《Finding Alphas》逐章閱讀筆記 (四)

近期拜讀Igor Tulchinsky在2019年的著作《Finding Alphas: A Quantitative Approach to Building Trading Strategies》，學習更深入的投資，在這系列文章中，將逐章節摘要書籍重點。此為系列第四篇，涵蓋Part III的Chapter 18到30。

Equity Price and Volume

• 交易頻率對績效的影響
• • 統計顯著性：次數越多，越容易判斷策略是否在統計上具有顯著勝率
  • 把握短期機會
  • 較高的交易成本：Novy-Marx and Velikov, 2015顯示，若策略頻繁換手，一年內投資組合換手率超過五倍，可能每個月就損失超過 1% 的報酬在交易成本上。
• 動能
• • MACD：短期移動平均減去長期移動平均，以衡量「動能」。
  • ATR（Average True Range）：通常以 14 日為週期的平均真實波動幅度，評估價格波動性。
• 均值回復
• • 短週期：價格較容易出現均值回復
  • 長週期：傾向於動能動能
• e.g.
• • 移動平均（MA）
  • • 觀察 S&P 500 是否高於其 250 日（或 500 日）移動平均線，一旦突破，即發出買入訊號，反之則賣出。
  • 均線交叉（Moving Average Crossovers
  • • 當短期均線（例如 50 日）向上突破長期均線（例如 200 日）時買進，向下跌破時賣出。
  • 突破法（Breakout Rule）
  • • 當指數創下 x 日新高（如 50 日或 100 日新高）時視為買入訊號。
  • 在 1988 年 7 月至 2011 年 6 月的樣本期間，上述趨勢策略的年化報酬在 10.5%～11.6% 之間，夏普比率（Sharpe Ratio）為 0.54～0.62，都優於大盤的被動投資表現。
• 整數效應（Integer Effect）
• • 單時更傾向使用「買進某股票，限價 100 美元」、整數引發更多關注與交易量
• 通常更痛恨損失 1% 的錢，而非得到 1% 利潤
• Frazzini and Lamont (2007) 研究：若在預期下個月將發布財報的公司中建構多頭部位，同時放空那些預期不會發布財報的公司，可取得顯著且可觀的超額報酬（7～18% 年化）。在大市值公司中特別明顯 (樣本期間橫跨 1927～2004 年)

Financial Statement Analysis

• 過去，市場對於「透過財報分析能產生超額報酬」的看法，曾因EMH而保持懷疑。然而，後續研究指出，基於多樣且具邏輯基礎的盈餘資訊所建構之多因子模型，長期來看確實能挑戰EMH，呈現顯著的異常報酬。
• 大部分公司會在每季與每年發布四大報表：
• • 資產負債表（Balance Sheet）
  • • Piotroski (2000) 的研究中，透過1976年至1996年的美國資料觀察到，下列來自資產負債表的因子與未來報酬呈現正向關係：
    • • 流動性增加：流動資產/流動負債比率的改善銷售額提升：銷售 / 總資產 之比率提升無增發股權：不發行新的股權長期負債減少：長期債務降低
  • 綜合損益表（Income Statement）
  • • Piotroski (2000) 指出，以下來自綜合損益表的因子與未來報酬呈現正向關係：
    • • 淨利為正：Net Income > 0淨利率提升：淨利 / 總資產 之比率的改善毛利率提升：(銷售 - 銷貨成本) / 銷售 之比率改善
  • 現金流量表（Cash Flow Statement）
  • • Piotroski (2000) 同樣提到，以下現金流量表因子與未來報酬呈現正向關係：
    • • 營業現金流大於0：CFO > 0營業現金流大於淨利：CFO > Net Income
  • 股東權益變動表（Statement of Shareholders’ Equity）
• 成長性因子
• • Net Income / Total Assets > 產業中位數
  • Cash Flow / Total Assets > 產業中位數
  • Net Income 變異度 < 產業中位數
  • Gross Income 變異度 < 產業中位數
  • 研發（R&D）支出 / Total Assets > 產業中位數
  • 資本支出 / Total Assets > 產業中位數
  • 廣告支出 / Total Assets > 產業中位數
• 公司治理因子
• • 降低存貨佔銷售比例
  • 減少應收帳款佔銷售比例
  • 銷售額減去毛利的變動呈現良好趨勢
  • 行政開支（管理費用）相對銷售額下降
  • 所得稅率改善
  • 盈餘品質改善（如由LIFO改為FIFO）
  • 審計品質改善（審計意見由保留改為無保留）
  • 每位員工的銷售貢獻度上升
• 負面因子（Short Idea或避險參考）
• • 銷售額高，但自由現金流（Free Cash Flow）低
  • 帳面價值比股價（Book to Price）偏低
  • 銷售增長率過高
  • 營運現金流 / 股價 偏低
  • 過去五年內有大規模併購紀錄
  • 近兩年內增發股權量大幅高於產業平均
  • 高財務槓桿

Fundamental Analysis and Alpha Research

(與上章雷同)

