本报告围绕逐笔成交数据的深度学习选股方法展开研究,从资金流和事件驱动两个维度构建特征,并通过 Transformer 学习跨时间、跨 K 线及跨事件的注意力规律。研究表明,融合因子在2017年至2025年6月的回测中取得10.96%的周度RankIC和24.52%的多头年化超额收益;用于中证1000指数增强时,年化超额收益率为19.92%、信息比率为4.04,但模型仍面临微观结构变化、训练复杂度和过拟合等风险。
报告基于相同回测区间和相邻5个交易日的多条调仓路径,分别使用资金流因子、事件驱动因子和融合因子构建中证1000指数增强组合,核心绩效数据如下。
| 因子类型 | 年化超额收益率 | 信息比率 | 2025年上半年超额收益 |
|---|---|---|---|
| 资金流因子 | 18.98% | 3.91 | 5.57% |
| 事件驱动因子 | 17.24% | 3.59 | 12.58% |
| 融合因子 | 19.92% | 4.04 | 10.77% |
报告的核心问题是:如何将规模极其庞大的逐笔成交数据转化为可用于股票预测的有效因子。作者认为,逐笔成交数据包含比分钟线和普通tick数据更丰富的市场微观结构信息,但原始数据量过大、噪声较多,不能简单地直接输入深度学习模型,因此必须先通过特征工程进行压缩和结构化处理。
全文围绕两类信息展开:第一类是由主动买卖、大单小单等构成的资金流信息;第二类是大单、价格顶部、价格底部等具有特定含义的成交事件信息。在模型层面,报告分别用Transformer学习时间序列关系,并进一步引入跨K线注意力或跨事件注意力,以捕捉传统时间序列模型难以识别的结构。,
报告最重要的结论是:引入tick线、成交量线等非时间维度数据后,资金流模型的效果有所提升;引入跨事件注意力后,事件驱动模型也有所提升;将两种改进因子等权合成后,融合因子在RankIC、多头组合超额收益和指数增强信息比率等指标上整体优于单一因子。,
图表1展示了报告的整体技术路线:最左侧是逐笔成交数据,随后分成“资金流”和“事件”两个处理方向,之后分别构造多种输入特征,再输入Transformer模型,最终输出股票未来收益预测值并形成选股因子。
从结构上看,资金流分支进一步使用时间线、tick线、成交量线等不同K线类型;事件分支则围绕大单、价格底部、价格顶部等事件构造特征。模型输出的不是单只股票的绝对收益预测,而是未来10日超额收益预测,因此最终因子更适合用于横截面排序,即在同一时点比较不同股票的预测相对强弱。,
图表1体现出本文的三个关键思想:
图表2是融合因子的整体测试结果汇总表,测试区间为2017年1月1日至2025年6月30日,采用周频调仓,RankIC使用未来T+1至T+6收盘价收益率计算,并将股票按照因子值分为10层。
RankIC是横截面排名信息系数,通常用于衡量因子排序与未来股票收益排序之间的相关性。RankIC为正,表示因子值越高的股票未来收益通常越高;RankIC均值越高,说明因子预测方向越稳定;RankICIR则是RankIC均值除以其波动程度,用于衡量信号的稳定性。
报告给出的融合因子周度RankIC为10.96%,多头年化超额收益率为24.52%,说明该因子不仅能够在横截面上区分股票未来收益,而且按照因子值买入最高分组后,长期获得了较高的相对基准收益。,
需要注意的是,表格采用的是分层组合方法,而不是直接展示单只股票预测准确率。因子分层效果越明显,通常意味着第一层到第十层的收益排序越清晰;这也是后续图表3、图表27等分层净值图的主要观察重点。,
逐笔成交数据记录成交时间、成交量、成交价格、成交金额、买方和卖方编号以及买卖方向等信息,因此可以进一步判断一笔交易属于主动买入还是主动卖出,并根据成交规模划分大单、小单等类型。
