收益率（Return）是衡量投资价值随时间变化的百分比。它是一个基本的财务指标，用于评估资产或投资组合在一定时期内的表现。收益率可以基于过去（历史收益率）或预期（预期收益率）来计算。

年化收益率（Annualized Return）是将投资在不同时间段内的收益率调整为一年的标准时间长度，从而使得不同时间长度的投资收益率可以进行公平比较。年化收益率对于评估和比较不同投资的长期表现尤为重要。BigQuant的金融数据因子平台以及[AI量化策略平台（PC端）](https://bi

请教一下，用1000多个股票一年的收益率数据和20个因子做多元回归模型，这里有多只股票和多个日期，应该要怎么处理呢？如何预测股票收益率？

这一问题看起来非常简单，甚至略显傻瓜，资产定价的核心不就是分析影响资产预期收益的因素，而投资更是基于对收益的预期进行选择以获利。但真的仅仅如此吗?

让我们暂且回到大学一年级的微观经济学课堂。玫瑰花的价格在情人节的白天会非常贵，尤其是晚上六七点，但一旦过了晚上 9 点，价格就会暴跌，甚至低于进货成本。OK，我们当然可以说卖花的小男孩可以提前预测到玫瑰花价格的这一时间规律，从而针对性地制定进货量和销售价格策略，比如，在白天卖高价而在晚上 8 点后迅速降价力求在 9 点前卖完，以避免不必要的损失。但事实上，这一价格路径特征跟玫瑰花本身的特征没多大关系，也并非直接由时间决定，而是由时间背后的需求所决

行为金融学表明市场的投机情绪会导致股票价格偏离基本面，许多投资者情绪指数已通过实证研究证明能够预测市场收益率。公司管理层与投资者一样也无法避免行为偏差，对公司产生偏离基本面的过度乐观或悲观情绪，进而导致市场出现非理性的反应，并且相较于投资者来说还拥有信息优势，然而管理层情绪对股票收益率的影响却鲜有研究。本期我们给大家推荐的文献《Manager Sentiment and Stock Returns》将补充情绪指数方面的研究，针对经理人情绪对股票收益率的预测能力进行探究。

本篇文章使用文本数据挖掘方法从公司财报和电话会议纪要中采集数据，提取其中隐含的经理人乐观或悲观的情绪信息，由此构建经理人情

本文来自方正证券研究所于2022年5月30日发布的报告《个股波动率的变动及“勇攀高峰”因子构建——多因子选股系列研究之三》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

在股票市场中，波动率是最受关注的市场变量之一，波动率不仅自身对股票收益率有较大影响，而且对于市场其他驱动因子也存在较强的影响。个股波动率的增大，既有可能预示着风险的加剧，也可能是股价飙升的前兆，而分辨波动率提升是喜是忧的关键在于，波动率加剧的同时收益率有没有随之提高。

本文中我们将参考学术界的做法，使用收益波动比这一指标，来对收益率随波动率的变化程度加以衡量。通过考察

核心观点

• 在供应链网络上直接或通过第三方连接的股票，比随机配对的股票更具有相关性。
• 这种较高的相关性仍然适用于极端下跌的行情，并显示出相同的模式。
• 聚类分析识别出网络中也显示出较高相关性。该分析为风险建模提供了有用的工具。

供应链数据主要描述公司之间存在的商业关系，即客户-供应商关系（customer-supplier）。最近越来越清楚的是，这种关系与上市公司股价的表现具有一定的相关性。Cohen和Frazzini (2008) 发现在美国市场中，分别为供应商和客户的上市公司之间股票价格有明显的相关性和领先滞后效应。Shahrur等 (2009)也在其他22个发达

摘要

业绩超预期事件。本文选取业绩预告、业绩快报和定期报告的内容作为实际业绩，取公告前一天的分析师一致预期净利润作为预期值，分析公司公告业绩超过分析师一致预期的股票池。其中，对于非年报的一致预期数据，我们假设尚未发生季度的净利润按照同等速度增长，以此获取预测值。

超预期事件主要集中在定期报告披露期，但在集体披露期事件超额收益参差不齐。5、11月份超预期股票最少，其次为6、9、12月份。超额收益与样本量大致呈现反向关系：样本多的月份超额收益不明显，而样本少的月份超额收益显著。 换言之，集中披露期业绩超预期股票收益参差不齐，若要提高事件收益，须在样本量多的时段根据其特征进一步精筛股票。

