本报告围绕资金流向数据构建Alpha因子,基于Wind数据库的资金流数据,比较不同金额区间、主动性及时段的资金流表现,构建了总量单、主动单和特殊时段交易三大类共10个因子。回测显示大单资金流具备明显正向Alpha,基于净流入绝对值的标准化方法效果最佳。综合收益显著的推荐因子包括大单净流入、极端单净流入及动量调整净流入系列因子,以及高收益日主动大单净流入和开盘大单净流入因子。上述因子在沪深300、中证500及流动性1500股票池均表现良好,周度RankIC高达4.32%。此外,因子间相关性较低,表明信息较为独立,具备组合优化空间 。
资金流向数据细分包括金额区间(小单、中单、大单、超大单)、主动与被动成交、早盘与尾盘时段三维度,从中大单数据表现出正向Alpha,超大单与小单因子贡献负向收益,
对比净流入数据的三种标准化方法(大单净流入除以全天成交额、大单成交额及净流入绝对值),发现绝对值标准化效果最佳,因子表现尤为突出,年化多空收益率达15.30%,夏普比率2.15
构建了10个资金流向Alpha因子,分为总量单(如大单净流入、动量调整大单净流入)、主动单(高收益日主动大单净流入等)、特殊时段交易(开盘大单净流入等)三类
| 序号 | 因子名称 | 因子分类 | 计算公式 |
|---|---|---|---|
| 1 | 大单净流入因子 | 总量单 | 20日求和(大单流入-流出)/20日绝对值求和(大单流入-流出) |
| 2 | 极端单净流入因子 | 总量单 | 超大单净流入因子 + 小单净流入因子 |
| 3 | 动量调整大单净流入因子 | 总量单 | 大单净流入因子与收益率回归取残差 |
| 6 | 主动小单净流入因子 | 主动单 | 20日求和(主动小单流入-流出)/20日绝对值求和(主动小单流入-流出) |
| 7 | 高收益日主动大单净流入因子 | 主动单 | 过去20交易日中收益率最高的5个交易日主动大单净流入因子求和 |
| 9 | 开盘大单净流入 | 特殊时段交易 | 20日求均值(大单开盘流入金额/全天主动单交易金额) |
| 10 | 高收益日开盘主动净流入因子 | 特殊时段交易 | 过去20交易日中收益率最高的5个交易日开盘主动净流入因子求和 |
总量单类因子在回测中表现优异,流动性1500池内动量调整大单净流入因子周度RankIC达到4.32%,大单净流入因子年化多空收益率15.30%,夏普值超2,且多头净值持续上升
主动单因子原始效果一般,但高收益日主动大单净流入因子经过收益率时间域切分后表现显著提升,流动性1500池内RankIC为3.33%,显示投资者在高收益日的主动意愿对预测股价有参考价值
特殊时段交易因子中,开盘大单净流入因子表现最佳,流动性1500池内RankIC为2.35%,而尾盘相关因子因选股效果较弱未被重点推荐
因子相关性分析表明资金流类因子之间相关性较低,尤其大单净流入、动量调整小单净流入和动量调整大单净流入等因子拥有部分相关性但仍具有较强独立信息,有助于构建多因子组合提升组合多样性和稳定性
综合推荐7个核心Alpha因子,覆盖总量单、主动单和特殊时段交易,可为量化选股策略提供有效Alpha来源,同时需要注意历史业绩不代表未来,存在不可重复验证风险
报告核心论点:
本报告属于系列第二篇,系统梳理和测试基于资金流向数据构造的量化选股因子,覆盖市场公开及团队独家开发因子。资金流向数据细分为大单小单、主动被动交易、早盘尾盘时段多个维度。研究发现大单具有明显的正Alpha属性,多个资金流向因子表现出较强的选股能力。基于回测效果,报告推荐包括大单净流入、极端单净流入、动量调整大单和小单净流入、高收益日主动大单净流入等7个核心因子供投资者使用。
报告强调,因子信息来源于历史数据,未来表现存在不确定性,且所有信息不构成投资建议,订阅者应自负风险。,1,9]
本节介绍系列目的与整体思路,极其注重因子的计算与回测表现,包括因子收益、RankIC、覆盖度、换手率和回撤等指标。资金流向数据采用Wind数据库AShareMoneyFlow表的逐笔成交合成数据,拆分为大单(20万以上)、中单、小单、超大单(100万以上)四类金额分组,及主动单和被动单,以及按交易时间划分早盘与尾盘等关键维度。
由于超大单数据样本覆盖面小,大单、中单、小单数据覆盖较全。中单无显著Alpha表现,超大单和小单呈负Alpha,大单净流入因子为主要正向信号来源。北向资金因投资整体配置策略,流动性因子影响较有限。
此处数据分类体系及逻辑假设投资者类型与交易单额相关:小单多为散户,大单以上多机构交易;主动单反映投资者主动意愿,早盘偏机构活跃。
图1展示超大单覆盖度不佳,为少数股票具备该数据,而大单、中单、小单均接近全覆盖。
图2与图3分别是超大单、大单、中单、小单净流入因子构建的多空净值与多头相对指数表现。回测区间2014-2023年显示,大单净流入因子收益显著,超大单、小单因子呈下降趋势。表1业绩指标量化了上述结论:
因此,报告后续以大单作为正Alpha信息源,超大单和小单作负Alpha对待,中单舍弃。
报告探讨因子构造时净流入标准化方法,主要为使不同股票间资金净流入具可比性。以大单净流入为例,标准化分母分别尝试全天成交金额、大单成交金额以及净流入绝对值。
