本报告基于分钟级高频数据构建了多个因子,包括改进的收益反转因子、收益波动率因子及尾盘成交额占比因子,验证其在A股市场的选股有效性及收益预测能力。回测区间涵盖2013年至2022年,改进因子在日度频率上均表现出正向的Rank IC和ICIR,尤其是通过成交量筛选改进的正收益反转因子和波动率因子表现稳定,结合组合策略后实现显著超额收益,年化超20%,但需关注高换手率对手续费敏感性风险。报告详细描述了因子构建、预处理、中性化及组合方法,提供多种统计指标及回测结果支持其有效性与稳健性。
信达证券股份有限公司,2022年4月28日
作者:于明,工程与金融产品首席分析师,执业编号S1500521070001
本报告属于“因子选股系列”的第一篇,标题为《基于分钟线的高频选股因子》。发布机构为信达证券股份有限公司,作者为该公司的首席分析师于明。报告聚焦于基于A股市场高频分钟线数据构建并测试因子选股模型,主题涵盖量价高频数据的因子构造、因子有效性验证以及组合策略设计。
报告的核心论点是:通过利用日内分钟线数据挖掘高信息增益的选股因子,可以显著提高股票未来收益率的预测能力。作者提出了多种改进型高频因子,包括收益反转因子、动量因子、波动率因子以及尾盘成交额占比因子,并系统地对它们在不同频率(30分钟和日度)的预测效果进行了深入回测和分析。报告最后构建了基于这些因子的多因子组合,并在扣除交易成本后表现出超额收益,验证因子预测的有效性。同时,报告指出高频因子的超额收益对手续费率较为敏感,且强调了历史回测模型存在市场环境变化带来的失效风险。
报告充分说明量化选股基于多种数据(量价、基本面、文本、另类数据等)提炼具有预测价值的信息,因子模型构建是其中重要组成部分。因子有效性的评判需要结合逻辑性和统计验证,报告强调从分钟级高频数据挖掘因子是寻找高信息增益因子的创新路径, 3]。
数据基于沪深Level 2 tick数据切片形成分钟线,包括分钟K线的开高低收以及成交量与成交额计算,确保统计有充分的成交信息作为因子输入。逐笔成交和逐笔委托数据进一步丰富数据维度。
收益反转因子
构建逻辑基于散户市场特点,预期短期收益反转。因子定义为前30分钟每分钟收益均值的负值,用于预测接下来30分钟收益。回测显示30分钟维度上Rank IC均值达到9%,ICIR接近1,具有显著预测效果,且在午后11:30表现最为突出。
在日度维度,因子效果较弱(Rank IC ~3.3%),因子信号噪声较高。
后续改进版本加入成交量过滤,分别对正收益和负收益区间筛选放量时段强化信号。
收益波动率因子
使用分钟级收益标准差作为波动率衡量,负号处理维持反向信号逻辑。
高频30分钟收益波动率因子Rank IC约3.3%,日度因子Rank IC约5.6%,有效且在开盘和尾盘时段表现较好,反映活跃交易时段的信息含量高。
引入成交量筛选后,改进波动率因子Rank IC提升至6.8%,且因子收益更平稳,累计多空净值显示良好的时间稳定性。
尾盘成交额占比因子
定义尾盘半小时成交额相对于流通市值的比例,反向信号表明高尾盘成交额比例股票可能后续表现较好。
因子Rank IC为5.64%,ICIR为0.49,表现稳定,累计多空净值平稳增长,仅2015年有波动。
报告还附加了常见因子和指标的Rank IC、ICIR统计,提供比较基准,进一步确认了本文构建高频因子的有效性和竞争力。
展示了从原始因子值开始,经过极值处理、标准化、因子中性化、单因子测试,最终进行因子复合的全流程。流程体现了因子质量提升和“净化”,确保因子具备预测能力。
展示了30分钟频率上的收益反转因子各项统计指标,Rank IC均值达到0.09(即9%),ICIR接近1,t值及年度表现稳定,佐证该因子短期预测能力强。
线图显示11:30时间段Rank IC最高,说明上午最后30分钟的收益对下午开盘的预测能力最强,符合市场交易节奏特征。
表中的统计指标分别反映改进因子的Rank IC显著提升,图3的净值线显示该因子自2013年至2022年累计净值呈持续上升趋势且走势平稳,验证因子的稳定性和持续有效性。
指标表明动量因子稳健但表现弱于正收益反转因子,业绩增长曲线相对平缓。图4净值线稳定上升,说明该因子尽管较弱,但依然有效。
因子在开盘和尾盘波动性更有效,11点钟较低,这反映市场实际交易行为,收盘和开盘流动性活跃度高,波动信息溢价更明显。
因子通过成交量筛选后效果提升,净值图呈良好增长趋势,特别是在过去十年内表现出稳定的选股收益能力。
统计显示该因子具有稳定的预测能力,净值曲线平稳增长。尾盘成交额的流入被证明为日度收益的有效信号。
表明波动率因子与反转和动量因子高度相关,而尾盘成交额占比因子与其他因子相关性较低,为组合策略提供了多样的信息源。
等权组合提升整体Rank IC,且分层图显示第一组与空头端分层效果明显。超额收益在手续费较低0.05%时较为显著。
相关性加权方法进一步强化预测能力,增强组合分层明显性及收益水平,超额收益表现优于等权组合,手续费敏感性依然存在。
报告中虽然未涉及单个股票的估值估算,但多因子组合本身的绩效表现可以视为对因子有效性的定量“估值”。组合绩效的敏感性分析尤其突出,表明在实际投资场景中,费用结构(如0.05%与0.08%的交易费率差异)会对策略净收益产生显著影响,且高频日度调仓策略的换手率较高,这是限制组合收益提升的关键。
报告明确指出,模型效果是基于历史回测数据推导,未来在市场波动及结构变化的情况下可能失效,存在“模型失效风险”。此外,因变量敏感于交易费用,费率提升将显著侵蚀超额收益。此外,高频、日度调仓可能带来流动性风险、滑点风险尚未充分考虑。
本报告系统地构建并测试了基于中国A股市场高频分钟数据的多种选股因子,涵盖反转、动量、波动率及尾盘成交额因子,均经过严格的预处理、中性化及多维统计验证,体现出较强的收益预测能力和时间稳定性。特别是加入成交量筛选的改进版本显著改善了因子的表现。
通过等权与相关性加权两种多因子组合策略,报告展示了在扣除合理手续费后组合仍实现显著超额收益,年化收益可达20%-28%以上,相关性加权策略略优于单纯等权组合。图表充分展示了因子统计指标的稳健性与组合累计超额收益的持续性,其中多空对冲净值曲线具有良好上行趋势,且分层分组明显,支持因子组合的有效性。
报告同时坦诚指出因子模型基于历史数据回测,存在未来失效风险;高频因子策略手续费敏感性较高,表明未来工作需要优化调仓频率及手续费控制。展望未来,报告建议通过引入tick及逐笔交易更细粒度数据,拓展因子库,采用更灵活的组合构建及调仓策略提升策略实际的风险调整表现。
综上,本报告不仅为高频因子回测与组合提供了扎实的分析框架与实证结果,更为高频因子选股模型的理论与实务应用提供了宝贵的参考和进一步研究方向。
[页码] 0,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,33,34
20220428-信达证券-因子选股系列之一:基于分钟线的高频选股因子.pdf