> **来源：[研报客](https://pc.yanbaoke.cn)** # CPV因子绩效月报总结 ## 核心内容 CPV因子是一种基于价量相关性的选股因子，通过分析股票在高频分钟数据下的价格与成交量相关性，构建出综合因子，用于提升选股能力。该因子在多个市场层级和时间段内表现出良好的绩效。 ## 主要观点 - **CPV因子多空对冲表现**： - 在全体A股中，5分组多空对冲的年化收益为 $17.52\%$，年化波动为 $6.23\%$，信息比率为2.81，月度胜率为 $83.72\%$，最大回撤为 $3.79\%$。 - 在中证500成分股中，5分组多空对冲的年化收益为 $11.40\%$，年化波动为 $8.46\%$，信息比率为1.35，月度胜率为 $68.60\%$，最大回撤为 $14.75\%$。 - **4月份绩效**： - 在中证500成分股中，CPV因子组合的收益率为 $1.77\%$，中证500指数收益率为 $3.62\%$，组合对冲指数收益为 $-1.85\%$。 - **5月份持仓明细**： - 持仓股票包括合盛硅业、神州高铁、士兰微、宏发股份等，详见表2。 - **CPV因子计算方式调整**： - 本期“小贴士”探讨了不同频率的分钟数据对CPV因子的影响，包括3分钟频率和5分钟频率。回测显示，CPV因子在不同频率下表现稳定，均优于传统反转因子。 - **因子构成与性能**： - CPV因子综合了价量相关性的平均数、波动性和趋势性三个维度，构建出更全面的选股因子。 - 在剔除市场风格和行业干扰后，纯净CPV因子的选股能力进一步提升，信息比率可达3.43。 ## 关键信息 ### 4.1 价量相关性的平均数、波动性因子 - **平均数因子（PV_corr_avg）**： - 月度IC均值为-0.058，RankIC均值为-0.081。 - 年化ICIR为-2.93，年化RankICIR为-3.69。 - 年化收益为 $19.62\%$，年化波动为 $8.09\%$，信息比率为2.42，月度胜率为 $83.10\%$，最大回撤为 $9.50\%$。 - **波动性因子（PV_corr_std）**： - 月度IC均值为-0.054，RankIC均值为-0.076。 - 年化ICIR为-3.28，年化RankICIR为-4.17。 - 年化收益为 $19.50\%$，年化波动为 $6.83\%$，信息比率为2.86，月度胜率为 $84.51\%$，最大回撤为 $3.67\%$。 ### 4.2 趋势因子（PV_corr_trend） - 月度IC均值为-0.042，RankIC均值为-0.057。 - 年化ICIR为-3.45，年化RankICIR为-3.97。 - 年化收益为 $14.55\%$，年化波动为 $5.14\%$，信息比率为2.83，月度胜率为 $85.92\%$，最大回撤为 $2.45\%$。 ### 4.3 综合因子CPV - 月度IC均值为-0.053，RankIC均值为-0.073。 - 年化ICIR为-3.77，年化RankICIR为-4.53。 - 年化收益为 $19.29\%$，年化波动为 $6.36\%$，信息比率为3.03，月度胜率为 $87.32\%$，最大回撤为 $2.90\%$。 ### 4.4 纯净CPV因子 - 月度IC均值为-0.042，RankIC均值为-0.056。 - 年化ICIR为-4.19，年化RankICIR为-5.33。 - 年化收益为 $14.81\%$，信息比率为3.43，月度胜率为 $87.32\%$，最大回撤仅为 $1.58\%$。 ## 回测表现对比 | 指标 | 传统反转因子(Ret20) | CPV因子 | |--------------|---------------------|----------------| | 年化收益率 | 18.74% | 19.29% | | 年化波动率 | 18.03% | 6.36% | | 信息比率 | 1.04 | 3.03 | | 月度胜率 | 69.01% | 87.32% | | 最大回撤率 | 14.22% | 2.90% | ## 风险提示 - 模型统计结果基于历史数据，未来市场可能发生重大变化。 - 单因子收益可能存在较大波动，实际应用需结合资金管理和风险控制方法。 ## 相关研究 1. 《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》20200223 2. 《CPV因子月报剔除成交不活跃样本：截面调整》20200831 3. 《CPV因子月报剔除成交不活跃样本：时序+截面调整》20200930 4. 《CPV因子月报剔除涨跌停样本》20201030 5. 《CPV因子月报往期“小贴士”汇总：剔除部分样本数据》20201130 6. 《CPV因子月报价量相关系数的其他计算方式：一阶差分》20201231 7. 《CPV因子月报价量相关系数的其他计算方式：日频数据》20210129 8. 《CPV因子月报价量相关系数的其他计算方式：日频数据》20210330 ## 附录：CPV因子模型简介 CPV因子通过分析股票的价量相关性，综合了平均数、波动性和趋势性三个维度的信息，构建出具有更强选股能力的因子。该因子在剔除市场风格和行业干扰后，表现出更高的信息比率和更低的最大回撤，进一步验证了其有效性。 ## 图表目录 - 图1：CPV因子全市场5分组多空对冲净值走势 - 图2：“CPV因子”组合净值走势（2021/04） - 图3：CPV因子在不同分钟数据频率下的5分组多空对冲净值 - 图4：平均数因子PV_corr_avg对传统反转的修正 - 图5：CPV因子总结 - 图6：CPV因子5分组回测净值走势 - 图7：CPV因子与反转因子5分组多空对冲净值走势 - 图8：纯净CPV因子5分组回测净值走势 ## 表格目录 - 表1：CPV因子多空对冲表现（2014/02-2021/04） - 表2：“CPV因子”组合5月份持仓明细（中证500成分股） - 表3：CPV因子在不同分钟数据频率下的5分组多空对冲绩效指标 - 表4：CPV因子与反转因子5分组多空对冲的绩效指标对比 - 表5：CPV因子分年度表现 - 表6：CPV因子与Barra风格因子相关系数 - 表7：纯净CPV因子分年度表现