市场的参与主体是投资者，价格的形成源于投资者的交易行为。而资金流就是来自于投资者交易时产生的成交信息，是投资者研究框架中不可或缺的一环。对于每一位市场参与者而言，无论是基本面预期发生变化，抑或受制于风险偏好的管理，终究都会通过资金体现其投资观点和决策。而资金的流入和流出对股价的影响又是最直接的：当大量资金流入时，推动股价上涨；相反，当资金大幅流出时，股价随之下跌。多空博弈背后的本质是资金的“投票行为”所驱动的，资金的流动反映了供求关系的强弱。因此，观察、跟踪不同类型资金流的强度和方向，是投资者观测市场情绪、挖掘投资机会的重要手段和工具。

资金流入市场，可能由多方面因素驱动：其一，居民资产负债表的改善、可支配收入的提升以及投资意愿的增强，会导致资金规模增加，进而使得配置权益资产的需求增加；其二，资金亦可能受投资情绪和市场赚钱效应驱动，2020年权益基金表现优异，新发基金规模井喷，赚钱效应凸显，投资者对于市场上行保有较好的预期，投资权益市场意愿增强；其三，资金流入市场可能受到资金结构性变化的驱动，例如外资、保险资金、社保、以及公募基金规模的上升亦会带来增量资金。资金流入带来的正向影响不仅作用于整个权益市场，对于行业和个股亦是如此，微观资金流动的大小和方向时刻反映了市场中不同参与者对标的资产的供需信息。总之，无论是何原因，资金流入无疑给市场带来巨大的上涨空间和积极情绪。于投资实践而言，资金流中所蕴藏的信息对市场择时、行业配置以及选股具有较强的指导意义：

举例来看资金面的市场择时能力，从北向资金净流入和中证800走势中可以看出，整体而言，北向资金净流入量和中证800走势存在正向关联，同步性较强，2019年后北向净流入值在逐渐变大，并且当某日净流入量较高或者大幅高于过去一段时间的净流入额时，未来指数大概率会上涨。

行业配置层面，资金流因子对行业未来收益也具有显著的预测能力：长期来看，北向大类因子（北向持仓市值占比因子以及持仓市值占比的季度环比变化因子等合成得到）在中信二级行业层面的收益预测能力显著，Rank IC均值约为7%，五分组多空年化收益达14.5%，多头年化超额为7.7%。

选股方面，大小单流入强度（大单（小单）净买入额/个股成交额）以及北向资金持仓行为因子（北向资金持仓市值占比以及持仓市值占比的季度变化）亦是常用的选股因子。以北向大类因子为例，Rank IC均值为3.1%，年化ICIR为2.62，近年来有效性有所衰减。

由此可见，投资者在量化模型中已打下了深深的“资金流”的烙印。当然，上述Alpha来源的本质是基于资金对宏微观投资机会的前瞻性，因此各类资金流中，北向资金常常在不同场景中扮演着“聪明钱”的角色，充分体现其左侧布局、中长期配置的特点。然而，这类策略仍然存在较大的改进空间：首先，A股市场瞬息万变，尤其是近年来在地缘政治事件、美联储加息、新冠疫情、AI智能革命等多方面因素的影响下，行业轮动加快，内部分化加剧，导致资金本身的流动速度也被迫加快，最终的结果是“聪明钱”难以一直聪明；第二，通常而言，资金流因子在构建的过程中考虑的角度相对片面，信息的使用层次较为单一，几乎都是根据资金的流入流出强度或资金的持仓行为来构建因子值，没有考虑资金流动与股价之间的关系，我们曾在《量价关系的高频乐章——市场微观结构剖析系列》中探讨了量价关系中蕴藏的Alpha，那么，这种研究方法和逻辑对于资金流而言是否同样适用呢？带着这个问题，继承这种思想，本篇报告向股票涨跌幅与各类资金流之间的互动关系进发，提供挖掘资金流Alpha的新视角。

大小单是根据Level2逐笔成交数据计算得到的，一定程度上反映了不同类型的投资者对股票的供求情况。Wind以挂单金额的绝对数值作为超大单、大单、中单和小单的判断依据：具体而言，挂单额大于100万元为超大单；挂单额20万元至100万元之间为大单；挂单额4万元到20万元之间为中单；挂单额小于4万元为小单。

