动率8%，信息比率达2.61，月度胜率超83%[pidx::0][pidx::4]。

• 因子构建通过将传统动量因子按日内和隔夜收益切割，分别研究价量关系，确定日内成交量与价格变动的正相关“锦上添花”效应，隔夜成交量对隔夜动量信号的增强“雪中送炭”作用[pidx::5][pidx::9]。

• 日内因子再细分为根据日内换手率排序的5个局部因子，其中高换手率组因子选股能力最强，年化ICIR达约-2.0，表现优于传统日内因子[pidx::7]。

• 新日内因子为低换手部分因子取负与高换手部分因子正向线性组合，回测年化信息比率提升至1.80，最大回撤降低，加稳选股表现[pidx::8]。

• 传统隔夜因子表现波动大，选股能力不足。结合昨日换手率（量）信息后，构建新隔夜因子，提高年化收益率至18.39%，信息比率达2.22，胜率79%，大幅优于传统因子[pidx::9][pidx::10]。

• 日内、隔夜新因子分别较各自传统因子显著提升信息比率，新因子日内IR达到1.80，隔夜IR达2.22，实现稳健选股[pidx::11]。

• 组合新动量因子由日内与隔夜新因子标准化后线性叠加生成，10分组多空对冲年化收益达22.64%，年化波动率7.95%，信息比率2.85，胜率83.33%，最大回撤控制在5.79%[pidx::11][pidx::12]。

• 纯净新动量因子剔除风格因子和28个行业影响后，仍表现稳健，年化收益约10.54%，信息比率2.10，月度胜率71.56%，最大回撤控制在4.78%（见图14、表7）[pidx::13][pidx::14]。

• 报告全面体现了量化因子构建的细致步骤，从因子分割、局部因子识别、量价关系挖掘，到新因子组合形成，均伴随详细回测指标和对比，且注重因子稳定性与风险控制，适合量化投资策略研发参考[pidx::0][pidx::3][pidx::5][pidx::8][pidx::9][pidx::11][pidx::13]。

金工定期报告《“日与夜的殊途同归”新动量因子绩效月报 20230630》深度分析报告

---

一、元数据与报告概览

• 标题：“日与夜的殊途同归”新动量因子绩效月报 20230630

- 作者：高子剑（证券分析师）、庞格致（研究助理）

• 发布机构：东吴证券研究所

- 发布日期：2023年7月1日

• 主题：基于日内与隔夜交易时段成交量价关系构建的新动量选股因子在A股市场的表现及其改进与优势

核心论点与信息摘要

报告主要介绍了“日与夜的殊途同归”新动量因子的构建思路、绩效分析及选股模型。该模型基于对传统动量因子进行“日内”和“隔夜”两个时段区分，融合成交量对价格变动的影响，提出改进后的动量因子。报告显示该新动量因子在2014年2月至今全A股样本上的10分组多空对冲年化收益率高达20.93%，信息比率高达2.61，月度胜率超83%，最大回撤控制在8.62%，展现出比传统动量因子更优异的稳定性和风险收益表现。报告还针对2023年6月及全年回顾，更新数据和绩效，说明新动量因子在实际应用中依然保持强劲表现。

---

二、逐节深度解读

1.绩效回顾（第3页）

• 关键论点：

动量因子自1993年以来是量化投资中的经典选股因子，但在A股市场表现不稳定，尤其呈现中长期反转。传统动量因子2014至2022年间月度胜率仅62.75%，最大回撤达20.35%，表现波动大。

• 推理依据和逻辑：

东吴金工团队结合投资者交易行为，运用价量关系理论，分割交易时段为“日内”与“隔夜”，分别改进相应因子，构建融合的新动量因子，实现信号强度的有效甄别。

• 数据亮点：

新动量因子2014年2月至2023年5月10分组多空对冲年化20.93%收益，年化波动率8.00%，信息比率2.61，胜率83.18%，最大回撤8.62%（见表1）、图1展示了十个分组及长周期净值走势，强势分组表现远优于弱势分组，差异明显。

图表分析：

• 图1：

展示2014年至2023年6月“殊途同归”新动量因子分组净值。分组1（最强组）净值大幅提升，分组10（最弱组）明显下跌。分组1-10对冲净值（虚线）稳步向上，表明买强卖弱策略获得稳健正收益。

• 图2：

新动量因子多头组合2023年6月净值走势与Wind全A指数近似，表明近期表现仍保持竞争力。

• 表1：

重要绩效指标年化收益率20.93%、信息比率2.61、最大回撤8.62%，均优于传统量化因子，呈现低波动高稳定性的优质投资因子特质。

---

2.殊途同归新动量因子选股模型简介（第5-14页）

2.1 日内量价关系分析（第5-8页）

• 传统日内因子定义及问题：

以过去20交易日日内收益累计计算，存在显著反转效应（IC平均负值）且表现波动，说明传统动量因子稳定性不足。图4显示传统日内因子10分组净值走势分层，但波动和反转显著。

