本报告基于高频快照数据构建高低价格区间成交笔数因子、成交量因子和平均每笔成交量因子,反映市场参与度与资金活跃度。因子在中证500股票池日频及周频回测表现良好,核心行为追踪因子综合表现优异,多空组合年化收益率达50.01%(日频)及25.86%(周频),构建的周频换仓策略年化收益达10.13%,超额收益显著且风险控制较好,为高频量价数据在短线量化选股提供新思路[pag::0]
| 因子类型 | 价格区间 | IC均值 | ICIR | 多空年化收益率 | 夏普比率 | 最大回撤 |
|---|---|---|---|---|---|---|
| 高价格区间成交笔数占比因子 | 20% | -3.01% | -0.29 | 31.89% | 3.36 | 13.36% |
| 高价格区间成交量占比因子 | 20% | -3.87% | -0.38 | 46.50% | 5.02 | 11.59% |
| 低价格区间平均每笔成交量因子 | 10% | 2.81% | 0.42 | 33.00% | 5.36 | 5.64% |
核心论点总结:传统多因子模型受限于其低换仓频率和低频数据的局限,表现趋于平淡。本文通过引入高频快照数据中成交笔数、成交量及平均每笔成交量三类因子,捕捉股票日内微观结构信号,构建行为追踪因子。实证表明这些因子在日频与周频换仓下均有显著的选股能力,合成因子优于单一因子,表现出较强稳定性和超额收益能力。基于该因子的周频换仓策略,历史回测年化收益达10.13%,超额收益7.34%,显示策略潜力和推广价值。
风险提示强调模型存在在市场环境或政策变化时失效的风险。
报告首先区分了高频数据的两大类型:
快照数据透视的是市场的瞬时价格波动及微观结构,逐笔数据则能追踪单笔买卖行为。
通过分析快照数据,报告着力于捕捉价格区间内的成交行为对未来收益的预测价值。,4,5]
通过快照数据对全天价格序列的分位数划分出“高价格区间”和“低价格区间”(如前20%、30%的高价快照为高价格区间),以此捕捉不同价格区间内买卖行为差异,研究其对未来价格表现的预测作用。,7]
成交笔数占比因子:某价格区间内成交笔数占全天成交笔数的比例,反映该区间成交的聚集度。
成交量占比因子:某价格区间内成交量占全天成交量的比例,体现资金活跃度。
平均每笔成交量因子:某价格区间内平均每笔成交量与全天水平的对比,衡量该区间大资金活跃程度。
这三类因子分别从“成交密度”“成交强度”和“资金分布特征”三个维度刻画市场行为。
针对中证500股票池,测试时间从2016年7月至2021年8月,实行5组日频分组回测,以IC(信息系数)、ICIR(IC稳定性指标)、分位组收益率及多空组合表现衡量因子预测能力。
分组收益率表现上,因子值最高组(Top)年化收益显著高于市场平均,最低组严重跑输,导致多空组合夏普比率高达3+,显示因子具备良好的选股能力。
类似成交笔数因子,成交量因子同样呈现高价区负相关,低价区正相关,且多空组合年化收益甚至超过40%。成交量因子解释了资金层面的活跃性,强调资金对于价格区间变动的显著影响。
平均每笔成交量同样在高价区负相关、低价区正相关,且ICIR达到0.4以上,表现出较强的统计意义和稳定度;多空组合夏普比率超过5.3,回撤小于6%,风险调整收益优异。
为减轻交易成本和提升因子稳定性,报告采用移动平均、加权移动平均方法对日因子进行5日及10日加权处理。周频回测表明,经过低频化处理后的因子IC及多空组合表现得到明显提升,尤其是低价区平均每笔成交量因子表现最优,年化多空收益可达20.7%(表13)
因子相关性分析显示高价格区间成交笔数与成交量因子高度正相关(相关系数0.87),而低价格区间平均每笔成交量因子与二者负相关约0.2,因而合成权重设为0.25(笔数)、0.25(成交量)、0.5(平均每笔成交量),构建单一“行为追踪因子”。
合成因子表现优于单一因子:
分位数组合顶组与底组表现差异显著,净值曲线稳定上升,显示行为追踪因子具有显著的预测力和风险控制能力。
报告构建了周频换仓100股的行为追踪因子多头策略,持仓行业权重与中证500匹配,考虑千分之一单边交易成本。
策略风格体现为捕捉高频行为信号,挖掘市场微观结构机遇,体现短线策略优势。
总结明确:
直观展示高频数据分为快照数据( 3秒刷新,呈现量价与盘口挂单)和逐笔数据(单笔成交及单笔委托),为后续因子构建和数据运用基础提供形象框架。
例如图2和图3显示高价区成交笔数因子按20%和30%分组的超额收益率,分组由高到低呈单调递减趋势,Top组最高年化超额收益超过10%,Bottom组明显亏损,验证因子负相关性及选股效率。
图4和图5展示低价格区成交笔数因子分组收益,表现稍复杂但具备一定预测信息。
图7-8重复类似模式对于成交量因子,显示资金活跃程度对应未来收益。
图10-13针对平均每笔成交量因子,也呈现较好的区分能力,尤其低价区Top组收益显著,标志大资金布局效应。
图15和16关于高价区成交笔数和成交量因子加权平均处理后的分组净值均稳健上升,多空组合净值指数接近2.5倍,信息比率均超1.3,表明低频处理显著提升因子稳定性和收益质量。图17低价区平均每笔成交量因子经10日加权处理净值呈持续上升,安全边际较高。
图18和20针对日频及周频行为追踪因子,分组收益率分布显著,两端差距明显,CLEAR信号强烈,表明构建的多因子合成指标具备强预测能力。图19和21净值显示,策略多空组合净值持续上升,风险控制出色。
图22展示策略多头净值优于等权基准,图23显示净值超额稳步增长。
图24和25分年度收益与超额收益柱状图揭示策略年度表现一致性,除个别波动年份外,多数年份超越基准收益,表明策略具有较强的稳定性和连续盈利性。
表22多维风险收益指标揭示策略年化波动率与基准相当,信息比率达到1.54,交易成本模型中双边换手率123%,合理权衡收益与成本。
报告主要是因子构建和策略实证研究,不涉估值模型、财务预测、现金流折现等传统估值工具,而是重视基于高频市场行为的信号挖掘和量化实证。
所使用的关键统计指标包括信息系数(IC)、IC稳定性指标(ICIR)、多空组合收益、夏普比率、最大回撤及跟踪误差等,用以衡量因子的有效性和策略的风险回报特征。
风险提示部分指出模型通过历史数据统计、建模完成,可能面临以下风险:
报告无明确提及缓解措施,但策略本身设计了低频低换仓周期(周频)、行业权重控制,意义上具有一定分散和稳健性。,23]
本报告系统构建了三类高频快照数据因子—高低价格区间成交笔数占比、成交量占比及平均每笔成交量因子,核心发现是:
整体而言,报告严谨细致,数据详实,结论合理,方法创新,显示高频快照数据在行为金融和因子投资领域的巨大潜力与应用前景,值得行业关注与深入跟进。
这份东兴证券高智威分析师团队撰写的报告,通过高频快照数据打造行为追踪因子新维度,突破常规多因子模型的低频局限,借助统计长周期实证显著提升短线股选准确性,体现出高频微观数据在资产定价和量化择时中的实际应用价值,值得量化投资和私募基金深入研究及实盘验证。
另辟蹊径系列之一:基于高频快照数据的行为追踪因子.pdf