cn_stock_factors_hf_ky_order_size_structure

数据描述

按挂单金额把成交分为超大、大、中、小单四档，计算各档20日成交额占比

数据简介

研报从市场微观结构视角探讨市值风格与交易者行为的关联：按挂单金额把每笔成交划分为超大单（>100 万元）、大单（20100 万元）、中单（420 万元）、小单（<4 万元）四档，各档 20 日成交额与总成交额相除得到成交占比因子。研报发现市值越小，超大单与大单占比越低、中单与小单占比越高，但成交占比因子与市值因子相关性过高、市值中性化后表现不理想。为此研报改用「两个成交占比因子之间相互中性化」的提纯方式：以超大单占比对大单 / 中单 / 小单占比做截面回归，残差即新因子 EVL / EVM / EVS。研报另考察了成交额因子本身，以及成交占比因子与成交额因子相乘得到的各档成交额因子。

数据区间：2016-01-04 ~ 2026-11-03（每个交易日一条记录）。

文献来源

• 标题: 《交易者行为与市值风格——市场微观结构研究系列（6）》
• 作者: 魏建榕、苏俊豪
• 机构: 开源证券
• 时间: 2020-05-12

表结构

• 表名: cn_stock_factors_hf_ky_order_size_structure
• 中文表名: 开源证券挂单规模成交占比因子
• 数据描述: 按挂单金额把成交分为超大、大、中、小单四档，计算各档20日成交额占比
• 主键: date + instrument
• 记录粒度: 每个交易日每只股票一条记录

依赖数据

全部因子回溯 20 个交易日，_build 按此倒退取数，故单日增量的实际扫描区间约为输出区间的 20 倍（日频表，扫描成本可忽略）。

历史起点说明：本表的历史数据从 2016-01-04 开始，不含 2015 年。原因有两条，都来自上游数据而非计算： 其一，cn_stock_prefactors 的分档资金流字段 2015 年 1 月中旬才开始有数据，首个「20 日窗口全有效」的交易日是 2015-02-16； 其二，2015 年 7 月的「千股停牌」期间超过一半的 A 股在 20 日窗口内有停牌日，本表因子对它们真的无定义， 实测 2015-07-14 的无效值占比达 56%~62%。把入库前测试的 invalid_ratio 上限放宽到能容纳这个比例， 等于让该测试点再也拦不住「某天半数股票缺失」这类真实故障，因此选择不回填 2015 年并在此说明， 而不是放宽门禁。2016 年起各年抽样日的无效值占比上限为 29.5%，均在门禁之内。

因子列表

amt_ratio_exlarge

中文名: 超大单成交占比因子

描述: 刻画股票交易者结构中机构投资者的参与程度。研报发现市值越大，超大单成交占比越高；该因子在成交占比四档中表现最好，多空年化收益 16.31%、ICIR -1.22，2018 年后显著优于市值因子，但市值中性化后多空年化收益降至 4.60%、ICIR -1.12。

构建逻辑: 回看每个股票过去 20 个交易日的超大单（>100 万元）成交额之和，与同期总成交额之和相除。

$$Ratio_{exlarge} = \frac{\sum{amount_{exlarge}}}{\sum{amount_{total}}}$$

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 分档口径：研报的超大单 / 大单 / 中单 / 小单对应 cn_stock_prefactors 资金流字段后缀的 large / big / mid / small（该表的 large 指超大单，不是研报的大单），字段名按研报语义命名
• 分档成交额的还原：源表只给出各档的「主动 / 被动 × 买 / 卖」四个方向金额，没有直接的分档成交额。实测确认 买入金额 = 主动买入 + 被动卖出、卖出金额 = 主动卖出 + 被动买入，两者各自跨四档求和都精确等于当日总成交额（因此四档净流入之和恒为 0）。一笔成交涉及买卖双方、两方可能落在不同档，本项目取 分档成交额 = (该档买入金额 + 该档卖出金额) / 2，使四档成交额之和等于总成交额、四个占比之和等于 1（实测 2016 年起恒为 1.0000）
• 有效交易日：要求 20 个交易日的窗口内无一天缺失资金流字段或成交额（主要是停牌日与资金流未覆盖的个股），否则该股当日因子值置空

