基于隔夜相关性的量化因子研究

摘要： 本报告探讨了股票市场中隔夜收益与日间收益的领先滞后效应，旨在通过构建量化因子捕捉跨股票的信息传递效应以实现 Alpha 收益。

核心观点：

1. 领先滞后效应存在：股票市场存在明显的隔夜相关性特征，通过识别领先群组（Leader）和滞后群组（Lagger），可以利用领先群组的信号在滞后群组中进行交易。
2. 策略有效性：在 A 股市场中，领先滞后效应呈现一定的反转特征。实证显示该策略更适用于中小盘股票（如中证 1000），全市场滞后组多空组合年化收益约 8.81%，中证 1000 约 10.51%。
3. 因子增量价值：通过引入隔夜相关信息构建的选股因子（如 corr_combined1）能提供边际增量，其月度 RANK_IC 为 8.13%，多头年化收益为 18.2%。

论据支撑：

1. 算法实现：采用定向谱聚类算法（d-LE-SC）构建有向加权矩阵，量化信息流的净流量（NF）与总流量（TF），从而精准划分领先与滞后群组。
2. 回测验证：对比了日度、周度、月度不同调仓频率，发现常规相关性因子在周/月频换仓下区分度更高，且与残差波动等风格因子相关性较低。
3. 信号分离机制：采用信号生成（领先组）与交易执行（滞后组）分离的机制，有效捕捉纯粹的信息效应而非单股动量。

局限性/风险：

1. 失效风险：量化模型基于历史数据，在市场政策、环境或交易行为发生重大改变时可能失效。
2. 模型差异：不同量化模型的结论可能存在差异。