报告摘要

主要观点

本篇是“学海拾珠”系列第六十三篇，本期推荐的海外文献研究凸显效应对股票收益的影响。凸显性投资者的注意力通常被吸引到显著上涨的股票上，对这些股票产生了过高的需求，导致股票估值过高、未来回报率降低。而具有显著下跌特点的股票则被低估，未来会获得更高的投资回报。

回到A股市场，从因子构建角度来看，凸显性因子本质上是对反转因子的切割和改进，对于上涨、下跌的程度给予不同权重，进行历史收益的加权组合，一方面为动量类因子的构建提供了改进思路，另一方面可扩展到财务因子的研究中，观察是否可应用于区分公司的基本面恶化或超预期程度。

**高凸显性的股票将比低凸

报告摘要

主要观点

本篇是“学海拾珠”系列第五十三篇，本期推荐的海外文献研究了共同基金持仓拥挤度对股票收益的影响。作者通过构建一种新的表征基金持仓拥挤度的指标来研究拥挤交易对股票回报的影响。

回到A股市场，拥挤度通常指的是策略的拥挤程度，用以解释某些alpha策略为何失效，而主动基金的持仓信息目前仍是一个尚待挖掘的领域，从基金持仓拥挤度视角构建选股因子是一个较为新颖的视角，可以通过观察其选股效果以及与流动性、分析师覆盖度等常用因子的相关系数来综合评价该因子的实用性。

• 金融危机可部分归因于交易空间的拥挤

拥挤行为会扭曲股票价格并

报告摘要

主要观点

本篇是“学海拾珠”系列第四十九篇，本期推荐的海外文献研究了公司盈利季节性和股票收益之间的关系。如果公司某一季度的盈利常年显著高于其他季度，就称该季度为正季节性季度。研究发现，当这类公司发布正季节性季度的盈利公告时，其股票会存在显著的超额收益。这种效应不是由风险因素或对公司特定消息的延迟反应所导致的，已有的风险因子都无法解释这种风险溢价。

回到A股市场，一方面，从因子选股的角度，盈利季节性earnrank因子计算简便，容易复制，可尝试回测其在不同选股域中的表现。另一方面，围绕盈余公告溢价，盈利季节性又提供了新的视角，可尝试对公司进行

报告摘要

主要观点

本篇是“学海拾珠”系列第四十三篇，本期推荐的海外文献研究了预期管理与两大具有经济意义的收益规律之间的联系：业绩公告溢价和收益季节性。作者引入常用的公司特征来作为公司预期管理动机的代理变量，研究表明替代指标EMI对公司的业绩惊喜和收益具有很强的预测能力。回到A股市场，我们常常听闻XX股因为“超预期不达预期”导致股价下跌，如何刻画预期和预期的预期对于量化而言通常是一个难题，我们可以借鉴这篇文献的做法，将预期管理、分析师盈利预测和公司公告期前后的股价表现联系起来，构建事件冲击类策略。

• 从三个维度构建企业预期管理动机的代理指标

作者

报告摘要

主要观点

本篇是“学海拾珠”系列第三十九篇。作者通过实证得出结论：用直接现金流的计量方法可以比一般的计量方法更好地预测股票收益率，而间接现金流的计量方法又往往优于基于毛利润、营业利润或净利润的各种利润表盈利能力的计量方法。

回到A股市场，行业研究员对企业进行估值的步骤和本文的直接现金流法较为类似，从营业收入端开始“抽丝剥茧”最终计算得到自由现金流，再以合理的假设对企业进行估值。从量化研究的角度，如何依据行业和风格特性更精准地对不同类型的企业依据不同的假设来推算得到自由现金流，以更“纯粹”的现金流指标构建因子有助于提高因子表现。

• **直接现金流

报告摘要

主要观点

本篇是“学海拾珠”系列的第十七篇。作者通过建立一个包含企业、扩张期权和收缩期权的动态模型，揭示了企业规模灵活性和经营杠杆对股票收益的影响。

• 实物期权是公司投资的一种形式

  实物期权这个概念源于摩西·鲁曼发表在哈佛商业评论上的两篇文章，是公司投资的一种形式。例如土地使用权，如果企业不购买这一资产，其便失去了未来使用土地进行开发，即行权的可能性，由于购买土地使用权这一行为会增加公司资产，所以又属于扩张期权，相反则属于收缩期权。扩张期权相当于用无风险的现金购买具有风险的资产，会增加企业经营风险，收缩期权相反，当经营状况恶化或改善

