作者 | 童力 金融工程量化分析师

摘 要

(相关资料图)

本篇报告是我们基于股票市场的凸显理论，将其应用至商品市场的初步结果。凸显理论是对传统资产定价模型的改进，关注了投资者注意力的有限性。考虑到投资者的注意力往往会被不寻常收益所吸引，而一般的收益往往会被忽视。因此，在实际情况中，这种偏好会影响投资者的投资策略。

本文将其心理进行量化，构造了期货市场上的凸显度因子。并进行优化，构造了涨跌阈值下的凸显度因子。这两个因子均为反向指标。从截面上进行分组回测分别检验上述因子的有效性，测试不同参数情况下的平均年化收益、夏普比率指标，选择最优参数。并验证了因子均具有稳定性。

凸显因子实证检验结果：

1）凸显度因子系列（原始凸显度因子和涨跌阈值下的凸显度因子）表现较好，最优参数的多空组合年化收益率均高于8%，夏普比率0.7以上，优化后的因子表现更加出色；

2）凸显度因子在R=40，H=1参数组情况下取得最大夏普，平均年化收益率为8.84%，夏普比率为0.74；

3）涨跌阈值下的凸显度因子是在现实情况下对原始凸显度因子的改进。在R=40，H=10参数组情况下取得最大夏普，平均年化收益率为10.13%，夏普比率为0.86。

风险提示：本研究主要基于历史数据统计，存在策略失效风险、模型误设风险、历史统计规律失效等风险。

一

凸显理论的逻辑基础

1.1 股票市场的凸显理论

凸显理论（Salience Theory）是近几年行为金融学领域中对资产定价具有重要影响的一个热门研究方向。在传统的资产定价模型中，假设投资者是完全理性并且可以利用市场上所有可得信息。但是，大量的研究发现投资者的注意力实际是有限的，由于这些认知限制，决策者的注意力被吸引到他们所面临的选项中最不寻常的属性上。因此，这些突出的属性在其决策中被过度加权，而非突出的属性被忽略。在股票市场中表现为投资者的注意力往往会被不寻常收益所吸引，而一般的收益往往会被忽视。即关注平均而言最具有凸显性的回报上，而不凸显的回报往往会被忽略。这些不寻常的收益被称为具有“凸显性”的收益，这种机制也被称为“凸显理论”。

因此，在实际情况中，在面对不同收益情况下，投资者对其的心理偏好存在差异，这种偏好会影响投资者的投资策略，对凸显的收益过度加权。在以往的研究中，该理论均应用于股票市场，BGS（2012）基于股票市场，首先量化了这种凸显的思维，并证明了凸显度可以解释决策理论中的基本难题。Mathijs Cosemans等（2016）基于股票市场价格，提出了凸显理论在资产定价的影响，认为一只股票最凸显的回报是那些相对于市场上其他股票的回报而凸显的回报。并且，因为投资者的注意力集中在凸显的回报上，他们被具有显著上涨的股票所吸引。对这些股票的过度需求导致估值过高和未来回报率降低，而具有显著下跌趋势的股票则被低估并获得更高的后续回报率。

此外，Cosemans 等（2021）基于凸显理论构建了 ST 指标，将投资者的投资决策心理偏好进行定量表达，将股票收益情况与市场整体情况作比较，以股票收益相对于市场平均收益的偏离程度判断股票收益是否显著。认为高ST值的股票往往会高估其股票收益，只能获得较低的收益，具有低ST值的股票则刚好相反。

可以发现，凸显理论已在股票市场中广泛应用，该理论解释了决策理论中的一些难题，如阿莱悖论。并且该理论在资产定价的影响为反向，凸显程度越大的股票拥有过度需求，从而导致估值过高和未来回报率降低，反之，凸显度低的股票则被低估并获得更高的后续回报率。