此外，Wind对挂单中的“主动”和“被动”进行区分，买卖双方委托单在委托时间上必然有先后顺序，先来的委托单子作为被动者（挂在委托队列上），后到的委托单子作为主动方促使成交（在委托队列上不可见），根据成交和最优报价判断主动/被动：若最新成交价高于卖价，视为主买；最新成交价低于买价，视为主卖。

通常来讲，股价的变动会同步、同向受到成交量变化的影响，即“天量见天价，地量见地价”，与之类似，本文聚焦的是“个股涨跌幅对资金流变动的敏感程度”，为刻画这个特征，具体计算步骤如下：（1）计算个股的日涨跌幅；（2）计算个股层面资金流向的日变化率（5MAD截面缩尾处理）；（3）对每只个股计算过去20个交易日内日涨跌幅相对资金流日变化率的Beta。

以中单资金流为例，统计2023年1月末的所有A股过去20日涨跌幅对中单买入额日变化率的敏感程度（Beta）的分布，可以看到，大多股票分布在-0.01到0.04之间，均值为0.02，由于资金流变化率方差相对较大，整体数值相对较小，总体上和“资金流变动与个股股价变动方向保持同步”的观点一致。

同样选取2023年1月末横截面上所有股票，绘制了资金流Beta（过去20日个股涨跌幅相对中单资金买入额变化率的Beta）和未来20日涨跌幅的散点图（横轴为中单资金流斥力，纵轴为涨跌幅）。从散点图的回归线可以看出，未来20日涨跌幅与中单资金流Beta略呈负相关，即，对资金流变动敏感程度较高的个股未来会有负向超额收益。

这种现象让我们联想到物理学中的斥力，表现为分子间距离越近，斥力往往增加的越快，这和“敏感度指标与未来收益之间的负相关性规律”十分吻合，即股价和中单资金流间形成互相排斥之力，后文统一称为斥力Beta。类似的，若对资金流变动敏感程度较高的个股未来有正向超额收益，那么，这种正相关性可视为股价和资金流间的引力，后文统一简称为引力Beta。

那么不同委托类型的资金流斥力Beta因子是否具有长期稳定的收益预测能力，且这种预测能力是否存在差异呢？为此，对不同类型的资金流的买入卖出数据进行因子构建以及测试，所用字段如下表所示：

从这一节开始，我们将转向实战，考察大小单资金流斥力Beta因子在选股中的应用，具体的，分别测试行业市值中性化后的因子在全市场中的表现，回测区间为2013年1月31日- 2023年4月28日，通过Rank IC、年化ICIR、以及分十组年化收益（超额收益比较基准为成分股等权）来判断因子的有效性。

下图展示了不同类别资金流、交易方向以及资金单位下的因子在全市场中的绩效表现：所有单因子均具备显著的负向选股能力，即，涨跌幅对资金流变动不敏感的个股相对较为敏感的股票有超额收益。因子收益背后的逻辑符合行为金融学，资金流的持续流入，助推股价，会导致股票价格偏离（高于）其内在价值，后续股价会恢复至内在价值（下跌）。对于资金流不敏感的股票，后续均值回复过程也会更微弱。

此外，仔细考察回测结果后能得出下列几点有意思的结论：

首先，资金流类型对因子表现的影响是最明显的，超大单资金流斥力Beta因子整体表现居于末尾，且超大单卖出资金斥力Beta因子的多头超额为负，我们猜想，原因可能是超大单反映了机构的观点，而机构相对拥有扎实的基本面研究能力，而涨跌幅对超大单不敏感的股票多是质地一般，导致无人问津的标的，未来大概率持续下跌。另外，部分机构投资者存在“羊群效应”，从而使得对机构资金斥力Beta高的个股未来大概率会超跌；

其次，交易方向+资金流类型的组合的因子表现特征是相对一致的，例如，小单卖出资金斥力Beta和大单买入资金斥力Beta因子在不同的数据字段类型下都是有效性最强的；

最后，从资金单位（金额或量）或主被动的角度，由交易总量构成的因子会略微稳定（ICIR略高），总体差别较小，而主动和被动单构成的因子有效性无明显的规律性差异，更多的是由数据驱动。

其中，小单主卖总量斥力Beta因子（SELL_VOLUME_SMALL_ORDER_ACT）和大单买入总量斥力Beta（BUY_ VOLUME _LARGE_ORDER_beta20）的因子表现最佳，Rank IC均值分别为-7.8%和-8.0%，年化ICIR分别为-3.84和-3.55，具有极强的选股能力和稳定性，除此之外，因子的多空收益和多头超额收益同样表现出色，多空年化收益均23%左右，多头年化超额为7.5%和5.6%。