图4与图5展示三种标准化方法的多空净值及多头相对表现,结果显示基于净流入绝对值的标准化因子表现最佳。对应的表2量化数据:
表3详列10个资金流向因子,分为三大类别:
总量单类:
主动单类: 5. 主动大单净流入因子。 6. 主动小单净流入因子。 7. 高收益日主动大单净流入因子:过去20个交易日中,收益率排名前5日的主动大单净流入之和。 8. 低收益日主动小单净流入因子。
特殊时段交易类: 9. 开盘大单净流入:20日均值,计算开盘大单流入占全天主动单交易金额的比率。 10. 高收益日开盘主动净流入。
全部因子采用周频调仓,三类因子均经过MAD去极值、Zscore标准化及行业、市值中性化处理,测试覆盖沪深300、中证500、流动性1500股票池,回测时间为2014年1月至2023年1月。,4,5]
四个总量单因子均表现显著,动量调整大单净流入因子表现领先,流动性1500池RankIC 4.32%。极端单净流入因子和动量调整小单因子也表现良好,周度RankIC分别为3.97%和3.45%。
图6至图13具体呈现各因子在三个股票池上的多头相对基准净值和多空收益净值走势,均呈稳定上升趋势,回撤较小,验证了因子稳定的Alpha挖掘能力。
表4业绩指标显示(部分数据整理精简说明):
主动单因子反映更强烈的投资者交易意愿。原始主动大单、小单因子表现有限,部分在流动性1500池RankIC仅约1.6%-2%。时间序列收益率分域后,高收益日主动大单净流入因子表现显著提升,流动性1500池RankIC达3.33%。
图14至21分别展示主动大单、小单因子与高收益日相关因子多头与多空净值表现,均呈现中长期上涨趋势。表5中数据说明,
此分析表明,主动单信号潜在价值需结合收益表现进行时间序列过滤,方能挖掘有效Alpha。,7]
机构投资者偏好早盘交易行为,报告测试开盘及收盘大单净流入,发现尾盘相关因子选股效果低迷,仅展示早盘相关因子。
两个因子:开盘大单净流入因子和高收益日开盘主动净流入因子均表现较好,流动性1500池RankIC分别为2.35%和2.04%。
图22至25展示相应多头净值和多空收益,稳定上升趋势验证因子有效。
表6指标表明,开盘大单净流入因子年化多头相对基准收益约6.44%,夏普比1.29,最大回撤14.06%。高收益日开盘主动净流入因子年化收益5.51%,夏普比1.53,最大回撤15.9%。,8]
报告使用Pearson相关系数对流动性1500池因子日度PNL进行相关性检测(图26),结果表明:
此证明各个因子虽均基于资金流向数据,但捕获的资金行为信号存在差异化,有利于构建多元化因子模型。
图1(资金流向数据覆盖度对比):显示超大单覆盖度远低于其他单类,这限制其在因子构建中的应用,强调大单、中单、小单覆盖面广。数据可靠性与适用性从覆盖度角度结论清晰。
图2/3(净流入因子多空净值 & 多头相对中证全指):大单净流入因子多空值及相对表现持续向上,确认大单因子为优质alpha信号。小单与超大单因子趋弱,提示其负向调整必要。
图4/5(大单净流入标准化对比):明显体现采用净流入绝对值标准化在多空净值和横向比较中优势显著,理论及实证支持选择绝对值归一化。
表3(因子构造明细)详列因子名称、分类与计算公式,十分清晰地指导因子开发者实现因子设计与复现。
图6~13(总量单因子表现):各因子多头净值总体稳步上升,且多空净值表现强势,显示因子具备持续alpha。尤其动量调整大单净流入因子表现领先
图14~21(主动单因子表现):主动大单、小单因子表现较弱,但高收益日主动大单因子明显改善表现,体现组合的灵活设计与收益时序筛选价值。,7]
图22~25(特殊时段交易因子表现):开盘大单及高收益日开盘主动因子皆展现稳定多头收益,确认早盘交易时段含有丰富alpha信号。
图26(因子关联矩阵):因子间相关不高,尤其关键因子独立性良好,说明因子组合潜力大。
本报告主要为因子梳理和回测研究,不涉及公司估值估算,因此无DCF或市盈率相关内容。[page::全篇]
报告强调:
整体风险提示谨慎而明确。,9]
总的来看,报告在因子回测深度和广度上表现优异,但对于实际交易落地风险细节略显不足,适合理论研究及策略初步开发参考。[page::全篇]
本报告作为光大证券金融工程团队量化研究系列第二篇,以Wind资金流向逐笔成交数据为基础,系统构建和回测了10个资金流向相关Alpha因子,涵盖总量单、主动单和特殊时段三个层面。
核心发现:
重要图表洞见:
综合推荐因子:
报告不提供具体投资评级,但其科学系统的Alpha因子评估和推荐为量化投资者构建资金流向相关有效选股策略提供了坚实的理论和实证基础。[page::全篇]
该报告条理清晰,方法严谨,数据详实,展示了资金流向数据在量化选股中的潜力与研究深度。其对于金融工程和量化投资研究者具较高参考价值,推荐用于量化因子开发与验证。须留意历史数据限制和判别调整因子逻辑透明度。
(更多请见全文图表)
以上即为报告《资金流向数据中的 Alpha 因子梳理与回测之二》的完整详尽分析解读。
【光大金工】资金流向数据中的 Alpha ——因子梳理与回测之二.pdf