图表5展示了2023年3月27日601688.SH的逐笔成交数据示例,作用是说明原始数据的细粒度和复杂性。该类数据并非简单的日线或分钟线,而是由大量不规则发生的成交记录组成,数据处理和聚合是模型应用的前提。
图表6总结了资金流特征,核心包括价格、成交量、主动买入量、主动卖出量以及不同规模订单的成交量等。此类特征试图从两个角度描述交易行为:一是市场在什么价格和成交量水平上交易,二是买卖双方中哪一方更主动、哪一类资金更活跃。
基线模型将每个交易日划分为8个等长的30分钟区间,并从每根30分钟K线中提取资金流特征。模型使用个股过去40日的30分钟频资金流数据作为输入,经过时间序列标准化和截面标准化后,使用Transformer学习时间维度上的注意力关系,最后预测未来10日超额收益。
这种设计的优点是结构清晰、容易实现,并且保留了日内交易节奏信息;但其核心假设是“固定时间间隔能够较好地代表信息到达速度”。报告认为,该假设并不完全符合真实市场,因为开盘时段、午后时段和收盘时段的交易活跃度并不相同,市场信息也不是按照恒定时间间隔产生的。
此外,时间采样序列可能存在较强的序列相关性、异方差性等统计问题,即相邻时间段的数据并不独立,且波动水平随时段和市场状态变化。由此,单一时间线可能遗漏交易笔数、成交量和价格变化所包含的额外信息。
图表7所对应的内容是资金流基准模型及其数据细节,重点应包括输入窗口、特征维度、预测目标和模型结构。报告明确说明,基线输入窗口是过去40日,预测目标是未来10日超额收益,这使模型属于中短期横截面选股模型,而不是超短线逐笔交易策略。,
改进模型在传统30分钟时间线之外,加入tick线、成交量线等K线类型。时间线按照时间聚合,tick线按照成交笔数聚合,成交量线则按照累计成交量聚合,因此每一种K线都从不同维度重新组织了同一批逐笔成交数据。
图表8展示了不同K线类型及其定义。其理论基础是:如果市场信息主要在成交活跃时段集中出现,那么按照成交笔数或成交量划分K线,可能比固定时间划分更能保持每根K线的信息量相对均衡。
图表9和图表10分别比较了2023年3月27日601688.SH在不同K线下的收盘价和成交量。图表9显示,不同K线类型生成的收盘价序列并不完全相同;图表10则显示,不同K线的成交量分布差异更为明显。时间线在每个区间长度固定的情况下,成交量可能大幅波动,而成交量线试图让每根K线包含更接近的成交量。
上述图形支持作者的一个重要判断:不同K线不是简单重复同一信息,而是对市场交易过程进行了不同的切片,因此可能为模型带来增量信息。不过,单日样本只能说明不同聚合方式在数据表现上存在差异,不能单独证明这些差异一定具有持续预测能力,预测能力仍需依靠长期回测验证。,
图表11展示了改进资金流模型的两层结构。第一层Transformer分别对每一种K线内部的历史序列进行时序注意力学习;第二层Transformer再对不同K线类型之间进行注意力建模,从而同时学习“同一种K线随时间如何变化”和“不同K线之间如何相互补充”。
这种结构相比基线模型增加了模型表达能力,但也增加了参数量和训练复杂度。图表12对应改进模型的数据细节,核心变化是输入不再只有30分钟时间线,而是包含多种K线的资金流特征,预测目标仍然是未来10日超额收益。
报告采用三个不同随机数种子分别训练模型,再将三次模型等权集成,以降低深度学习模型随机初始化带来的偶然性。股票池为全A股,剔除ST股票,并剔除截面期下一交易日停牌或涨停股票;回测采用周频调仓,不计交易费用,并进行10层分组测试。