以小单主卖总量斥力Beta因子（SELL_VOLUME_SMALL_ORDER_ACT）为例，对行业市值中性化后的因子在全市场内的有效性进行分析：自2013年1月31日至2023年4月28日，从IC测试的结果来看，因子对未来收益有显著的负向预测能力，且稳定性极强，Rank IC均值为-7.78%，年化ICIR分别为-3.84，IC月胜率达87.8%。

从分组收益统计来看，除Q9组外，其余组收益呈现单调，其中，因子收益在空头端较强，多头端（值较小的）表现同样不俗，年化超额收益约7.5%，空头端（Q1组）年化超额收益约为-15.8%，表现优异。

从多空的角度，全市场分10档后，多空年化收益达23%。分年度来看，所有年份均能取得正向收益，且波动相对较小，表现稳定。

从多头超额净值表现来看，年化超额收益为7.5%，最大相对回撤约-8%，且绝大部分年份回撤较小。分年度来看，2021年以前，因子能提供较为稳定的多头超额收益，而在2021、2022年多头相对基准发生小幅回撤，今年有所反弹。

分指数域来看，在沪深300和中证500这一类偏中大市值的股票池中，小单卖出资金流斥力Beta因子的选股效果逊于小市值股票池：沪深300内，Rank IC均值为-4.65%，年化ICIR为-1.9，多头年化超额为2.6%；中证500内，Rank IC均值为-5.1%，年化ICIR为-2.4，多头年化超额为3.2%；中证1000内，Rank IC均值为-7.2%，年化ICIR为-3.4，多头年化超额为6.7%，表现出色。

从类内因子间的相关性来看，仅超大单资金流斥力Beta因子与其他因子间的相关性处于较低水平，其余因子间的相关性几乎均在0.5以上，交易方向以及单位（金额、总量）对因子间相关性的影响有限。

为考察大小单资金流斥力Beta因子是否能为多因子选股模型带来信息增量，我们计算其与传统量价因子的相关性，结果表明，小单主卖资金流斥力Beta因子与常用的日间量价因子的相关系数处于中等至较低水平（正交后仍有显著Alpha），能提供增量Alpha信息。

此外，以小单主卖总量斥力Beta因子为例，我们计算不同周期下因子的有效性，可以看到，在不同的时间参数下因子均具备显著的负向选股能力，随着时间参数的扩大，IC和ICIR呈现先提升后下降的趋势，总体而言，无论是IC还是多头表现，中短周期下因子的选股能力更强，20日和60日是合适的参数选择。

当前，北向资金已成为外资配置A股的主要渠道，无论是成交体量还是对于投资的指导性，北上资金无疑是市场中一股巨大的力量，也是投资者常说的“聪明钱”的代表。北上资金的流入流出都暗示着对后市观点的变化，具有较强的参考意义。本章节主要研究个股涨跌幅和北向资金流之间的关系是否存在Alpha信息？

依据前文的思路，我们对北向资金流引力因子进行构建，在研究的过程中，我们发现：1、由于beta的计算公式中涉及资金流变化率的波动，北向资金净流入的波动相对较高，导致beta值压缩在较小的范围内，整体会受波动项影响更大（实际上相关性更重要），已然远离了因子构建的初衷；2、北向资金含配置型和交易型，配置盘流动相对平稳，而交易盘存在受短期风险偏好的影响，容易出现大进大出的情况，因此日度频率计算资金流变化率存在不小的噪声；

鉴于此，我们以皮尔逊相关系数替代beta计算个股涨跌幅对北向资金流入情况的敏感程度（引力），同时在计算个股涨跌幅和北向资金净流入变化率时采用周频或月频，提升资金流变化率的稳定性，具体计算步骤如下：

