上周日，笔者复现了中信建投2024年发布的《投资者有限关注及注意力捕捉与溢出》中的基于日常收益率的注意力溢出因子，这个因子无论是在IC上还是在分层回测上都有着不错的表现。
这让笔者对这篇研报中的因子都有着极高的期待，本文笔者将复现这篇研报中的另一个因子。这个因子将之前的收益率换成了换手率，其他的都是完全一样的。
这个因子背后的逻辑是这样的。
投资者注意力存在溢出效应，当一支股票关注度较高时，投资者也会注意到与其相似的邻居股票，导致这些邻居股票的未来也会有不错的收益，享有注意力溢价。也就是说，因子值越大，表明未来注意力溢出效应越显著，股票预期会取得正向超额。
计算步骤
这个因子的计算步骤和基于日常收益的注意力溢出，一个IC和分层回测俱佳的因子！这篇文章中的是几乎一致的，唯一的差别就是收益换成了换收益率。
所以，这里就不对具体的计算步骤进行赘述了。
代码
data = BaseDataLoader.load_data('../../data/capital.parquet', fields=['turnover_ratio'],
代码方面，只需要将之前代码中的6-8行更换为上面的内容，其他的保持不变就可以了。
因子评价
IC分析
回归分析
换手率分析
收益分析
总结
对于因子评价结果中，IC为负的现象，笔者要进行一个解释。
因为，研报中是用相似股票的因子值均值减去因子值的，而笔者在写代码的时候刚好和研报相反。这就相当于在研报因子的基础上乘上了-1，所以IC也就随之反向了。
从因子评价结果来看，将收益率换成换手率之后，这个因子的效果可以说是大幅下降。无论是在IC上的表现，还是分层回测的结构都是全方面的下降。
特别是在IC方面，这个用换手率计算的因子，居然IC绝对值最高的一年也就刚刚超过了0.06而已。而基于收益率计算的因子，只有2020年一年没有超过0.06，这差距确实有点大了。
然后是分层回测方面，用收益率计算的因子2021年之后的分层效果还是不错的。但是，将收益率换成了换手率之后，分层回测的效果也大幅下降。除了因子值最大的一组收益率远低于其他四组之外，其他四组净值曲线甚至可以看作一个整体，彼此缠绕在一起，很难分开。
最后，还有一点需要说明的是，这篇文章中的因子评价结果是用新版本的代码计算的。如果您复现的时候用了笔者在github上开源的代码，那会有一点点差异。同时，新版的代码已经上传至github了，需要的朋友可以在代码说明的文章中找到下载链接。