图表13是资金流因子的IC和分层回测汇总表。报告指出,改进模型在RankIC均值、RankICIR、最高层组合超额收益、最高层组合信息比率、胜率和换手率等多个指标上优于基线模型。,
具体而言,资金流因子周度RankIC由基线模型的10.17%提高至改进模型的10.64%,多头组合年化超额收益率由20.43%提高至22.56%。这说明改进模型不仅改善了预测排序的平均有效性,也改善了以高因子值股票构建组合后的实际收益表现。,
图表14比较了资金流基线模型和改进模型的多头组合相对净值。两条曲线整体均持续上升,改进模型在样本后期逐步领先,最终相对净值高于基线模型,说明多K线信息带来的优势并非只存在于某个短时期。
图表15为累计RankIC曲线,改进模型与基线模型均大体向上,改进模型在后期的累计值更高。累计RankIC持续上升意味着单期预测信号长期保持正向积累,而不是依赖少数几个阶段性行情。
图表16展示了资金流改进模型的10层分组相对净值。第一层组合的净值最高,第十层组合的净值最低,中间各层大致呈现由高到低的梯度,说明因子具有较好的单调性和区分度。
事件驱动模型不再仅按照连续的资金流数值描述交易,而是识别交易过程中可能具有特殊含义的事件,例如大单事件、价格顶部事件和价格底部事件。
图表17展示了事件类型,图表18则为每类事件构造多维特征。其基本逻辑是:某类交易事件的出现频率、成交规模、价格位置、主动买卖方向和前后变化,可能反映市场参与者的异常交易行为或短期供需变化。
在输入模型前,报告对事件特征进行中位数去极值、行业市值中性化、截面Z-score标准化和缺失值填充。去极值用于降低异常值的影响;行业市值中性化用于减少行业和规模暴露;截面标准化则使不同特征具有更接近的统计尺度。
基线模型使用个股过去40日的所有事件特征,以Transformer学习事件特征随时间的演变,并预测未来10日超额收益。
事件驱动基线模型主要学习时间维度,例如某一个事件在过去40日中如何变化,但它可能没有充分处理不同事件之间的联系。改进模型因此采用分层注意力机制:第一层Transformer学习事件的时间注意力,第二层Transformer学习不同事件之间的交叉注意力。
图表20的结构与资金流改进模型类似,但第二层的对象从“K线类型”变成“事件类型”。例如,大单事件与价格底部事件同时出现时,可能与单独出现某一事件具有不同含义;跨事件注意力试图让模型自动学习这类联合关系。
图表19和图表21分别对应事件驱动基线模型和改进模型的数据细节,二者的主要差别不是预测目标变化,而是改进模型增加了事件之间的交互建模。,
事件驱动改进模型在RankIC均值、最高层组合超额收益、最高层组合信息比率和胜率等指标上优于基线模型,说明跨事件注意力在报告设定下提升了预测效果。
报告给出的具体结果是:周度RankIC由9.94%提升至10.01%,多头年化超额收益率由20.06%提升至22.38%。与资金流模型相比,事件模型的RankIC提升幅度较小,但多头年化超额收益提升较为明显,说明平均排序相关性和组合收益改善并不一定完全同步。,
图表22是事件驱动因子的IC和分层回测汇总表,作用是从多个维度比较基线模型和改进模型。图表23中的多头组合相对净值显示,改进模型后期明显高于基线模型,且两条曲线在早期较为接近,说明跨事件注意力的优势主要在样本积累后逐步体现。,
图表24为累计RankIC曲线,两种模型的曲线均长期向上且高度接近,但改进模型在后期有所领先。这意味着跨事件注意力对平均横截面排序能力的提升较温和,但具有持续性。
图表25展示事件驱动改进模型的10层分组净值。第一层长期显著高于其他层,第十层持续下降,且各层之间具有较清晰的梯度,说明事件因子具有明显的横截面排序能力。