amt_ratio_large

中文名: 大单成交占比因子

描述: 刻画大户投资者的参与程度。研报指出市值越大，大单成交占比越高。

构建逻辑: 回看每个股票过去 20 个交易日的大单（20~100 万元）成交额之和，与同期总成交额之和相除。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 分档口径、分档成交额还原、有效交易日：同 amt_ratio_exlarge

amt_ratio_medium

中文名: 中单成交占比因子

描述: 刻画中户投资者的参与程度。研报指出市值越小，中单成交占比越高。

构建逻辑: 回看每个股票过去 20 个交易日的中单（4~20 万元）成交额之和，与同期总成交额之和相除。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 分档口径、分档成交额还原、有效交易日：同 amt_ratio_exlarge

amt_ratio_small

中文名: 小单成交占比因子

描述: 刻画散户投资者的参与程度。研报指出市值越小，小单成交占比越高；研报给出的各占比因子截面相关系数显示小单占比与超大单占比的相关系数为 -0.70。

构建逻辑: 回看每个股票过去 20 个交易日的小单（<4 万元）成交额之和，与同期总成交额之和相除。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 分档口径、分档成交额还原、有效交易日：同 amt_ratio_exlarge

amt_ratio_above_large

中文名: 大单以上成交占比因子

描述: 超大单占比与大单占比之和。研报用它说明市值风格切换伴随资金在大小市值股票间的转移：当小市值风格占优时，大单以上成交占比因子与市值的相关性下降，说明此时小市值股票成交中的大单与超大单占比相对提升。

构建逻辑: 把超大单占比因子与大单占比因子相加。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

evl

中文名: EVL 因子

描述: 从超大单占比因子中剔除大单占比因子后的残差。研报指出成交占比因子中可能有市值以外的超额信息，但直接做市值中性化效果不理想，改用两个成交占比因子之间的中性化即可提纯。EVL 是三个提纯因子中表现最好的：多空年化收益 18.66%、ICIR 1.85；市值中性化后仍有多空年化 11.44%、ICIR 2.39、最大回撤仅 6.09%。

构建逻辑:

1. 在 $t$ 时刻，记截面上超大单占比因子的因子值为 $y_t$，大单占比因子的因子值为 $x_t$；
2. 作线性回归 $y_t = a x_t + b + \varepsilon_t$，得到相应的残差 $\varepsilon_t$；
3. 把残差 $\varepsilon_t$ 作为新因子 EVL。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

evm

中文名: EVM 因子

描述: 从超大单占比因子中剔除中单占比因子后的残差，构造方式与 EVL 相同。研报测试显示 EVM 同样有不俗表现。

构建逻辑: 步骤同 evl，第 1 步的 $x_t$ 改为中单占比因子的因子值。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

evs

中文名: EVS 因子

描述: 从超大单占比因子中剔除小单占比因子后的残差，构造方式与 EVL 相同。研报测试显示 EVS 同样有不俗表现。

构建逻辑: 步骤同 evl，第 1 步的 $x_t$ 改为小单占比因子的因子值。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

amount_20

中文名: 成交额因子

描述: 研报用于与市值因子对照的因子。结论是成交额因子比市值因子收益更高，且剔除市值因子的影响后成交额因子仍有一定收益；反之市值因子在剔除成交额因子后收益不再显著。分组超额收益显示相同市值下成交额越高、预期收益越低，解读为前期被过度关注炒作的股票未来预期收益会走低。

构建逻辑: 取股票过去 20 个交易日的日均成交额。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 取对数：研报未说明成交额因子是否取对数。本项目取自然对数，与市值因子的常规处理一致，也避免成交额量纲的极端右偏在截面回归与乘法合成中占支配地位
• 有效交易日：同 amt_ratio_exlarge

amt_exlarge_20

中文名: 超大单成交额因子

描述: 把成交占比因子的档位信息注入成交额因子得到的调整后成交额因子，用于区分哪一类交易者的过度涌入对股票后续收益影响更大。研报测试显示剔除市值影响后，各档成交额因子的表现有明显分化。

