开源证券-开源量化评论（83）：从隔夜价格行为到股票关联网络-231219

　　开源金工股票关联网络研究体系

　　通过股票关联网络探寻关联股票对个股涨跌的牵引力作用，有助于理解A股市场中个股间的涨跌传导机制。http://www.hibor.com.cn【慧博投研资讯】我们在报告《从基金持仓行为到股票关联网络》中，从基金持仓维度出发，寻找基金共同持仓股票的关联关系，构建基金关联网络。http://www.hibor.com.cn（慧博投研资讯）在报告《从北向资金持仓行为到股票关联网络》中，我们利用北向托管券商的持仓结构，寻找托管券商共同持仓股票的关联关系，构建北向托管券商关联网络。两篇报告内在逻辑均是从资金流的同源性寻找股票间的关联性。在报告《从小单资金流行为到股票关联网络》中，我们通过小单资金流的行为协同，识别股票间的关联关系，构建小单关联网络。前三篇报告均在资金流视角下构建关联关系，在本篇报告中，我们拓展价格形态中的股票关联，从隔夜涨跌出发，通过隔夜涨跌的同步性寻找股票关联性，构建股票关联网络。

　　以隔夜涨跌协同性构建股票关联网络

　　隔夜高低开体现了投资者在开盘时点对隔夜信息的集中反应，若隔夜高开，说明投资者认为隔夜信息为利多因素，反之，则投资者认为隔夜信息为利空因素。若两只股票的隔夜涨跌高度协同，则二者大概率受到同类型的隔夜信息的影响，二者关联度较高。因此，我们通过调整后的余弦相似度构建股票关联度指标。从行业层面来看，同一行业分类下股票的关联度稳定超过全市场股票整体关联度，且行业分类越细分，关联度水平越高。

　　股票关联网络牵引因子表现稳健

　　传统反转因子的逻辑在于，以全市场股票涨跌幅作为基准，判断个股的超涨或超跌。基于股票关联网络，我们将个股超涨与超跌的判断基准，从全市场涨跌幅缩小到其高关联股票涨跌幅，由全域反转转为局域反转逻辑，从而构建隔夜关联网络牵引因子——Traction_OR。因子RankIC均值为4.53%，RankICIR为2.69。多空组合表现稳健，年化收益率11.48%，年化IR2.47，最大回撤8.27%。

　　考虑到本文构建关联网络的前提假设在于隔夜涨跌反映隔夜信息，而A股市场中“缺口回补”现象较为普遍，若当天高低开主要受昨天的跳空缺口影响而非隔夜信息，则应剔除此类隔夜涨跌幅，从而提纯隔夜涨跌样本，基于此强化Traction_OR因子表现，构建Traction_ORE因子。因子RankIC均值为4.3%，RankICIR为2.9。Traction_ORE因子表现显著优于Traction_OR因子，多空组合年化收益率13.1%，年化IR2.63，最大回撤6.27%，月度胜率72%。

　　合成因子Traction_comb收益表现稳健

　　我们将Traction系列4因子等权合成，得到Traction_comb因子，从而将4个方向的股价牵引力形成合力，因子RankIC均值为5.6%，RankICIR为3.6。从多空组合表现来看，Traction_comb因子年化收益率19.29%，年化IR3.99，最大回撤3.47%，发生在2018年10月，月度胜率77%，多空表现稳健，显著优于各单因子表现。

　　风险提示：模型测试基于历史数据，市场未来可能发生变化。