报告将改进后的资金流因子和事件驱动因子进行等权合成,形成逐笔成交融合因子。等权合成的含义是两类因子各占50%,没有根据历史收益、波动率或优化模型动态调整权重。
图表26显示,融合因子在RankIC均值、RankICIR、RankIC大于零的比例、最高层组合超额收益和最高层组合信息比率等方面均有所提升,同时最高层组合换手率下降。
融合因子周度RankIC达到10.96%,高于资金流改进因子的10.64%和事件驱动改进因子的10.01%;其多头年化超额收益率为24.52%,也高于两类单一因子。,
图表27是不同类型因子的分层组合相对净值。融合因子曲线在样本后期最高,资金流改进因子次之,事件驱动改进因子相对较低;从视觉上看,三者均呈长期上升,但融合因子的累计优势更为明显。
图表28为累计RankIC曲线,融合因子长期高于单一因子,资金流因子与事件因子之间则存在阶段性差异。这说明融合并非只是简单叠加收益,而可能通过平滑单一模型的阶段性弱点,提高信号稳定性。
图表29分析使用不同特征集训练得到的因子之间的相关性,报告指出资金流因子与事件驱动因子的相关性为0.66。该数值说明两类因子并非完全独立,但也没有高度同质化,因此可能具有一定信息互补性。
图表30分析这些因子与常见风险因子的相关性。报告指出,融合因子呈现反转、低流动性、高Beta和低估值等风格暴露。
这一点十分重要,因为融合因子的超额收益可能同时包含两部分:一部分来自逐笔成交数据中的微观结构信息,另一部分可能来自传统风格因子暴露。例如,低流动性股票、高Beta股票或低估值股票在特定市场阶段可能获得额外收益,因此不能仅凭总收益判断全部收益都来自Transformer对逐笔成交信息的独立挖掘。
报告分别使用资金流改进因子、事件驱动改进因子和融合因子构建中证1000指数增强组合。指数增强的目标不是追求绝对收益,而是在跟踪中证1000指数风格和投资范围的基础上,通过因子选股争取获得超越指数的收益。
为降低单一调仓起始日造成的偶然性,报告选择相邻5个交易日作为调仓起始日,分别构建5条独立调仓路径,然后对结果取均值。作者认为,这种做法类似于日频调仓,但总换手率基本保持不变。
图表31总结了中证1000增强组合的构建细节,重点是基准指数、调仓路径、因子信号和组合回测方式。与普通10层分组组合相比,指数增强组合更接近实际投资应用,但其结果也更依赖组合约束、成分股范围和调仓执行方式。
2017年初至2025年6月底,资金流因子、事件驱动因子和融合因子构建的中证1000增强组合年化超额收益率分别为18.98%、17.24%和19.92%,信息比分别为3.91、3.59和4.04。,
信息比率通常定义为年化超额收益除以 tracking error,即超额收益相对于超额波动的单位效率。融合因子信息比率达到4.04,高于资金流因子的3.91和事件驱动因子的3.59,说明其不仅超额收益较高,超额收益的稳定性也更好。
2025年上半年,三种组合的超额收益分别为5.57%、12.58%和10.77%。这一组数据说明,短期阶段性表现并不完全遵循长期排序:事件驱动因子在2025年上半年优于融合因子,但在完整回测期内融合因子的年化超额收益和信息比率更高。,
图表32展示不同因子中证1000增强组合的累计超额收益。三条曲线整体向上,但在不同市场阶段斜率有所差异,说明不同信号对市场环境的敏感性并不相同。
图表33为增强组合回测绩效表,重点用于比较年化收益、超额收益、波动、最大回撤、信息比率和换手率等指标。报告正文突出强调的是超额收益和信息比率,但在实际评估中,还应结合最大回撤和交易成本判断策略的可投资性。
