金融工程专题研究分析报告：基于主动买卖特征的高频订单因子改进.pdfVIP

证券研究报告|2024年08月16日

金融工程专题研究

基于主动买卖特征的高频订单因子改进

核心观点

高频订单主动买卖特征蕴含的Alpha信息

考察高频订单的几个维度：在过往研究中，我们从订单大小、成交时长、成

交时间、出价高低等多个维度对高频订单数据蕴含的Alpha信息进行了考察。

本文我们聚焦订单特征的另一个重要维度——主动买卖特征。

主动买卖特征：每一笔交易都是由其背后的投资者交易而成，而每笔交易往

往带有着强烈的交易倾向。促成买卖双方成交的一笔订单究竟是由买方主动

促成，还是由卖方主动促成？不同订单主动成交方向对股价未来的影响方向

是否存在显著的差异？这些问题都在引领着我们对每笔成交的主动买卖特

征进行划分，探析促成每笔成交的买卖倾向给因子有效性带来的差异。

主动买卖特征划分方法梳理及比较

当前学术界和业界中，基于逐笔数据进行主动买卖特征划分的方法主要有基

于委托时间（TimeBased）和基于成交价格（PriceBased）两类。

二者在某些特殊情形下的主动买卖特征划分均存在值得商榷的地方，因此本

文提出一种结合成交价格及委托时间的主动买卖特征划分法。

引入主动买卖特征对构成大单交易占比因子的子因子进行拆分，均有良好的

区分效果，能够分离出选股能力更强、稳定性更好的指标。

引入主动买卖特征的改进大单因子

因子表现：引入主动买卖特征的改进大单因子月度RankIC均值9.09%，年

化RankICIR为4.27，月胜率89.01%。多头月均超额0.84%，空头月均超

额-1.73%。

引入主动买卖特征的成交量占比因子统一框架

成交量占比因子统一框架：我们根据委托单的“大单属性”将订单分为大单、

非大单两类，根据委托单的“漫长属性”将订单分为漫长订单和非漫长订单

两类，根据订单的“主动买卖特征属性”将一笔成交划分为主买和主卖两类，

对订单类型进行划分。

精选复合因子：我们提出一种基于因子有效性的“迭代分裂法”，基于订单

大小、成交时长及主动买卖特征筛选有效维度构建精选复合因子。具体来讲，

若引入主动买卖特征后因子有效性区分明显，则保留子因子；否则，沿用父

因子，构建复合精选因子。

精选复合因子表现：月频调仓下精选复合因子月度RankIC均值为8.93%，

年化RankICIR为5.21，月胜率93.41%。多头月均超额0.99%，空头月均

超额-1.56%。周频调仓下精选复合因子的周度RankIC均值为5.59%，年化

RankICIR为6.85，周胜率83.72%，在不同的宽基指数及风格股票池中均

展现出较强的选股效果。

因子特征：精选复合因子更倾向于低估值、大市值、低波动、低换手股票。

在剥离掉传统选股因子后，纯净因子仍展现出稳健的选股能力。

风险提示：市场环境变动风险，本报告基于客观数据，不构成投资建议。

证券研究报告

内容目录

探寻高频订单成交数据蕴含的Alpha信息5

深入高频：从订单数据到行情数据的演变5

逐笔成交数据介绍6

逐笔成交记录的特征属性与成交类型7

基于成交类型构建成交量占比因子8

高频订单成交数据考察维度9

高频订单主动买卖特征蕴含的Alpha信息10

基于委托时间的主动买卖特征划分法12

基于委托时间（TimeBased）的主动买卖特征划分法12

基于委托时间的主动买卖特征划分法不足13

基于成交价格的主动买卖特征划分法14

基于成交价格（PriceBased）的主动买卖特征划分法14

基于成交价格的主动买卖特征划分法不足15

结合成交价格及委托时间的主动买卖特征划分法16

结合成交价格及委托时间（Price-TimeBased）的主动买卖特征划分法16

结合成交价格及委托时间的主动买卖特征划分法在大单上的应用18

引入主动买卖特征的大单因子改进19

引入主动买卖特征的改进大单因子构建及表现19

引入主动买卖特征的改进大单因子VS原始改进大单因子20

引入主动买卖特征的成交量占比因子统一框架21

引入主动买卖特征的成交量占比因子统一框架21

精选复合因子在不同样本空间中的表现25

周频调仓精选复