（1）计算周度（月度）股票涨跌幅；

（2）计算北向资金在个股上的日净流入，方法为计算日持股量变化乘以当天的收盘价作为该股的日净流入，再在周度（月度）进行累加得到北向资金在该股票上的周（月）净流入。

（3）计算过去一段时间内个股周（月）涨跌幅对北向资金周（月）净流入变化率的皮尔逊相关系数。

从因子测试结果来看，北向资金流向引力因子整体具有正向的选股能力，即，做多对北向资金流入变化引力高的个股，这与大小单资金流斥力因子的结论相反。直觉而言，当前A股市场仍然是散户居多，除超大单外，其余委托单中散户参与程度相对较高，因而资金的投机属性较强，更多的以右侧交易（追涨杀跌）为主，因而可通过做多涨跌幅对资金流变动引力较低的个股获取Alpha，而北向资金以配置盘为主，具有一定的左侧属性，若股价具有同步性，未来仍有可能有持续的超额收益。

但就选股效果而言，北向资金流入引力因子的有效性一般，其中，过去100周（2年）的北向净流入引力因子表现最佳，Rank IC均值为2.1%，年化ICIR分别为1.5，具有一定的选股能力，多空年化收益均4.6%，多头年化超额为2.1%。

由此可见，北向资金个股流入引力因子的选股效果有限，一方面，受制于覆盖度问题，在更宽泛的选股域中的有效性会打折扣；另一方面，北向资金的配置属性更多体现在大类板块或行业上，体现其景气投资、基本面投资的理念，而未必落于具体个股。换句话说，A股在北向资金眼中更多承担的是资产配置的对象，此处的资产配置不仅仅局限于从北向资金总体的净流入/流出反映的对总体权益市场（宏观经济）的观点，还体现在中观层面的行业配置观点，最终通过个股的形式落实下来。因此，从某种程度上来讲，关注市场总净流入和行业净流入数据也许是更有意义的。

带着这个假设，计算北向资金在中信一级行业层面的净流入，再计算个股涨跌幅对北向资金对应行业的净流入变动的引力，一来因子覆盖度问题能得到有效解决，二来由于个股层面资金流向波动较大，计算个股对市场/行业资金流动的敏感性一定程度上能更客观、稳健地反映个股在北向资金流动过程中的收益弹性。

以贵州茅台为例，计算贵州茅台相对食品饮料行业指数的相对净值，同时计算过去2年个股周涨跌幅相对北向在食品饮料行业周净流入变化率的相关系数，从图中可以看到，时序上两者存在明显的正相关性，当北向行业净流入引力上升处于高位时，贵州茅台相对行业能获得超额收益，这也验证了从行业出发计算引力，同样可以找到北向资金对股价的影响和指示意义。

为进一步验证北向行业（市场）净流入引力因子在横截面上是否具有显著的选股能力，具体构建步骤如下：（1）计算周度（月度）股票涨跌幅；（2）计算北向资金的日净流入，进而在行业（市场）层面进行汇总，再在周度（月度）进行累加得到北向资金在不同中信一级行业（全市场）上的周（月）净流入。（3）计算过去一段时间内个股涨跌幅对北向资金行业（市场）净流入变化率的皮尔逊相关系数。

选取2023年4月末横截面上的所有A股，统计个股过去2年涨跌幅对北向资金市场总净流入以及行业净流入变化率的敏感程度（相关系数）的分布，可以看到，个股对市场北向总净流入的引力（相关系数）整体分布在-20%到40%之间，均值为8%。行业净流入引力相对更集中，分布在-10%到30%之间。

下图展示了北向资金流引力因子在全市场中的绩效表现：所有单因子均具备显著的正向选股能力，即，买入涨跌幅对北向资金流变动敏感（引力大）的个股，卖出涨跌幅对资金流变动不敏感的股票。我们发现，与大小单资金流因子不同的是，长周期下计算得到的资金流引力因子的表现会明显优于短周期下的因子，可见北向相对于小单资金确实更具有中长期配置属性。

北向资金市场（buy_valuemkt_corr）总净流入引力因子的IC总体最高，行业净流入引力因子（buy_valueind_corr）居于其次，但拥有更强的稳定性。其中，仅从IC的角度看，过去2年的北向总净流入引力和北向行业净流入引力因子表现最佳，Rank IC均值分别为3.03%和2.34%，年化ICIR分别为2.1和2.5，具有不错的选股能力和稳定性；从多头表现来看，过去1年的北向行业净流入引力因子表现最佳，多空年化收益均8.4%左右，多头年化超额为3.4%。

对行业市值中性化后的北向市场总净流入引力（buy_valuemkt_corr_24M）因子在全市场内的有效性进行分析：自2016年12月31日至2023年4月28日，从IC测试的结果来看，总体上因子对未来收益有显著的正向预测能力，且稳定性较强，Rank IC均值为3.03%，年化ICIR分别为2.1，IC月胜率达76.3%。