图表34展示逐年收益率,可以观察因子收益是否集中在少数年份。如果收益主要来自少数极端年份,策略的稳健性会弱于每年均有相对稳定贡献的策略;报告通过逐年绩效图提供了这种检验维度,但正文没有进一步逐年解释各阶段收益来源。
本报告不是公司或行业基本面研究,因此没有市盈率、PEG、EV/EBITDA、DCF现金流折现或目标价分析,也不存在买入、增持、持有或卖出评级。报告明确说明“不涉及标的推荐”,研究结论是关于量化因子和模型回测表现,而不是关于某一家公司内在价值的判断。,
因此,报告中的“收益率”“RankIC”和“信息比率”不能理解为股票估值水平。它们衡量的是模型排序能力、组合超额收益能力以及相对基准的风险收益效率。
第一,模型高度依赖市场微观结构。如果未来交易制度、投资者结构、交易行为、流动性环境或订单执行规则发生变化,过去有效的逐笔成交模式可能失效。,
第二,Transformer架构较为复杂,可能增加训练和推理时间,并带来过拟合风险。模型层数、特征类型和交互关系越多,越有可能学习到样本期间的偶然模式,而不是具有持续性的市场规律。,
第三,报告回测不计交易费用。对于依赖逐笔成交数据、且可能具有低流动性风格暴露的策略而言,佣金、冲击成本、买卖价差和涨跌停限制可能显著影响实际收益。,
报告回测区间覆盖2017年至2025年6月,时间跨度较长,包含多种市场环境,因此长期结果具有一定参考意义;但报告披露的主要是历史回测,没有在正文中充分展示独立样本外测试、滚动训练、实时模拟或模型失效后的再训练机制。,
报告采用三个随机种子等权集成,有助于降低模型初始化随机性,但这并不能完全解决特征选择、模型结构选择和超参数选择带来的数据挖掘偏差。
资金流因子和事件驱动因子的相关性为0.66,说明二者存在互补,但并不代表二者完全独立;同时,融合因子存在反转、低流动性、高Beta和低估值暴露,因此融合因子的收益可能部分来源于传统风格风险溢价。
报告称融合因子整体表现优于单一因子,但2025年上半年事件驱动增强组合的超额收益为12.58%,高于融合因子的10.77%,这说明融合优势是长期平均意义上的结论,并不意味着其在每个年度或每个市场阶段都占优。
这份报告的主要贡献不在于提出某个单一新因子,而在于建立了一套从逐笔成交数据到深度学习选股因子的完整框架。作者首先将逐笔成交数据转化为资金流特征和事件特征,然后使用Transformer学习时间依赖,并进一步通过跨K线注意力和跨事件注意力拓展模型对市场结构的刻画能力。, ,
资金流模型方面,加入tick线、成交量线等非时间维度后,RankIC由10.17%提升至10.64%,多头年化超额收益由20.43%提升至22.56%;事件驱动模型方面,引入跨事件注意力后,RankIC由9.94%提升至10.01%,多头年化超额收益由20.06%提升至22.38%。
图表中的分层净值曲线普遍显示出较强的单调性:高因子值组合长期位于上方,低因子值组合位于下方;累计RankIC曲线持续向上,说明模型信号在较长时间内保持正向积累。, ,
最终的融合因子周度RankIC为10.96%,多头年化超额收益为24.52%;用于中证1000指数增强时,融合因子的年化超额收益为19.92%,信息比率为4.04,整体优于资金流和事件驱动单因子组合。,
总体而言,作者的判断是:逐笔成交数据确实可以提供传统时间线之外的增量信息,Transformer能够用于捕捉这些复杂关系,而资金流与事件驱动信息的融合有望提高选股因子的稳定性和组合表现。不过,这一结论仍依赖历史市场微观结构,且未充分计入交易成本、模型复杂度、风格暴露和未来制度变化等因素,因此应将其视为量化研究和策略开发结果,而不是对未来收益的保证。, ,
20250714-华泰证券-金工深度研究:基于逐笔成交的深度学习选股模型(1)(3).pdf