1.2 商品市场的凸显理论

该理论在商品市场同样适用，商品期货市场和股票市场有许多相同之处。虽然商品市场与股票市场的交易对象、交易目的和交易方式可能不同，但是在两者的分析和交易过程中，本质是一样的，都是对未来价格的“预期”，价格走势反映了投资者的预期。在商品市场中，投机者占了市场参与者的大部分，交易非常活跃，投机者在进行投资决策时与股票市场投资者一致，都是通过对期货价格走势的预期来获利,追求尽可能高的收益。因此投资者在选择商品合约和证券的逻辑是大部分是相通的。此外，凸显理论是行为金融理论范畴，是对投资者投资行为的解释，投资者的注意力都是有限的。在商品市场中，面对众多品种合约时，投资者不能完全利用市场上所有可得信息，往往会被不寻常的收益所吸引，而忽视一般的收益。即存在“凸显理论”。

因此本文将凸显理论应用至商品市场，考虑投资者注意力往往会吸引到最具有凸显性的品种合约上，而一般的收益往往会被忽视。借鉴股票市场上的构造方法，量化投资者的投资心理偏好，构造了凸显度（ST）指标，并根据商品市场的情况进行优化，构建涨跌阈值下的凸显度因子。然后在此指标的基础上进行五分组回测，考察因子的有效性。

二

回测标的及参数设置

2.1 合约筛选

获取所有品种主力合约，以成交手数区分品种活跃度，剔除10个成交最不活跃品种（粳稻、菜籽、线材、早籼稻、晚籼稻、强麦、粳米、棉纱、国际铜、纤维板）。另外，考虑交易机制稳定性，要求交易品种上市满120 交易日。综合上述流动性因素考量，最后回测品种如表 1 所示，共有化工品、黑色系、农产品、有色金属等4类47个品种。

表1 商品期货类别

数据来源：

2.2 流程说明

计算各类因子，采用分组方法，回测检验因子有效性和稳定性。具体构建步骤如下所示;

回测区间：2017 年 1 月 1 日-2023 年 5 月 16 日

组合构建：持仓期末计算因子值，根据因子值从小到大分5组，根据信号方向买入（卖出）因子值排序前20%的品种，卖出（买入）因子值排序后20%的品种，保证金比例100%，等权配置，构建多空组合。

参数调优：主要两类参数，构建信号因子参数 R，持仓周期参数 H，测试不同参数组下年化收益、夏普比率等指标，选择最优参数组下的因子信号，作为后续样本外长期观测数据。

三

凸显度因子

3.1 原始凸显度因子

凸显因子是对投资者心理偏好的定量表达。在期货交易过程中，投资者对具有凸显性的回报更加关注，投资者的过度关注往往会高估其显著收益的发生概率，从而高估其价格获得较低收益率。因此，本文使用合约收益情况相对于市场平均收益的偏离程度来量化凸显度，赋予具有凸显性收益的品种合约更高的权重。具体计算方式如下：

根据凸显理论可知，ST因子是反向指标，我们应该做多因子最小的20%，做空因子值最大的20%，构建多空组合。

凸显度因子的年化收益率和夏普比率如表2、表3所示，最优参数组（R=40，H=1）下，因子的年化收益率8.84%，夏普比率0.74。

表2：凸显度因子（ST）多空组合年化收益率

数据来源：

表3：凸显度因子（ST）多空组合夏普比率

数据来源：

表2-表3展示了不同回看期R与不同持仓期H下，五分组回测多空组合的效果。整体来看，当回看期为 5~80日、持仓期为 1~25 日时，因子都展现出了较好的 alpha 能力。最优的回看期在40天附近，此时策略平均年化收益率8.84%，夏普比率0.74。并且观察图1-3可知，在最优参数下，多空组合净值呈上涨趋势，并该因子的稳定性良好。

3.2 涨跌阈值下的凸显度因子

凸显理论表示，投资者会对具有凸显性的收益产生关注。但在原始凸显理论中均是以美股进行构建，在美股市场中，价格能够充分反映投资者的关注。而在中国市场中，为防止交易价格的暴涨暴跌以及过度投机现象，期货市场存在涨跌停限制，超过该范围的报价将视为无效，不能成交。因此，本文参考何家璇等（2022）的构造方式，根据不同期货品种合约的涨跌停板范围，设置收益阈值，对不同情况区分处理：