从分组收益统计来看，除Q10组外，其余组收益呈现单调，因子收益在多空端的分布相对均匀，多头端（Q10组，值较大的）年化超额收益约2.9%，空头端（Q1组）年化超额收益约为-5.9%，表现较好。

从多空的角度，全市场分10档后，多空年化收益达9%。分年度来看，除2017年以外，其余年份均能取得正收益，且分年度收益波动小，表现稳定。

从多头超额净值表现来看，年化超额收益为3%，相对回撤约-2.7%。分年度来看，除2023年以外，其余年份因子能提供稳定的多头超额收益。今年主题催化下以游资主导，行业轮动维持较快节奏，以中长期景气投资为本的配置型资金较难适应当前环境，因而因子多头有效性减弱。

从因子相关性分析来看，北向资金流引力因子与其余大类因子的相关性处于极低水平，均在10%以下；此外，北向资金行业净流入引力和市场总流入引力之间的相关性也处于较低水平，由此可见北向资金引力因子的特异性较强。

我们曾在20220928发表“学海拾珠”系列之《共同资金流Beta与因子定价》的报告，文章提出了基于共同基金资金流的Beta因子，通过主成分分析法提取基金资金流波动的共同成分构建个股的共同基金资金流引力因子，在国外市场具有显著的定价能力。

在A股市场本土化的过程中，构建细节如下：首先，关于基金样本，选取普通股票、偏股混合和灵活配置型基金；其次，关于权益基金资金流变动数据的计算，我们取季报数据，在个基层面计算剔除区间涨跌幅后的持仓市值变动作为股票的净流入数据，再在个股层面对所有基金的净流入值进行汇总，同时对季度净流入数据进行TTM处理；最后，计算过去N个季度的个股年度涨跌幅（对应报告期）对同期基金资金流TTM季度环比变动率的Beta，行业和市场总体流入的计算步骤参考北向资金。

有趣的是，在研究因子有效性分布的过程中，我们发现，以斥力0为界，未来涨跌幅呈现“倒V”型分布，即，斥力大于0的部分，因子值越小，未来超额收益越高；对于斥力小于0的部分，因子值越大（越接近0），未来超额收益越高。因此，在计算因子步骤中进行取绝对值的操作进行改进。

下图展示了权益基金资金流斥力Beta因子在全市场中的绩效表现：基金行业流入斥力Beta以及市场总流入斥力Beta因子具有负向选股能力，而个股净流入斥力Beta具有正向选股能力。相较而言，以市场总净流入构建而成的斥力Beta因子表现更好，行业其次，个股排在末尾，一定程度上说明了权益基金的资金类型更偏向于中长期配置。

其中，过去5年的权益基金市场净流入斥力因子（Fund_buy_valuemkt_Beta_20）表现最佳，Rank IC均值分别为-2.55%，年化ICIR分别为-1.8，具有一定的选股能力和稳定性；从多头和多空表现来看，分十组多空年化收益均10.1%左右，多头年化超额为2.5%。

对行业市值中性化后的权益基金市场总净流入斥力Beta因子在全市场内的有效性进行分析：自2012年12月31日至2023年4月28日，Rank IC均值为-2.55%，年化ICIR分别为-1.8，IC月胜率达72%，表现相对稳定。

从分十组收益统计来看，分组收益单调性较差，因子收益的空头效应相对较强，多头端（Q1组，值较小的）年化超额收益约2.5%，空头端（Q10组）年化超额收益约为-9.2%。

从多空的角度，分十组多空年化收益达10%。分年度来看，所有年份均能取得正收益，且分年度收益波动小，表现稳定。

从多头超额净值表现来看，年化超额收益为2.5%，相对回撤约-4.4%。分年度来看，除今年与基准持平外，其余年份多头组均能跑赢基准。基金资金斥力Beta因子今年表现挣扎的原因与北向资金斥力Beta因子类似，受主题催化影响，行业轮动加快，且内部分化加剧，频繁出现“高切低”情况，对于以配置为导向的权益基金资金的定价权造成一定影响，因而因子多头有效性减弱。