• 成交量对日内因子的增强作用：

通过剖析日内换手率，将日内收益按换手率分为5部分（局部因子），发现换手率增加对应更大的反转信号强度（图5 ICIR绝对值渐增，因子1低换手为-0.27，因子5高换手为-2.00）。图6走势显示高换手率对应局部因子净值表现更强。

• 日内量价关系总结：

换手率作为“量”的替代，用以确认或增强“价”的动量信号，“日内量”对“日内价”有锦上添花的作用。

2.1 新日内因子构建（第8页）

• 方法：

合成低换手组（因子1）与高换手组（因子5）以权重[-1,1]线性加权形成新日内因子（NEWIntraday），优化后新因子信息比率提升至1.80，胜率75.49%，最大回撤10.27%（低于传统日内因子）。图7和表2清晰展示了新旧日内因子对比的绩效提升。

---

2.2 隔夜量价关系分析（第9-10页）

• 传统隔夜因子表现：

基于开盘价与前收盘价的隔夜收益累计，传统隔夜因子表现极弱动量效应（年化ICIR0.65），且不稳定，图8展示10分组多空对冲净值走势未见明显优势。

• 新隔夜因子构建：

通过取隔夜收益5分段中低换手的反转信号组和高换手的动量信号组，反向加权构建新隔夜因子（NEWOvernight）。数据显示该因子ICIR提升至-2.05，信息比率达2.22，胜率79.41%，最大回撤6.76%远优传统因子，说明昨日换手率信息显著强化了隔夜动量信号。图9及表3展示了绩效对比。

• 逻辑总结：

昨日成交量对隔夜收益构成“雪中送炭”功能，弥补传统隔夜因子不足。

---

2.3 日以继夜，殊途终可同归（第10-14页）

• 理论架构：

日内与隔夜交易段的价量关系逻辑不同，日内成交量与价格同步，其动量效应类似传统价量改进；而隔夜价量则不同步，需关注前一交易日成交量对隔夜价的影响，体现投资者结构及信息反应。

• 新动量因子构建：

MONTH-END标准化新日内因子和新隔夜因子线性加权合成新动量因子（NEW_Momentum）。此因子ICIR高达-2.59，信息比率2.85，胜率83.33%，最大回撤5.79%。

• 绩效数据及对比：

新旧动量因子年化收益分别为22.64%和21.93%，但新因子波动减半、信息比率提升一倍，稳定性明显增强（表4）。图12-13分别展示新动量因子10分组净值走势及新旧动量因子对比。表5细化了各年度表现，2015、2021等年份波动大但整体正收益，极大体现稳定的多空择时能力。

• 风格因素相关性：

表6表明新动量因子与Barra常用风格因子相关性较低（Momentum相关0.0346，Book-to-price相关-0.1093等），特征较为独立。

• 纯净因子验证：

通过剔除Barra风格及申万行业影响后，得到纯净新因子（Residuals），其年化收益10.54%，信息比率2.10，月度胜率71.56%，最大回撤4.78%（图14，表7）。纯净因子同样表现稳定，显示模型选股能力不依赖行业或风格偏差。

---

3.风险提示（第14页）

• 风险声明：

模型结果基于历史数据，未来可能因市场结构或行为改变产生显著偏离。单一因子表现可能波动较大，实际应用需搭配资金管理及风险控制。

---

4.免责声明和投资评级（第15页）

• 权威机构背书，说明非投资建议性质，风险提示和版权声明完备，评级体系为相对评级，不涉及绝对买卖建议。

---

三、图表深度解读

| 图表编号 | 内容描述 | 关键数据与趋势 | 论证支持 | 备注与潜在局限 |
| --- | --- | --- | --- | --- |
| 图1 | 新动量因子10分组及多空对冲净值（2014-2023） | 顶尖分组净值大幅升高，底部分组跌落，差异显著，对冲净值稳步上涨 | 体现因子强选股能力和策略稳健性 | 长期样本内数据，结果受流动性影响较小 |
| 表1 | 新动量因子绩效指标 | 年化收益20.93%，信息比率2.61，月度胜率83.18%，最大回撤8.62% | 显著优于传统因子，风险调整后优异表现 | 无手续费滑点影响考量 |
| 图4-7 | 传统及局部日内因子回测数据及换手率分组表现 | 换手率越高，反转信号越强阐释日内量价增强关系 | 支撑新日内因子构建逻辑，突出成交量确认作用 | 20日窗口局限长期趋势捕捉 |
| 表2 | 新旧日内因子绩效对比 | 新日内因子年化收益16.24%，信息比率1.80，胜率75.49%，窗口优化稳定性 | 体现用低高换手率分组改善传统因子的的效果 | 牺牲部分收益换稳定性 |
| 图8-9 | 传统及新隔夜因子净值对比 | 新隔夜因子胜率79.41%，信息比率2.22，显著优于传统 | 重点显示成交量调整对隔夜信号改善作用 | 隔夜因子原信号微弱需量帮助 |
| 表3 | 新旧隔夜因子绩效指标 | 新隔夜因子年化收益18.39%，最大回撤6.76%，胜率79.41% | 说明新因子动能特征明显且稳健 | |
| 图10-13 | 新旧日内、隔夜因子及整体动量因子多空对冲净值走势 | 新因子均实现波动率下降，信息比率大幅提升 | 确认融合日夜价量信息构建出的新动量因子优势 | |
| 表4-5 | 新旧动量因子绩效及分年度表现 | 新动量因子整体稳定收益，2015年极端收益，年化信息比率2.85 | 年度分解说明因子适应多个市场周期能力 | 2016-2018年收益波动表明市场环境影响明显 |
| 图14-15、表7 | 纯净新因子表现及年度数据 | 剔除风格行业影响后仍保持10.54%收益，信息比率2.10 | 说明因子独立选股能力及稳健性 | 风格剔除可能降低策略多样性 |
| 表6 | 新动量因子与Barra风格因子相关系数 | 相关性较低，证明因子有效捕捉独立信息 | 有助于组合中降低因子重叠 | |