报告摘要

主要观点

本篇是“学海拾珠”系列第七十一篇，本期推荐的海外文献研究了员工流动和股票回报之间的关系。普通员工正日益成为许多公司关键的生产要素，这些变化表明企业劳动力的动态变化对企业绩效具有重要影响。然而，我们关于员工的进入和退出对公司股价的影响知之甚少。如果投资者认为劳动力流动所传达的信息已被其他数据源充分涵盖，则他们在对证券进行估值时可能会忽略这些动态。回到A股市场，关于员工流动信息和股票收益之间关系的研究非常罕见，作为较为另类的数据，无论是作为因子还是事件加入选股模型中都能提供一定的增量。

• **劳动力流动可以预测未来的股票回报

文献摘要

下滑轨道内部应该如何配置

本篇报告介绍了目标日期基金中下滑轨道内部的细分资产应该如何配置，特别的，本文的模型将投资者退休后的支出视作负债，并将其纳入到细分资产配置模型中。退休负债会影响投资者整个生命周期的资产配置策略，导致股票内部和债券内部的细分资产配置不断随时间变化。与纯资产优化模型相比，负债相关的优化模型更全面地考虑了投资者的总体财务状况。在整个生命周期中，随着人力资本的通胀保护功能逐渐下降，实际收益类资产如TIPS、商品和房地产等，将会发挥越来越大的作用。

工业用电量与股票收益率

以工业用电增长率预测未来一年美国股市超额收益

![{w:100}

摘要

文献来源：Hirshleifer D, Jiang D, DiGiovanni Y M. Mood beta and seasonalities in stock returns[J]. Journal of Financial Economics, 2020.

推荐原因：现有的研究表明股票收益存在横截面的季节性，即部分股票在同样的日历月或工作日会周期性地表现更好。我们认为资产对投资者心情（Investor Mood）的敏感性差异，解释了这些季节性现象。个股收益的相对差异会在相同的情绪时期内出现重复，而在不同情绪时期内出现反转。例如，对于在过去投资者情绪上升时期表现

摘要

自2018年以来，大小盘风格的波动极为剧烈。因此，预判大小盘风格对于获取稳健的投资业绩显得尤为重要。前期研究成果表明，利率水平的变化与市场波动率是两类较为有效的大小盘风格先行指标。因此，本文基于上述两类指标构建了量化模型，预测未来1个月大盘强于小盘的概率，从而辅助大小盘风格轮动。

2018年以来模型预测得到的大盘概率持续回落，短期内小盘风格更优。为了兑现这一判断，需要选择合适的能够代表小盘风格的指数。在实际操作中，我们推荐投资者从多个角度对于备选指数进行分析，并以创业板50指数为例进行了简要讨论。

短期限利率水平变化和市场波动率对于短期大小盘风格具有明显的预测效果。使用2

研究结论

在本篇中，我们借鉴统计套利的思想，提出了价差偏离度的概念，试图捕捉股票相对其同类型股票的高估低估程度。价差偏离度因子本质上是一个相对意义上的反转因子，价差偏离度低，近期跑输其同类股票，股票相对处于低位，有向上回复的动力，有正的预期超额收益，价差偏离度越高，股票处于相对高位，后期有回调的压力。

价差偏离度因子业绩表现优异，过去10年月度RankIC-0.095，IR-0.85，分组的top组合相对市场等权年化超额收益17.8%，而且，其稳定性也较高，IC正显著比例9.8%，负显著比例69.9%，多空组合月胜率76.4%，最大回撤15.16%。

价差偏离度和传统的市值

研究结论

由于市场体制、投资者结构、投资者教育等多方面的原因A股市场投机性较强，既然不能改变A股投机的事实，我们不妨研究如何在投机市场中获利。

我们将个股被投机的过程划分为4个周期，投机程度增强的周期一般伴随着股价的上涨，过度投机后投机程度减弱的周期一般伴随着股价的回落，因此，买入投机程度弱的股票卖出过度投机的股票即可获取超额收益。

股票的投机程度虽然不能被直接观测，但投机程度高的股票往往伴随着一定的交易行为特征，通过对这些交易行为特征的刻画可变相考察个股的投机程度。

我们通过特征波动率、特异度、价格时滞、市值调整换手分别度量股票的波动率高低、个股收益能否被市场风格解释、

摘要

动量效应是由Jegadeesh和提出的，是指股票的收益率有延续原来的运动方向的趋势，即过去一段时间收益率较高的股票在未来获得的收益率仍会高于过去收益率较低的股票•经济学解释：趋势交易，市场反应不足。

