课程  因子投资  机器学习  Python  Poetry  ppw  tools  programming  Numpy  Pandas  pandas  算法  hdbscan  聚类  选股  Algo  minimum  numpy  algo  FFT  模式识别  配对交易  GBDT  LightGBM  XGBoost  statistics  CDF  KS-Test  monte-carlo  VaR  回测  过拟合  algorithms  machine learning  strategy  python  sklearn  pdf  概率  数学  面试题  量化交易  策略分类  风险管理  Info  interview  career  xgboost  PCA  wavelet  时序事件归因  SHAP  Figures  Behavioral Economics  graduate  arma  garch  人物  职场  Quantopian  figure  Banz  金融行业  买方  卖方  story  量化传奇  rsi  zigzag  穹顶压力  因子  ESG  因子策略  投资  策略  pe  ORB  Xgboost  Alligator  Indicator  factor  alpha101  alpha  技术指标  wave  quant  algorithm  pearson  spearman  tushare  因子分析  Alphalens  涨停板  herd-behaviour  momentum  因子评估  review  SMC  聪明钱  trade  history  indicators  zscore  波动率  强化学习  顶背离  freshman  resources  others  AI  DeepSeek  network  量子计算  金融交易  IBM  weekly  LLT  backtest  backtrader  研报  papers  UBL  quantlib  jupyter-notebook  scikit-learn  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  openbb  数据  risk-management  llm  prompt  CANSLIM  Augment  arsenal  copilot  vscode  code  量化数据存储  hdf5  h5py  cursor  augment  trae  Jupyter  jupysql  pyarrow  parquet  数据源  quantstats  实盘  clickhouse  notebook  redis  remote-agent  AI-tools  Moonshot  回测,研报,tushare 

strategy »

Sharpe 5.5!遗憾规避因子


Table of Content

如果在你买入之后,股价下跌,你会在第二天急着抛吗?反之,如果在你卖出之后,股价上涨,你会反手追入吗?

先别急着回答,我们来看看科学研究的结论是怎样的。关于这类问题,都是行为金融学研究的范畴。具体到这个场景,我们可以运用遗憾理论来解释。遗憾理论,又称遗憾规避理论( Fear of Regret Theory),是行为金融学的重要理论之一,该理论认为,非理性的投资者在做决策时,会倾向于避免产生后悔情绪并追求自豪感,避免承认之前的决策失误。

Tips

  1. 遗憾规避理论,是行为金融学的重要理论之一
  2. 买入当日浮亏会导致惜售心理,进入遗憾规避理论范畴
  3. 通过订单序号来确定资金的买入方向

例如,投资者不愿意卖出下跌浮亏的股票,是为了避免由于失败投资所导致的遗憾和痛苦心情。同样地,当投资者卖掉手中股票后,发现其开始不断上涨,也会为了避免产生遗憾和后悔情绪,从而不


会考虑再将其买回。有一些大V的观点,所谓只赚认知范围内的钱,卖出后,涨上天也与我无关,一方面可能是正确的投资理念,另一方面,也未尝不是一种自我辩解而已。

那么是否可以基于行为金融学的理论,来挖掘出量化因子呢?最近我们拿到了一份国金证券分析师高智威的研报,他正好做了这个研究,这里也分享给大家。

高智威推测,当天主买的人,如果在收盘后处于浮亏的状态,会出现惜售心理,且浮亏比越大,处于浮亏的资金量越多,该股标的卖出抛压也越小。反之,则买入动力也越小。

(本文作者:这点可以参考东财股吧数据,看看该股有多少铁粉和新粉。如果铁粉占比较大,卖出后没有买入动力,则该股后续一段时间,可能出现买方资金不足的情况。如果新粉比较多,则不一定成立)。

基于上述推测,他构建了以下4个因子:


在确定买卖方向上,他使用了一个比较好的小技巧,就是按买卖订单号的顺序来区分是主买还是主卖。

75%

上图中,以第一单为例,买单号在前,卖单号在后,因此该交易是买方先挂单,卖方主动匹配成交,定为主卖单。以下类推。

从2016年到2022年以来,对中证1000股票池进行回测,以下是回测指标:

75%


R50

对比一下中证1000从2016年1月以来的月k线(图中竖虚线处位置为2016年1月):

数据看上去是真不错,特别是HCVOL这个因子,夏普率高达5.5,可谓是无敌的存在了。

但这个理论的前提是否成立?我们注意到,遗憾规避理论的基石,是投资者的非理性决策。这一前提在A股是否成立呢?

A股现在的量化渗透率才不到30%,显然,市场上的多数投资者仍然是非理性的(基于数学模型、不受情绪干扰);而某会前不久也批评过,现在基金操作也出现散户化的倾向。这说明,在A股市场上,仍然存在大量非理性的投资者,上述理论确实是可用的。

此外,高智威在这里使用的是日内数据,使用了分时均价来作为投资者的锚定成本,进而计算出浮亏投资者的比例。

也有拿日线及周线数据和换手率来计算投资者锚定成本的做法,比如在CGO因子中,我们就这样计算大多数投资者的成本价。不过,计算行为金融学计算的是情绪,看起来使用周线似乎没什么道理。日内和日间的波动受情绪影响更大一些。