SAM 产品动量 —— 中国 A 股的产品溢出 Alpha 信号(两种残差化方案)

我们基于 ChinaScope 的 SAM 产品分部营收面板，为中国 A 股股票构建了一个横截面 alpha 信号。对每只焦点股票在每个再平衡日，该信号捕捉其产品环境的近期走势——即与焦点处于同一 SAM Level-2 产品的"纯代理"同业组合的市值加权平均收益（"纯代理"指 50% 以上营收来自该产品的上市公司），并以焦点本身在 SAM 产品间的营收结构为权重。方法论在两个并行的残差化方案下评估：原始收益构建（Construction R）——信号是股票收益与营收结构的确定性函数；源端残差化构建（Construction S）——日收益先经 22 因子基的横截面残差化，再进入信号构建流程。

相对于标准 22 因子（12 个 Barra 风格因子 + 10 个补充因子）机构风险模型进行评估，信号取得正向的样本外多偏移正交 ICIR：+0.352（Construction R） / +0.307（Construction S），样本外 20 个再平衡网格偏移全部为正，且每个日历年（共 8 年）的年度均值正交 ICIR 均为正。在加入 31 个申万一级行业控制的"行业增强变体"下，Construction R 的样本外多偏移 ICIR 升至 +0.435。完整的稳健性测试组确认信号具有独立 alpha 特征：当评估基底被替换为随机噪声时，正交 ICIR 整体向上移动（因子质量打乱测试在 100% 噪声水平下：+0.794 / +0.859）；当基底从 5 个因子扩展到 22 个时单调下降（K=5 → +0.72 / +0.84；K=22 → +0.35 / +0.31，R / S）；并在更长的前瞻期下增强——在 60 日处达到峰值（重叠校正前），经 √3 去重叠校正后的 60 日 ICIR 仍为正，约 +0.27 / +0.28。

研究基于 10 年样本（2016–2026），采用 ChinaScope 实时生产数据流：公司公告、分部营收与因子值均为时点数据，并叠加 publish_date + 30 天 的可获得性缓冲，以模拟实际的供应商交付与买方接入延迟。Numinor 与 ChinaScope 正在邀请选定的机构 A 股量化基金在保密协议下于自身因子库上评估 SAM 产品动量信号。

---

关键实证结果

指标	Construction R	Construction S	参考
样本外多偏移 orth-22 ICIR（规范口径）	+0.352	+0.307	§4.1 / §5.1
样本外多偏移 orth-22 + 行业 ICIR	+0.435	+0.301	§4.5 / §5.5
样本外正向偏移占比（orth-22）	100%（20/20）	100%（20/20）	§4.2 / §5.2
样本外单偏移 ICIR 区间	[+0.097, +0.589]	[+0.089, +0.440]	§4.2 / §5.2
年度正向占比（年度均值 orth-22 ICIR）	8 / 8 年	8 / 8 年	§4.4 / §5.4
最弱年份（年度均值 orth-22）	2022: +0.039	2022: +0.113	§4.4 / §5.4
最强年份（年度均值 orth-22）	2021: +0.792	2023: +0.710	§4.4 / §5.4
独立 alpha 特征：100% 噪声下 ICIR	+0.794	+0.859	§6.1 / §7.1
基底因子数扩展：K=5 → K=22 ICIR	+0.716 → +0.352	+0.841 → +0.307	§6.3 / §7.3
多前瞻期 60 日样本外 ICIR（原始 / 去重叠）	+0.462 / +0.27	+0.483 / +0.28	§6.4 / §7.4
年化组合换手率	4.76×	4.41×	§6.5 / §7.5
是否支持预残差化交付	是（ICIR 不变）	由构建过程天然实现	§6.6