从因子相关性分析来看，权益基金资金流斥力Beta与其余大类因子的相关性处于极低水平，均在10%以下，存在信息增量。

基于前文所述，我们全面厘清了不同类型的资金流和股价之间的互动关系，并构建了一系列选股能力显著的alpha因子。总结而言，不同类型的资金流由于其不同的属性对股价的作用方式以及互动机制是各异的：对于大小单这一类短期投机性较强的资金而言，呈现的是斥力，即具有负向预测能力，且更多通过微观层面直接对个股造成冲击和影响；相较而言，对于北向资金和公募权益基金这类偏中长期配置属性的资金而言，通过在行业、市场层面的资金动向表达观点，进而对个股造成间接影响，区别在于北向资金与股价间存在引力，而权益基金资金流与股价间存在斥力。

从大小单资金、北向资金和权益基金资金斥力（引力）因子中挑选表现最为出众、具有代表性的一些因子，具体如下所示：

以静态权重法对上述因子进行合成，同时对行业市值中性化后的大类资金流引斥力因子（统一调整因子方向为正）在全市场内的有效性进行分析：自2013年1月31日至2023年4月28日，Rank IC均值为9.66%，年化ICIR分别为3.89，IC月胜率达88%，表现十分稳健。

从分组收益统计来看，十组收益几乎呈严格单调，多头端具有不俗的表现，年化超额收益约9%，因子的空头剔除效应极强，空头端（Q10组）年化超额收益约为-21.2%。

从多空的角度，分十组多空年化收益达30%。分年度来看，所有年份均能取得正收益，最大回撤发生在2021年7月至8月，当月市场波动加剧，分化加大，传统核心资产出现大幅回撤，对因子表现造成一定的扰动，总体上多空净值稳定。

从多头超额净值表现来看，年化超额收益为9.1%，最大相对回撤约-7.7%，发生在2015年6月，其余年份回撤均保持在较小的范围内。分年度来看，所有年份因子能提供稳定的多头超额收益，今年截至4月末，多头超额收益约3.2%，表现出色。

分指数域来看，资金流引斥力因子在不同市值的选股域均有良好的表现：沪深300内，Rank IC均值为7.5%，年化ICIR为2.49，多头年化超额为7%；中证500内，Rank IC均值为6.7%，年化ICIR为2.5，多头年化超额为5.6%；中证1000内，Rank IC均值为9.1%，年化ICIR为3.6，多头年化超额为10.2%，表现出色；有意思的是，因子在大盘股和小盘股中的有效性更为出色，而在中盘股中的表现低于预期，呈现出因子有效性的非线性分布特征。

为更准确地考察资金流引斥力因子能否为传统多因子模型带来信息增量，我们将资金流引斥力因子与因子库中的大类价值、成长、盈利、分析师、反转、波动、流动性、北向资金等因子进行正交后，测试其在全市场内的表现：结果表明，剔除了常用大类因子的影响后，Rank IC均值为6.84%，年化ICIR为3.64，多空和多头端受到的影响相对较小，分十组多头年化超额为5.5%，多空年化收益为22.6%，说明资金流Beta因子拥有独立的Alpha信息来源。

为更客观地考察大类资金流引斥力因子对多因子模型的边际贡献，后文将通过更贴近实战的方式考察因子的有效性，主要结合沪深300、中证500和中证1000指数增强模型进行判断。

