基于股价跳跃关联性的选股策略.docx

正文目录

一、引言 4

二、一个信息冲击的例子 6

三、跳跃关联网络的构建 8

跳跃关联度 8

点度中心性 9

动量溢出效应 12

四、因子的详细测试 17

因子测试 17

因子相关性分析 18

不同股票池中的因子表现 19

五、总结 23

参考文献 24

图表目录

图1：大纲框架图 5

图2：2024/8/20上证指数价格走势 6

图3：2024/8/20浙版传媒（601921.SH）价格走势 6

图4：2024/8/20丝路视觉（300556.SZ）价格走势 7

图5：2024/8/20致尚科技（301486.SZ）价格走势 7

图6：跳跃频率关联关系被完全剔除的股票比例 10

图7：跳跃幅度关联关系被完全剔除的股票比例 10

图8：N_Connect因子（基于跳跃频率关联）分组年化收益 11

图9：N_Connect因子（基于跳跃频率关联）分组测试 11

图10：N_Connect因子（基于跳跃幅度关联）分组年化收益 11

图11：N_Connect因子（基于跳跃幅度关联）分组测试 11

图12：关联股票与焦点股票收益相关性分析 13

图13：Relative_WithoutPosJump_Ret因子（基于跳跃频率关联）分组年化收益 16

图14：Relative_WithoutPosJump_Ret因子（基于跳跃频率关联）分组测试 16

图15：Relative_WithoutPosJump_Ret因子（基于跳跃幅度关联）分组年化收益 16

图16：Relative_WithoutPosJump_Ret因子（基于跳跃幅度关联）分组测试 16

图17：N_Connect因子分组年化收益 18

图18：N_Connect因子分组测试 18

图19：Relative_WithoutPosJump_Ret因子分组年化收益 18

图20：Relative_WithoutPosJump_Ret因子分组测试 18

图21：N_connect因子在中证800中的表现 21

图22：N_connect因子在中证1000中的表现 21

图23：N_connect因子在国证2000中的表现 21

图24：Relative_WithoutPosJump_Ret因子在中证800中的表现 21

图25：Relative_WithoutPosJump_Ret因子在中证1000中的表现 21

图26：Relative_WithoutPosJump_Ret因子在国证2000中的表现 22

表1：因子回测框架 10

表2：因子回测数据展示 11

表3：因子回测数据展示 11

表4：因子回测数据展示 12

表5：因子回测数据展示 15

表6：因子回测数据展示 15

表7：因子回测数据展示 15

表8：因子回测数据展示 17

表9：因子回测数据展示 17

表10：因子相关性展示 18

表11：因子回测数据展示 19

表12：因子回测数据展示 19

表13：不同股票池N_Connect因子分组测试结果 20

表14：不同股票池Relative_WithoutPosJump_Ret因子分组测试结果 20

一、引言

在先前的研究《如何识别股价跳跃》中，我们探讨了股价跳跃在预测股票未来收益中的作用。通过使用分钟级数据识别A股市场上的股价跳跃，我们区分了正向跳跃与负向跳跃、隔夜跳跃与日内跳跃，并结合换手率，验证了跳跃因子

在回报预测中的有效性。本篇报告是《如何识别股价跳跃》报告的延续。在上一篇报告中，我们关注的是股票收益对自身股价跳跃的反应，而在本篇报告中，我们将关注股价跳跃在股票关联性方面的作用。

关于股票关联，现有研究提出了多种关联方式。例如行业关联（MoskowitzandGrinblatt,1999），地理区域关联（Parsonsetal.,2020），科技关联（Leeetal.,2019），供应链关联（MenzlyandOzbas,2010），以及分析师共同覆盖

（AliandHirshleifer,2020）等。这些关联方式为我们理解股票之间的关系提供了多维度的视角。基于这些关联方式，当前的研究主要集中在两个方向。第一个方向是构建关联网络，并根据关联网络的结构特征构建相应的因子，如网络中心性因子。例如，团队此前的研究《供应链中心性初探》便探索了如何通过供应链关系的网络结构，量化不同企业在整个供应链网络中的重要性，并基于此设计了相应的选股策略。第二个方向则是构建关联关系动量因子。其理论基础在于，投资者在面对复杂市场信