1. 若该日的收盘价超过了涨跌停板范围，认为是所有收益状态中最凸显的，若有多日的收盘价均超过了此范围，则它们的凸显性按照收益率绝对值的大小降序排序。

2. 若该日的收盘价绝对值未超过阈值，它们的凸显性则按照原始凸显度进行排序。

计算方式具体如下:

其中limit_up和limit_down为期货主力合约i在d日的涨跌停板范围，|r_(i,d) |*1000是为了确保收益率超过阈值的状态是最凸显的。另外权重和ST因子的计算方式与原始凸显度因子一致。

根据凸显理论可知，涨跌阈值下的凸显度因子同样也是反向指标，我们应该做多因子最小的20%，做空因子值最大的20%，构建多空组合。

涨跌阈值下的凸显度因子的年化收益率和夏普比率如表4、表5所示，最优参数组（R=40，H=10）下，因子的年化收益率10.13%，夏普比率0.86。

表4：涨跌阈值下的凸显度因子（ST）多空组合年化收益率

数据来源：

表5：涨跌阈值下的凸显度因子（ST）多空组合夏普比率

数据来源：

涨跌阈值下的凸显度因子是对原始凸显度因子的优化，构造更加符合中国市场的凸显度因子。根据表4-表5可知，优化后的因子展现出了更强的alpha能力，在回看期为 40~80日、持仓期为 1~20 日时，因子都展现出了较好的 alpha 能力。最优的回看期在40天附近，此时策略平均年化收益率上升至10.13%，夏普比率上升至0.86。并且观察图4-6可知，在最优参数下，多空组合净值上涨趋势明显，并稳定性良好。

四

总结

凸显理论是一种行为金融学理论，提出了投资者的注意力是有限的，难以关注全部信息，注意力往往被异常的收益所吸引，而一般的收益会被忽略。因此投资者在选择风险资产时，会赋予不同的权重。凸显理论目前已广泛应用于股票市场中，对传统资产定价具有重要影响，很好的解释了传统金融中的一些难题。股票市场和商品市场在价格走势上的本质均是“预期”，投资者的心理行为是一致的，凸显理论同样也能应用至商品市场。因此，本文基于商品市场，利用凸显理论构造了凸显度因子、涨跌阈值下的凸显度因子。从截面上检验了投资者对异常凸显回报的关注，进行分组回测验证上述因子的有效性，对信号因子构建窗口期 R 和持仓周期参数 H进行网格搜索，测试不同参数组下年化收益、夏普比率等指标，选择风格因子的最优参数，探索最优参数下的多空组合情况。

回测结果显示：凸显度因子和涨跌阈值下的凸显度因子表现较好，最优参数的多空组合年化收益率均高于8%，夏普比率0.7以上，针对国内市场的实际情况进行优化后，优化后的因子表现更加出色；凸显度因子在R=40，H=1参数组情况下取得最大夏普，平均年化收益率为8.84%，夏普比率为0.74；涨跌阈值下的凸显度因子是在现实情况下对原始凸显度因子的改进。在R=40，H=10参数组情况下取得最大夏普，平均年化收益率为10.13%，夏普比率为0.86。

后续，我们会对凸显度因子进一步优化，根据中国商品市场特征进一步构造优化因子，分析各类因子的有效性和稳定性，丰富凸显理论在商品市场的理论与应用。

本报告发布内容如涉及或属于系列解读，则交易者若使用所载资料，有可能会因缺乏对完整内容的了解而对其中假设依据、研究依据、结论等内容产生误解。提请交易者参阅中信建投（601066）已发布的完整系列报告，仔细阅读其所附各项声明、数据来源及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注研究依据和研究结论的目标价格及时间周期，并准确理解研究逻辑。

关键词：