反转效应是由DeBond与提出，与动量效应相对，指过去一段时间收益率较高的股票在未来获得的收益率将会低于过去收益率较低的股票。 经济学解释：行为金融学，流动性。

正文

[/wiki/static/upload/f0/f0a14840-1393-4488-bd6b-de013d42f0b5.pdf](/wiki/static/upload/f0/f0a14840-1393-

摘要

收益的可预测性本文分析了荷兰、英国和美国市场近四百年来的股价和分红情况，结果表明：

（1）股息率对股票收益率和股利增长率都有一定的预测能力，但是在年之后，股息率对股利增长率的可预测性消失了，这表明早期分红信息对于价格变动更为重要。

（2）1945年之后贴现率对股价变动的影响更为显著，这种现象与近期企业延缓股利支付有关。 协方差矩阵的非线性压缩：当Markowitz遇见使用Markowitz（1952）的投资组合理论筛选资产时需要估计收益率的协方差矩阵。为了解决这个问题，我们提出一种更加灵活的非线性压缩估计方法，使用这种方法能够获得更恰当数量的自由参数——参数的数量恰好等于资产数

报告摘要

主要观点

本篇是“学海拾珠”系列第二十一篇。作者通过建立资产集群性指标和相对价值指标来对交易泡沫进行识别，并应用于行业轮动和因子择时两个领域中。

• 拥挤交易造成资产价格大幅度波动

拥挤交易指的是大量具有类似特征的资金共同购买或出售某一或某一类资产的现象，这通常会造成资产价格大幅度波动。然而，并非所有的资产价格大幅波动都由拥挤交易引起，如果企业的基本面价值出现变化，则不需要拥挤交易，资产价格也会发生大幅波动。

• 结合集群性和相对价值识别泡沫的不同阶段

拥挤交易通常会引发泡沫，即资产价格并非由基本面价值发生变化而出现大

摘要

选股模型的时效性

信息具有时效性。选股因子对股票收益率的预测能力会随着时间的延后而衰减。机器学习股票收益预测模型的目标是将股票因子与股票未来收益率关联起来。股票因子蕴含的信息决定了模型的预测能力，包括预测准确度和预测窗口长度。如果机器学习模型所用的股票因子中包含的是市场短期情绪面的信息，那么训练出来的机器学习模型可能对市场短期走势的预测能力较强；如果机器学习模型所用的因子包含的是市场中长期的价格扭曲信息，那么训练出来的机器学习模型可能对市场中长期的预测能力较强。

模型构建

本报告按照因子在不同预测窗口长度的IC将选股因子分成不同的组别，并针对不同的股票收益预

主要观点

本篇是“学海拾珠”系列第二篇，摘选自论文《Stock Return Asymmetry: Beyond Skewness》的核心结论。股票收益分布的偏度和股票预期回报率之间的关系是市场广泛关注的话题。有研究指出，高偏度往往与低预期回报率有关，两者之间呈负相关性；但也有人在研究中发现了偏度和预期回报率的正相关性。学界对于两者之间的关系尚无定论。

本篇报告提出了两种新的度量股票收益不对称性的方法。与流行的偏度度量法不同，本文度量基于数据的分布函数，而不仅仅是三阶中心矩偏度。通过实证，用这种新的度量法检测出的股票收益高上行不对称性往往意味着未来的低回报率。其中，第一种方法是计算收

投资要点

不可或缺的风险模型：协方差矩阵应用领域介绍组合的波动是度量组合风险的重要指标，而组合成分股收益率的协方差矩阵便是估计组合波动的重要工具。

股票收益率的协方差矩阵在组合绝对风险估计、组合相对风险控制、组合优化和因子组合构建以及多因子合成四个部分都有着十分广泛的应用。

协方差矩阵的估计方法市场上主流的协方差矩阵估计方法包括样本协方差矩阵、因子模型估计的协方差矩阵、压缩矩阵估计和其他基于时变模型的估计方法。

样本协方差虽然是真实协方差的无偏估计，但待估参数过多、估计误差较大，且当股票（资产）数量大于样本数量时，样本协方差矩阵将不可逆。

因子模型通过设定一定的结构