本报告系统研究了A股市场上的主动买卖因子(ACT因子),提出因子切割方法剖析其精细结构。发现大单和中单ACT因子在高收益端表现出正向选股能力,而小单ACT因子在低收益端呈现负向选股效应。基于此构建了正向和负向ACT合成因子,提高了选股能力,回测显著优于传统ACT因子,收益波动比最高达3.06,并且因子表现对不同参数稳定且适用沪深300、中证500等样本空间。
| λ比例 | 年化换手率(多空) | 年化收益率(多空) | 年化波动率(多空) | 收益波动比(多空) | 月度胜率(多空) | 年化收益率(多头) | 收益波动比(多头) | 月度胜率(多头) |
|---|---|---|---|---|---|---|---|---|
| 10% | 8.89 | 16.62% | 5.43% | 3.06 | 88.89% | 25.67% | 0.87 | 57.78% |
| 20% | 8.81 | 17.46% | 5.93% | 2.94 | 85.56% | 26.76% | 0.91 | 60.00% |
| 30% | 8.83 | 15.72% | 5.75% | 2.73 | 77.78% | 26.08% | 0.88 | 58.89% |
| 样本空间 | λ=20% 多空收益波动比 | 多头收益波动比 | 说明 |
|---|---|---|---|
| 沪深300 | 1.32 | 0.63 | 因子依旧在主流指数成份股中稳健表现 |
| 中证500 | 1.78 | 0.80 | 在中盘股样本空间中效果更优 |
报告标题: 主动买卖因子的正确用法
作者/团队: 金融工程研究团队,首席分析师魏建榕及多位研究员
发布日期: 2020年09月05日
发布机构: 开源证券股份有限公司
研究主题: 市场微观结构中主动买卖因子的构建与应用,重点在于对A股市场中不同交易者(机构、大户、中户、散户)的主动买卖行为因子(ACT因子)的精细刻画及其选股能力的研究。
核心论点:
该章节明确了市场常见的交易者分类方式:
传统做法构建主动买卖因子ACT为主动买入金额与主动卖出金额的净值指标,但其IC值较小,表现不佳。实证测试(图1)显示:
图1解读:
图1为ACT因子不同交易者类别的多空对冲净值走势,整体净值线平稳无明显持续上涨,IC均值维持在极低水平,说明整体ACT因子缺乏有效的股价预测信息,选股能力不足。这也反映了主动买卖因子的传统粗粒度指标难以捕捉市场微观结构中的关键驱动因素。
本节提出了改进思路:“因子切割论”,即对ACT因子按股票日收益率区间进行切割区分,形成“高收益日”和“低收益日”的活跃度指标,从而剖析不同交易单尺度的主动成交信号在牛熊不同阶段的表现差异。
切割流程具体如下:
图2至图5展示不同挂单等级(小单、中单、大单、超大单)ACT因子的IC均值表现,结论如下:
表1深度解读:
覆盖度表明超大单的成交信息有近25%的样本缺失,影响了因子表现稳定性。此外,拆单等市场行为导致超大单虚拟信号难以明确映射市场走势。
上述结果合乎直觉解释为:机构和大户在上涨行情中主导买入,能较好预测后续走势;散户在下跌行情恐慌抛售,带来负向预示,可能因市场拐点的修复性反弹而具有逆向信号。
通过切割法,报告揭示了主动买卖因子存在的重要细微差异,指出粗粒度ACT指标无法全面反映市场微观交易结构,支持分层分析与精细化构建,4]。
基于上述切割分析,报告提出构建两类因子:
组合方法:
实证结果(图6)显示,正向主动买卖因子在不同𝜆设定下均表现良好,且𝜆越小(极端高收益指标),多空对冲收益波动比越高,最高达3.06,说明高收益端深度切割提升了信号的质量。多头收益波动比也表现优异,符合机构投资者的设计逻辑。
图6解读:
多条收益净值曲线明显分层,𝜆越小曲线表现越强且平稳,支持使用较小𝜆比例捕捉高质量的选股信号。
表2进一步细化绩效指标,展示不同𝜆下多空和多头策略的年化收益率、波动率及换手率,多空收益波动比逐渐降低但仍保持优势,多头换手率适中,表明策略具备合理交易成本考量。
图7与表3反映了负向ACT因子表现,虽然收益波动比稳定但总体选股能力较弱且近年呈下降趋势,反映出散户影响力减弱及大户主导市场的现实。
报告指出,这与业界直觉一致:近年来资金主导性增强,机构投资者的正向选股因子表现更优。
因子与传统Barra风险因子相关性测试(表4)显示,正向ACT因子与流动性和波动率因子呈显著负相关,表明该因子优先捕捉了流动性较差、波动相对较低的股票信号。
进而进行行业和风格中性化处理(表5):
此中性化过程强化了因子独立性,确保选股信号不被传统风格属性所驱动,提升了因子的解释力及实用性,7]。
为避免模型对20天回看期的过拟合,团队进行了40天和60天回看期参数的敏感性测试(表6)。结果显示:
此外,报告将正向因子应用于沪深300及中证500指数股票样本(表7),多空和多头收益波动比依然优秀,并未衰减,验证了因子跨不同市场层次的稳健性。
两项测试表明该因子具备较强的适用性和持久性,具备实际量化投资应用价值。
报告强调,所有量化因子的收益测试基于历史数据,市场未来环境难以预测,可能发生重大变化,量化模型表现存在不确定性,投资者需谨慎对待。
本报告为方法论性质的因子研究,未涉及具体证券估值和目标价分析,因此本节无相关内容。
报告明确将风险限于量化模型基于历史数据的固有限制,强调未来市场情况不可预知,模型可能失效。无具体风险缓解措施。此风险点为量化研究的通用警示,提醒读者合理使用因子。
本报告系统地研究了A股市场中主动买卖行为的因子构建与应用,展现了传统粗粒度的主动买卖因子选股能力不足的现象。通过独家提出的“因子切割”方法,将ACT因子细分为不同订单量级的高低收益区间,深刻揭示了大户(机构)与散户行为的差异性:机构在上涨行情中主动买入呈现显著正向股价预测能力,而散户在下跌时的主动卖出行为带有负向选股信号。
基于此,报告构建了合成的正向与负向ACT因子,明确展现正向因子的选股能力优于负向因子,且在不同切割比例𝜆及回看期参数下保持稳定;通过与传统风险因子的相关性分析及行业中性化处理,强化了因子的独立性和有效性;进一步在沪深300和中证500样本验证了因子跨市场的稳健表现。
图表数据揭示:
整体来看,报告展示了主动买卖因子应用于量化选股策略中的深入方法论创新,强调了市场行为微观结构层面投资者交易行为差异的重要性,为构建更精准的量化选股信号提供了有价值的思路与实证支持。该正向ACT因子具有成为A股量化选股策略中重要因子的潜力,值得关注和进一步研究。
,1,2,3,4,5,6,7,8,9]
市场微观结构研究系列(9):主动买卖因子的正确用法.pdf