所有数字均为交易成本前。净 IR 的可移植性取决于买方自身的组合构建、成本、流动性、券源和市场冲击模型——详见下文范围与局限。

---

SAM 产品动量是什么

SAM（Sector Analysis & Mapping，行业分析与映射）是 ChinaScope 面向中国 A 股市场的产品分类法与分部营收面板。约 8,000 个产品节点组织在九级层级结构中；本论文方法工作于 Level 2——462 个产品子类，其颗粒度足以在经济意义上彼此区分（例如乘用车轮胎与商用车轮胎），又足够粗以维持有意义的同业密度。上市公司在半年报与年报中披露分部营收；ChinaScope 的数据自动化系统将这些披露汇总为每只股票每个报告期在 SAM 产品间的营收结构。

对每个 Level-2 产品在每个再平衡日，我们识别纯代理组合——即超过 50% 营收来自该产品的上市公司（每个组合至少 5 个同业以保证多样化）。在 Level 2，约 90% 的 A 股公司报告观测都有单一 Level-2 产品的营收占比超过 50% 阈值——大多数 A 股上市公司在 L2 上集中度足够高，可作为某个产品的纯代理。

焦点股票 $i$ 在交易日 $t$ 的信号由两部分组成：

• biz_mom——给定焦点的产品环境，其期望收益。对焦点营收结构中的每个 SAM 产品 $p$，我们计算该产品纯代理组合的市值加权平均收益（"留一法"：焦点被排除在自己的组合之外）。焦点的 biz_mom 是这些组合收益按焦点自身营收权重的加权平均，再减去焦点自身收益——捕捉焦点应在哪里与其实际在哪里的差距。在 20 个交易日的滚动窗口内做累积。
• biz_resvol——将焦点收益序列对其隐含产品组合收益序列做回归后所得残差的 20 日标准差。捕捉焦点与其产品环境之间的离散度，提供"脱钩"的补充视角。

两部分横截面 z-score 组合即为复合 SAM 产品动量信号。流水线在每个截面日相对买方的 22 因子风险模型进行评估，生成正交增量 ICIR（核心实证度量）。

---

机制

产品分部营收披露在 A 股量化研究中是被低估利用的信息。共享同一 Level-2 主要产品的公司面临共同的产品环境冲击——需求波动、监管变化、投入成本波动——这些冲击以可测的滞后传导至股价。实证结果与"焦点股票在 1–4 周时间尺度上部分滞后于其纯代理产品同业"的现象一致。其经济机制是注意力受限的溢出效应：市场参与者处理个股层面的特异信息比处理产品环境信息更快，留下系统性的横截面信息在机构量化所交易的再平衡时间尺度上未被定价。

信号的内容集中在微观结构 / 风险因子空间而非基本面空间（因子族剔除分析，§6.2）：在正交评估下，波动率、贝塔与流动性因子族吸收了信号的大部分内容。独立 alpha 特征由两个独立诊断证实——当评估基底被替换为随机噪声时，正交 ICIR 整体向上移动（§6.1）；当基底从 5 个因子扩展到 22 个时单调下降（§6.3）——这些特征表明信号承载了自身的预测内容，而非因子基底的线性派生。

信号在更长的前瞻期下增强，在 60 日前瞻收益处达到峰值（原始样本外 ICIR 在 R / S 下分别为 +0.46 / +0.48；经标准 √3 去重叠校正后 +0.27 / +0.28）。这种期限依赖性与"产品溢出传导以周而非日为单位"的机制一致——支持的是经济信息解读，而非短期交易噪声解读。