对大类资金流引斥力因子构建沪深300指数增强组合，具体细节如下：

• 股票池：全市场A股，剔除ST、涨跌停、停牌、上市不满180天的股票

• 回测时间区间：2013年1月31日 - 2023年4月28日

• 调仓频率：月末调仓

• 基准：中信一级行业、市值暴露、个股权重均以沪深300指数为基准

• 约束上下限：80%成分股约束，个股偏离幅度1.5%，行业暴露偏离1%，市值暴露偏离0.2，个股权重上限5%

• 成交价格：收盘价

• 交易费用及仓位：双边千三，满仓

• 调仓策略：以大类资金流引斥力因子作为Alpha得分，在风险约束的条件下最大化复合因子暴露，来求解股票的最优权重。

优化模型如下所示：

以资金流引斥力单因子构建而成的沪深300增强组合的年化超额收益为7.14%，信息比1.36，最大相对回撤约10%。

分年度表现来看，除2019年略微跑输基准指数外，策略几乎能在每一年都能稳定战胜基准，今年截止至4月末，超额收益约1.7%。 

对大类资金流引斥力因子构建中证500指数增强组合，具体细节如下：

• 股票池：全市场A股，剔除ST、涨跌停、停牌、上市不满180天的股票

• 回测时间区间：2013年1月31日 - 2023年4月28日

• 调仓频率：月末调仓

• 基准：中信一级行业、市值暴露、个股权重均以中证500指数为基准

• 约束上下限：80%成分股约束，个股偏离幅度1%，行业暴露偏离1%，市值暴露偏离0.2，个股权重上限2%

• 成交价格：收盘价

• 交易费用及仓位：双边千三，满仓

• 调仓策略：以大类资金流引斥力因子作为Alpha得分，在风险约束的条件下最大化复合因子暴露，来求解股票的最优权重。

优化模型如下所示：

可以看到，中证500增强组合的年化超额收益为5.67%，信息比1.01，最大相对回撤约9%。

分年度表现来看，策略在2017、2020和2023年跑输基准，三年均是市场结构性行情极致的年份，且局部强势股和行业动量效应较强，对小单资金流因子造成负面影响。总体来看，因子在中证500内的有效性弱于沪深300。 

对大类资金流引斥力因子构建中证500指数增强组合，具体细节如下：

• 股票池：全市场A股，剔除ST、涨跌停、停牌、上市不满180天的股票

• 回测时间区间：2014年10月31日 - 2023年4月28日

• 调仓频率：月末调仓

• 基准：中信一级行业、市值暴露、个股权重均以中证1000指数为基准

• 约束上下限：80%成分股约束，个股偏离幅度1%，行业暴露偏离1%，市值暴露偏离0.2

• 成交价格：收盘价

• 交易费用及仓位：双边千三，满仓

• 调仓策略：以大类资金流引斥力因子作为Alpha得分，在风险约束的条件下最大化复合因子暴露，来求解股票的最优权重。

优化模型如下所示：

结果表明，基于大类资金流引斥力因子的中证1000增强组合表现优异，年化超额收益为11.4%，信息比1.73，最大相对回撤约12%。

分年度表现来看，策略在所有年份均能稳定战胜基准，2015-2019年的超额收益相对更高，今年截止至4月末，超额收益约2.7%。 

资金流是来自于投资者交易时产生的成交信息，通常是投资者研究框架中不可或缺的一环。对于每一位市场参与者而言，无论是基本面预期发生变化，抑或受制于风险偏好的管理，都会通过资金体现其投资观点和决策，因此，资金的流入和流出对股价的影响是最直接的。此外，于投资实践而言，资金流亦对市场择时、行业配置以及选股有不俗的指导意义。然而，当前基于资金流的策略大多是基于资金对微观投资机会的前瞻性，仍然存在较大的改进空间，尤其是资金流因子在构建的过程中考虑的角度相对片面，信息的使用层次较为单一，我们曾在《量价关系的高频乐章——市场微观结构剖析系列》中探讨了量价关系中蕴藏的Alpha，本篇报告继承这种思想，向股票涨跌幅与各类资金流间的互动关系进发，提供资金流Alpha挖掘新视角。

刻画个股涨跌幅对各类资金流变动的敏感程度（引力或斥力）的方法应与每一类资金的属性、特点相匹配：对于大小单资金流，计算过去短期的时序Beta来表征个股涨跌幅对“投机”性质较强的资金的敏感程度；对于北向资金这一类中长期配置型资金，从行业或市场维度出发对北向资金净流入进行汇总，同时降频以降低交易盘带来的噪声，从个股周（月）涨跌幅和北向资金周（月）净流入变化率的时序相关性刻画股价对北向资金流入的引力；对于权益基金而言，斥力的计算方法借鉴北向资金在行业（市场）层面汇总的做法，区别是由时序相关性改为计算时序Beta，以及对斥力Beta取绝对值。