---

四、估值分析

本报告未涉及直接估值（目标价等），主要针对选股因子和量化模型绩效，聚焦模型构建、因子表现、风险收益特征与改进手段分析。

---

五、风险因素评估

• 主要风险源于模型基于历史数据，未来市场结构、投资者行为、交易制度等可能发生变化。

- 单因子表现可能波动，存在市场统计套利状态消失或技术失效的风险。

• 报告强调实际应用需结合资金管理和风险控制措施来对冲单因子可能的下行风险。

---

六、批判性视角与细微差别

• 因子构建假设：线性加权整合两个不同的价量因子（新日内和新隔夜），权重设置基于经验，是否最优未说明，存在进一步优化空间。

- 历史回测依赖性：模型依赖2014-2023年数据，较长周期但可能不完全涵盖所有市场极端状态，结构性风险未充分讨论。

• 换手率分组方法的适用性：换手率是增强信号的关键，但不同市场环境和流动性状况可能导致换手率信号失真。

- 收益牺牲稳定性：新日内因子收益下降换来稳定性提升，说明收益波动与稳定性权衡仍存在潜在限制。

• 样本外验证：部分图表区分样本内外数据，但报告未详细讨论样本外表现和实时交易中可能面临的滑点、成本等因素。

总体而言，报告基于充分数据和金融逻辑严谨地展现了动量因子改进效果，虽存在典型的模型假设和回测局限，但从研究方法及绩效数据看，其贡献显著。

---

七、结论性综合

经深入分析，东吴证券《“日与夜的殊途同归”新动量因子绩效月报 20230630》系统地阐述了基于日内与隔夜时间分割、融合成交量价格关系的新动量因子构建方法。该因子2014年至今在全A股样本中表现稳健，年化收益率20.93%，信息比率2.61，月度胜率83.18%，最大回撤控制在8.62%，均显著优于传统动量因子。

图表数据显示，新动量因子能够明显区分风险-收益特征极端的股票，体现因子强信号辨识度。局部日内因子和隔夜因子的市场表现展示了成交量作为增强动量信号的关键作用：日内量价对应“锦上添花”的稳定性提升，隔夜量价实现“雪中送炭”的信号加强。新日内因子和新隔夜因子的单独表现显著优于传统对应因子，结合后的新动量因子在收益稳定性上获得双重提升。剔除风格和行业因素影响的纯净因子依然保持良好收益和信息比率，验证其独立选股有效性。

报告充分体现了基于市场微观结构和行为金融理论对动量因子的挖掘深化，同时示范了多时段、多维度因子融合优化策略的可能路径。然而，需谨慎对待历史数据的局限性及实际操作的交易成本、滑点风险。

总的来看，该报告及其新的动量因子方法论对量化投资策略设计提供了重要提升思路，建议投资者关注其在实际运用中的风控匹配和动态调整。

---

参考文献及数据溯源

• 绩效总体数据见[pidx::0][pidx::3][pidx::4]

- 日内因子拆分与量价关系见[pidx::5][pidx::6][pidx::7][pidx::8]

• 隔夜因子分析与改进见[pidx::9][pidx::10]

- 新动量因子构建及综合比较见[pidx::11][pidx::12][pidx::13]

• 纯净因子剔除风格因素见[pidx::13][pidx::14]

- 风险提示及免责声明见[pidx::14][pidx::15]

---

重要图表示例

图1：“日与夜的殊途同归”新动量因子10分组及多空对冲净值走势（2014/02-2023/06）

表1：殊途同归新动量因子2014/02-2023/06绩效指标

| 指标 | 数值 |
|-------|-------|
| 年化收益率 | 20.93% |
| 年化波动率 | 8.00% |
| 信息比率 | 2.61 |
| 月度胜率 | 83.18% |
| 最大回撤率 | 8.62% |

（其他图表可按需查阅对应页码）

---

以上分析, 系统解构了报告的研究框架、数据表现、模型构建及风险收益特征，力求呈现该新动量因子在量化投资领域的技术含金量与应用潜力。

报告