量化专题分析报告：“量价淘金”选股因子，订单簿资金流因子簇构建，Memory Map分段读取性能优势.pdfVIP

证券研究报告|金融工程

gszqdatemark

20250211

年月日

量化专题报告

“量价淘金”选股因子系列研究（十）

订单簿资金流因子簇的构建与生产加速

——基于MemoryMap的分段读取性能优势

前言：本文为国盛金工《“量价淘金”选股因子系列研究》的第十篇报告，

也是我们“因子生产加速”相关研究的再次探索，仍然围绕“数据存储与

读写的技术”、“体系化的因子构建思路”这两个话题，在上一篇报告的基

础上展开进一步讨论。

MemoryMap在数据分段读取方面的性能优势：在某些因子的构建过程

中，经常需要分段读取数据。传统的CSV、Parquet等存储形式，需要将

全天数据加载到内存中，再截取其中一部分用于后续的因子计算；而

MemoryMap则可以直接在硬盘上截取数据，只将需要用到的数据映射到

内存中，大幅减少内存开销，提升因子的计算效率。以读取宽表存储格式

下、某一交易日所有股票的第一小时分钟收盘价数据为例，MemoryMap相关研究

的读取速度约为Parquet的280倍、CSV的350倍。1、《“量价淘金”选股因子系列研究（一）：如何将隔夜

因子的体系化构建与批量生产——订单簿资金流因子簇：将订单簿资金流涨跌变为有效的选股因子？——基于对知情交易者信

因子的构建流程，拆分为“设计资金流指标”、“是否标准化”、“计算因子”息优势的刻画》2022-04-26

这3个步骤，分别展开详细讨论。借助MemoryMap分段读取数据的高性2、《“量价淘金”选股因子系列研究（二）：不同交易者

能优势，基于不同的经济学逻辑，最终构建了约10万个资金流因子，并结构下的动量与反转》2022-10-24

通过进一步筛选，保留其中效果最优且相关性较低的50个因子，得到“订3、《“量价淘金”选股因子系列研究（三）：如何基于RSI

单簿资金流因子簇”。技术指标构建有效的选股因子》2023-03-06

4、《“量价淘金”选股因子系列研究（四）：高/低位放

订单簿资金流综合因子：在因子簇中选取样本内信息比率最高的10个因

量：从事件驱动到选股因子》2023-12-18

子、等权合成，得到订单簿资金流综合因子。回测期2016/01/01-

5、《“量价淘金”选股因子系列研究（五）：基于趋势资

2024/12/31内，在全体A股中，该因子的月度RankIC均值为0.110，年

金日内交易行为的选股因子》2024-05-28

化RankICIR为4.24；10分组多空对冲的年化收益为41.37%，信息比率

6、《“量价淘金”选股因子系列研究（六）：创新高股票

为3.29，月度胜率为87.85%，最大回撤为13.26%。在剔除了市场常用中的Alpha》2024-06-26

风格和行业的影响后，纯净因子仍然有效，年化RankICIR达到3.43，全7、《“量价淘金”选股因子系列研究（七）：盲目追随趋

市场10分组多空对冲的信息比率为3.52。