构建逻辑: 用超大单成交占比因子乘以成交额因子。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

amt_large_20

中文名: 大单成交额因子

描述: 口径同 amt_exlarge_20，档位取大单。

构建逻辑: 用大单成交占比因子乘以成交额因子。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

amt_medium_20

中文名: 中单成交额因子

描述: 口径同 amt_exlarge_20，档位取中单。研报指出剔除市值影响后，小单与中单成交额因子收益较为显著，且表现均优于原始成交额因子。

构建逻辑: 用中单成交占比因子乘以成交额因子。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

amt_small_20

中文名: 小单成交额因子

描述: 口径同 amt_exlarge_20，档位取小单。研报给出的绩效为市值中性化后年化多空收益 14.67%、ICIR -1.90，是各档成交额因子中最强的一个；解读为小单交易者过度涌入的股票后续更容易回落。

构建逻辑: 用小单成交占比因子乘以成交额因子。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

复现核对

核对口径: 2016-01-04 ~ 2026-09-30（128 个月末截面 / 2611 个逐日截面）；全市场不做任何股票过滤；前向收益取 21 个交易日的收盘到收盘收益；rankIC 按截面计算；研报 ICIR 为年化口径，本项目的 rankICIR 已年化。研报回测区间未在正文明示，图 1 的市值因子净值自 2010 年起。本项目输出的是未做任何中性化的原始因子值，而研报给 EVL 与各档成交额因子的关键数值多为市值中性化之后，这是本表最主要的口径差异。

复现成立的部分:

• 四档占比与市值的关系完全复现。amt_ratio_exlarge rankIC -0.0688、amt_ratio_large -0.0338、amt_ratio_medium +0.0090、amt_ratio_small +0.0533，从超大单到小单单调由负转正，正是研报图 3「市值越小，超大单与大单占比越低、中单与小单占比越高」叠加小市值溢价后应有的形态。
• 超大单占比为负向因子，年化 rankICIR -1.77，与研报的 ICIR -1.22 同号且量级接近。
• 成交额因子方向复现。amount_20 rankIC -0.1013、年化 rankICIR -2.29，是本表最强的单因子，与研报「成交额因子收益高于市值因子」「相同市值下成交额越高预期收益越低」一致。
• 提纯有效。evm 年化 rankICIR -2.01、evl -2.04，都强于被提纯对象 amt_ratio_exlarge 的 -1.77，与研报「两个成交占比因子相互中性化即可提纯」的结论一致。

方向性矛盾两项，均标为待确认:

1. evl：研报给 ICIR +1.85（市值中性化后 +2.39），本项目为 -0.0460 / 年化 -2.04，符号相反。研报同一段里对小单成交额因子写的是 ICIR -1.90（负号），说明该处的 ICIR 是保留符号的因子 ICIR 而非组合收益波动比，因此这不是符号约定问题。本项目的 EVL 定义严格照研报三步（截面回归 y = a·x + b + ε，y 为超大单占比、x 为大单占比，取残差），回归残差的零均值性已实测验证。待确认点是研报是否对 y、x 做过去极值或标准化，或是否把残差再乘了 -1。
2. amt_small_20：研报给市值中性化后 ICIR -1.90，本项目未中性化为 +0.0327 / 年化 +0.97，符号相反。这一项有明确的解释：amt_small_20 = amt_ratio_small × amount_20，而 amt_ratio_small 本身是很强的小市值代理（rankIC +0.0533），在未中性化的口径下小市值溢价主导了整个因子；研报的 -1.90 是市值中性化之后的数值，两者本不可直接对照。本表按项目规范输出未中性化的原始值，下游做市值中性化后再用即可。

其他差异来源:

• 样本区间: 研报图 1 的市值因子净值自 2010 年起，本项目因分档资金流字段的可用性只能从 2016 年起，重叠区间不足一半，而 2016 年之后小盘与大盘风格多次切换，会同时影响占比类与成交额类因子。
• 中性化: 研报的 EVL（11.44% / 2.39）、小单成交额（14.67% / -1.90）等关键数值都是市值中性化后的，本项目一律输出原始值。

示例数据

按 date、instrument 排序后的前 5 行与后 5 行，由 update_docs() 推送文档时自动填充。