The Impact of News and Social Media on Stock Returns

常見研究方向

• 市場情緒
• • 若 (股票A 的新聞情緒 > 70) → 做多（long）股票A
    若 (股票B 的新聞情緒 < 30) → 放空（short）股票B
• 新穎度
• • 若 (股票的新聞情緒 > 70) 且 (Score_novelty > 閾值) → 做多
    若 (股票的新聞情緒 < 30) 且 (Score_novelty > 閾值) → 放空 無新聞之同產業股票 → 中性部位
• 相關度
• • 若 (sentiment > α) 且 (n_s < γ) → 做多，權重可乘 novelty × relevance
    若 (sentiment < β) 且 (n_s < γ) → 放空，權重可乘 novelty × relevance 無新聞的同產業股票 → 中性部位
• 用新聞來調整 Beta 的計算
• 領先新聞（leading news）對股票報酬的影響
• 文字分析的權重設計（如詞頻或加權）與財報公告（earnings announcement）等日內事件的交互驗證
• 「沒有新聞就是好新聞」的假說
• • 若 在某段時間內（如過去1個月）完全無新聞事件的公司 → 做多
    若 在同段時間內新聞量異常頻繁的公司 → 放空
• 對新聞敏感的股票是否能長期跑贏市場
• 交易量對新聞效果的驗證
• 新聞報導對股票的偏誤
• 新聞後的動能與過度反應及反轉

Stock Returns Information from the Stock Options Market

• 交易者為了捕捉市場消息，會深入研究標的資產的基本面，期權價格往往能提供比股票現貨交易更精細的市場信號。
• 隱含波動率曲線
• • 隱含波動率（Implied Volatility）：使用期權定價模型、使得模型計算出的理論價格與市場上的期權價格一致的波動率值。
  • 若市場看空，投資者為避險而大量買入看跌期權，會使得這類期權的隱含波動率提高。
• 理論上，看漲與看跌基於平價關係(C−P=S−DK)應擁有相同隱含波動率，但實務上美式期權會出現由於提前執行權價值帶來的「波動率利差（Volatility Spread）」。
• • 當看漲期權的隱含波動率大於看跌期權，通常意味著市場預期正面消息，且買入看漲期權的人數較多。
  • 反之，若看跌期權的隱含波動率較高，則可能預示市場上有較多避險需求，反映出負面訊息的預期。
  • 期權交易量與股票交易量比率（O/S Ratio）：當 O/S 比率較高時，表示期權市場中的投機活動較多，可能暗示未來股票回報較低
• 期權合約未平倉量變化：看跌期權未平倉量增加，通常代表市場中有更多交易者預期該資產短期內可能下跌

Intraday Data in Alpha Research / Intraday Trading

• 市場微結構（Market Microstructure）
• • 市場內部的運作機制，也就是投資人之間如何以不同方式互動、交易，以及這些微觀行為如何影響資產價格與報酬。
  • 流動性、Order Book Structure (各價格層次的掛單數量)、Bid–Ask Spread
• 根據交易結構，資本市場大致可以分為兩種類型：
• • Quote-Driven: 做市商或經銷商提供買入與賣出報價 (多數債券、外匯市場)
  • • 註：台灣買債券要貨比三家
  • Order-Driven: 有投資人都可以將買賣訂單提交到訂單簿中 (台股)
• 交易訂單類型
• • 限價單（Limit Order）：提供市場流動性
  • 市價單（Market Order）：消耗流動性
• Illiquidity Premium
• • 買賣差價越大，市場交易成本越高
  • 買賣差價增加 1%，每月風險調整報酬可能會上升約 0.211% (Amihud, Mendelson,1986)
  • Amihud Illiquidity Ratio: 每日絕對報酬 / 成交金額
• Glosten 與 Milgrom 模型
• • 三種市場參與者
  • • Informed: 知道資產真實價值
    • Uninformed: 無資訊
    • Market Makers: 供買賣報價，但因資訊不對稱，需在報價中考量可能與資訊型交易者交易所帶來的風險
  • 假設：
  • • 造市商給非資訊型交易者賣價a、買價b、造市商預期資產價值v、真實資產賣價vH, 買價vL
    • 市場中資訊型交易的機率Probability of informed trading, PIN = π，非資訊型交易則為 1−π（其中非資訊型交易者買賣方向各有 50% 機率）。
    • 流動性提供者設置報價時要求賺賠平衡
    • 
• Easley 等人利用最大似然法估計 PIN，並發現在控制了其他因子後，PIN 每上升 10 個百分點，資產的年化超額報酬約增加 2.5%
• PIN其他延伸
• • DPIN, Dynamic Probability of Informed Trading
  • VPIN, Volume-synchronized PIN
  • 當市場中資訊型或啟發式交易者的比例突然上升時（例如 VPIN 或 PIN 指標急升），往往預示著市場流動性急劇收縮，可能引發大幅下跌
• 日內交易
• • 可利用的資訊主要來自市場微結構數據，可用數據量比Daily α少，且資訊來源相對單一，單一交易的滑點、手續費、以及流動性衝擊就可能大幅影響策略的獲利
  • 日線策略通常要求對美元曝險、部門曝險等做中性化處理，以避免隔夜風險。而日內策略因為持倉時間極短，這些風險可以容忍在一定範圍內，甚至可以利用部分風險因子來提高收益。