从资金流斥力（引力）单因子的测试结果来看：大小单因子均具备显著的负向选股能力，从行为金融的角度看，资金流的持续流入，助推股价，会导致股票价格偏离（高于）其内在价值，后续股价会恢复至内在价值（下跌）。对于资金流不敏感的股票，后续均值回复过程也会更微弱。小单主卖总量斥力BETA因子（SELL_VOLUME_SMALL_ORDER_ACT）和大单买入总量斥力（BUY_ VOLUME _LARGE_ORDER_beta20）的因子表现最佳，Rank IC均值分别为-7.8%和-8.0%，年化ICIR分别为-3.84和-3.55，具有极强的选股能力和稳定性，除此之外，因子的多空收益和多头超额收益同样表现出色，多空年化收益均23%左右，多头年化超额为7.5%和5.6%。北向资金引力因子中，过去2年的北向总净流入引力和北向行业净流入引力因子表现最佳，Rank IC均值分别为3.03%和2.34%，年化ICIR分别为2.1和2.5，具有不错的选股能力和稳定性，且其正向预测能力体现了配置属性、左侧布局的资金特点；权益基金资金斥力Beta因子中，过去20个季度的权益基金总净流入斥力Beta因子（Fund_buy_valuemkt_Beta_20）表现最佳，Rank IC均值分别为-2.55%，年化ICIR分别为-1.8，具有一定的选股能力和稳定性；从多头和多空表现来看，分十组多空年化收益均10.1%左右，多头年化超额为2.5%。

以静态权重法对各类资金流斥力（引力）因子中的“佼佼者”进行合成，同时对行业市值中性化后的大类资金流引斥力因子（统一调整因子方向为正）在全市场内的有效性进行分析：自2013年1月31日至2023年4月28日，Rank IC均值为9.66%，年化ICIR分别为3.89，IC月胜率达88%。从分组收益统计来看，十组收益几乎呈严格单调，多头端年化超额收益约9%，因子的空头剔除效应极强，空头端年化超额收益约为-21.2%。

最后，为考察大类资金流引斥力因子对多因子模型的实际贡献，我们以沪深300、中证500和中证1000增强模型为例，结果表明，沪深300增强组合的年化超额收益为7.14%，信息比1.36，分年度表现稳定；中证500增强组合的年化超额收益为5.67%，信息比1.01，表现相对一般；基于大类资金流引斥力因子的中证1000增强组合表现优异，年化超额收益为11.4%，信息比1.73，最大相对回撤约12%。分年度表现来看，策略在所有年份均能稳定战胜基准，2015-2019年的超额收益相对更高，今年截止至4月末，超额收益约2.7%。 

重要声明

适当性说明

《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号/本账号发布的观点和信息仅供华安证券的专业投资者参考，完整的投资观点应以华安证券研究所发布的完整报告为准。若您并非华安证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号/本账号中的任何信息。本订阅号/本账号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号/本账号推送内容而视相关人员为客户。市场有风险，投资需谨慎。

投资评级说明

以本报告发布之日起12个月内，证券（或行业指数）相对于沪深300指数的涨跌幅为标准，定义如下：

行业及公司评级体系

买入—未来6-12个月的投资收益率领先市场基准指数15%以上；增持—未来6-12个月的投资收益率领先市场基准指数5%至15%；中性—未来6-12个月的投资收益率与市场基准指数的变动幅度相差-5%至5%；减持—未来6-12个月的投资收益率落后市场基准指数5%至15%；卖出—未来6-12个月的投资收益率落后市场基准指数15%以上；无评级—因无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使无法给出明确的投资评级。市场基准指数为沪深300指数。

分析师承诺

本人具有中国证券业协会授予的证券投资咨询执业资格，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告，本报告所采用的数据和信息均来自市场公开信息，本人对这些信息的准确性或完整性不做任何保证，也不保证所包含的信息和建议不会发生任何变更。报告中的信息和意见仅供参考。本人过去不曾与、现在不与、未来也将不会因本报告中的具体推荐意见或观点而直接或间接收任何形式的补偿，分析结论不受任何第三方的授意或影响，特此证明。

免责声明

华安证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。本报告中的信息均来源于合规渠道，华安证券研究所力求准确、可靠，但对这些信息的准确性及完整性均不做任何保证，据此投资，责任自负。本报告不构成个人投资建议，也没有考虑到个别客户特殊的投资目标、财务状况或需要。客户应考虑本报告中的任何意见或建议是否符合其特定状况。华安证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。

本报告仅向特定客户传送，未经华安证券研究所书面授权，本研究报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。如欲引用或转载本文内容，务必联络华安证券研究所并获得许可，并需注明出处为华安证券研究所，且不得对本文进行有悖原意的引用和删改。如未经本公司授权，私自转载或者转发本报告，所引起的一切后果及法律责任由私自转载或转发者承担。本公司并保留追究其法律责任的权利。

有态度的金融工程&FOF研究

长按识别二维码关注我们

本篇文章来源于微信公众号: 金工严选