---

范围与局限

这是诊断性证据，不是经过生产验证的回测。机构读者需关注以下五点：

• 本论文是信号论文，不是部署论文。 正交 ICIR 是横截面排序相关统计量，不是实现的组合夏普比。换手率与成本拖累数字（年化约 4.4–4.8 倍，10–30 个基点执行成本下约 95–285 个基点的拖累）支持实施成本建模，但不能确立成本后盈利能力。组合构建、容量、考虑交易成本的优化以及基准相关结果应在单独的部署研究中处理。
• 样本内有效期被截断。 22 因子基底需要 d_at_yoy（资产周转率年同比变动），该字段在当前 Tushare 来源的基本面数据流中对 2018 年以前的会计期不可得。因此 22 因子正交评估的有效样本内期间为 2019-04 至 2022-12（约 3.7 年），样本外为 2023-01 至 2026-04（约 3.3 年）。后续修订将基于 ChinaScope 的更广基本面数据流重建 F2 面板，以恢复原本期望的 2017–2018 样本内窗口。
• 样本外的市场环境构成在某些方面对方法论有利。 样本内/样本外划分将 2022 这一弱年置于样本内、2023 这一强年置于样本外。但最终 v2.2 结果更准确地说是样本外与样本内大体相当，而非机械性更高：Construction R 为样本外 +0.352 vs 样本内 +0.356，Construction S 为样本外 +0.307 vs 样本内 +0.303。年度分解结果在 §4.4 / §5.4 中公开报告，读者可直接将表现映射至宏观环境。
• PIT 缓冲敏感性尚未测量。 方法的规范缓冲为 publish_date + 30 天。对更长缓冲（45 日或 60 日）的敏感性是自然的后续稳健性测试，目前尚未运行。
• 行业分类口径。 行业增强变体的 +0.435 / +0.301 结果使用申万一级行业（31 个行业），这是中国 A 股机构研究的事实标准。使用其他行业分类（中信、GICS 或自有体系）的买方可按数据包结构进行替换；定性模式预计保持一致，但具体幅度依赖买方的分类口径。

---

试用包包含内容

我们邀请少数机构 A 股量化基金在保密协议下，于自身环境中评估 SAM 产品动量信号。每个试用包含：

• 完整的 ChinaScope SAM 数据包。 SAM 全量分类法（约 8,000 个节点）及 Level-2 产品映射、覆盖 2016–2026 研究窗口约 5,500 只活跃 A 股的每股票每报告期分部营收记录、报告期文件公告日历、以及申万一级行业分类历史（供行业增强变体使用）。以规范化的 parquet + CSV 文件交付，配套完整的中英双语数据字典与源端 schema 映射，便于买方自行搭建生产管道。
• 参考 Python 实现。 完整的 SAM 产品动量管道作为正式 Python 包（numinor-sam-pm）提供：纯代理组合构建、留一法规范聚合、biz_mom 与 biz_resvol 计算、源端残差化、复合信号构建，以及正交 ICIR / 多偏移 / 年度 / 稳健性测试评估原语。买方将自有 22 因子基底接入即可在自身股票池、因子库与约束下复现分析。
• 四个 notebook，覆盖整部白皮书：
  • 01_quickstart.ipynb——完整管道的合成玩具示例。
  • 02_replication.ipynb——复现 §4–§5 核心结果（包含行业增强变体）；在冻结的参考数据包下，目标是与白皮书 v2.2 核心 ICIR 在三位小数级别一致（±0.001 容差）。
  • 03_custom_application.ipynb——支持任意因子基底数（N = 12, 22, 50, …）的买方定制模板。
  • 04_robustness.ipynb——复现完整 §6 / §7 测试组（因子质量打乱、族剔除、基数扩展、多前瞻期、换手率、预正交化交付等价性）。
• 方法论咨询。 与 Numinor 研究团队的直接技术接洽，涵盖集成、针对买方具体因子的稳健性测试、以及生产部署考量。

---

后续步骤

• 阅读完整技术白皮书（Numinor SAM PM 白皮书 v2.2，54 页），获取完整方法论、双构建并行 §6 / §7 稳健性测试组、以及完整支撑图集。
• 申请数据试用：通过现有 ChinaScope 或 Numinor 关系联络，或通过下方地址直接联系我们。
• 技术方法论或复现问题：可直接联系 Numinor Systems。

---

Numinor · ChinaScope · 2026 年 5 月 联系方式：tyl@numinor.io