有限关注因子构建 - 传统金融市场研究假设投资者能瞬时识别所有信息并反映至资产价格，但现实中投资者关注度是稀缺资源，需分配至家庭、工作等领域[1] - Barber和Odean(2008)选取极端收益、异常交易量、新闻头版作为关注度代理指标，发现个人投资者优先买入高关注股票但后续表现不佳[1] - 国内龙虎榜研究显示上榜股票短期吸引跟进买入但长期收益反转[1] - 因子构建采用异常换手率(日换手率/过去252日均值)、异常成交量(日成交量/过去252日均值)、极端收益(日收益与市场均值偏离平方)、龙虎榜指标(0/1虚拟变量)[2][3] 因子合成方法 - 线性合成法：对连续变量排序标准化后相加，因子值范围0-4，值越大代表散户关注度越高[3] - 随机森林法：用过去60个月数据训练模型，以收益前20%和后20%作为正负例标签，预测负例概率作为关注度指标[3][4] - 随机森林法因包含收益预测属性，其分组收益效果和IC表现显著优于线性合成法[4] 因子表现验证 - 高关注组股票股东户数增长更显著，线性合成法在极端分组区分度更突出[7] - 全市场测试显示随机森林法RankIC为-0.076，胜率70.1%，优于线性合成法的-0.081和66.7%胜率[8] - 因子在中证1000表现最佳，因小盘股更易受散户"追涨杀跌"影响导致后续回撤[12][13] 因子IC的市场信号功能 - 2019-2021年上半年因子IC回撤，显示散户追涨赚钱效应显著，尤其沪深300；2021年下半年后IC转负[14][17] - 沪深300因子IC与行业轮动速度指标相关性达0.5，IC高位时市场表现较好[19] - 基于沪深300因子IC的择时策略年化收益5.12%，夏普率0.35，月度胜率76.32%[22][23] 因子在指数增强中的应用 - 沪深300叠加有限关注因子组合年化收益13.84%，夏普率0.73，显著优于基础组合的12.17%和0.64[29] - 中证500叠加因子组合年化收益13.95%，但中证1000应用效果不明显[29][30] - 分域测试显示高关注组中低波动率、低流动性、长期动量因子IC提升显著，成长因子IC达0.0206 vs 非关注组0.0143[32][33] - 分域选股策略在沪深300实现15.34%年化收益，夏普率0.74，优于原选股组合的12.80%[40]