本报告基于高频盘口数据构造两大类高频量价因子(逐档订单失衡率SOIR类因子与中间价变化率MPC类因子),通过分钟频转低频月频因子,实现因子优化和有效选股。研究发现,MPC5_neut因子表现最佳,年化多空收益高达30.63%,夏普比率2.88,选股效果显著优于其他因子。SOIR类因子总体选股收益稳定且逐档位表现递增。因子表现的高频与低频出现逻辑反转,短期反映知情交易者动向,长期体现散户追涨杀跌及主力操纵导致价格回落,有效期须结合持有期限考量。各因子在中证500及沪深300样本内均表现优异,具备广泛适用性和稳定性,为量化选股提供重要参考和实际应用价值。
报告构建两类高频量价因子,分别为逐档订单失衡率(SOIR)和中间价变化率(MPC)类因子。SOIR反映不同档位买卖委托量的失衡程度,通过加权组合提升信号质量;MPC刻画盘口中间价的短期变动趋势,包括均值、日频最大值及偏度等指标.
高频因子转低频方法包含横截面标准化、分钟转日频等权加权及日频加权转月频因子,利用衰减权重突出临近调仓日的信息时效性.
因子IC表现呈现显著反转:高频SOIR和MPC1因子与未来收益正相关,而低频状态下SOIR和MPC类因子与收益率显著负相关。此现象归因于散户短期追涨杀跌与主力短时操纵行为,导致长周期价格回落和因子表现反向.
高频订单失衡及价差因子与常用因子相关性分析表明,与市值相关性较低,但与估值因子(如BP_LR、SP_TTM)及动量因子有较强相关性,MPC偏度类因子相关性较低,提供独立选股信号.
单因子回测(2010年1月至2020年7月,全市场月频调仓):
| 因子 | 年化多空收益% | 夏普比率 |
|---|---|---|
| SOIR3 | 20.46 | 1.94 |
| SOIR4 | 21.81 | 2.28 |
| SOIR5 | 21.32 | 2.41 |
| MPC1_neut | 26.99 | 2.66 |
| MPC5_neut | 30.63 | 2.88 |
| MPC1_max | 20.02 | 1.68 |
| MPC5_max | 24.01 | 1.94 |
| MPC1_skew | 15.32 | 2.89 |
| MPC5_skew | 20.67 | 3.07 |
在中证500和沪深300样本内测试显示,因子选股效果依然稳定,中证500样本内部分因子年化收益超过15%,沪深300样本表现接近或超过10%。其中MPC5和MPC5_neut在中证500样本内表现最好,年化多空收益约17.7%—18%;MPC5_skew在沪深300样本表现最优,年化收益达12.35%.
| 因子 | 年化收益% | 夏普比率 | 最大回撤% |
|---|---|---|---|
| SOIR4 | 14.86 | 1.57 | 10.08 |
| SOIR5 | 14.07 | 1.64 | 8.66 |
| MPC1 | 15.37 | 1.26 | 11.72 |
| MPC5 | 17.68 | 1.51 | 9.95 |
| MPC1_neut | 15.93 | 1.28 | 10.93 |
| MPC5_neut | 17.78 | 1.54 | 7.97 |
报告提出高频盘口数据中的买卖委托深度及中间价波动蕴含大量信息,可构建高频选股因子,辅助量化投资策略,提升选股准确率和风险收益比.
风险提示:模型基于历史数据,存在失效风险,需动态校验与调整。
综上,报告着重对高频盘口数据的深层次挖掘,展示了定量选股因子从高频构造到低频应用的完整流程及效果评价,强调了高频信号的非直线演化及其投资逻辑,有重要的实务应用价值。,1]
SOIR构造:不仅考虑买卖一档,再加入多达5档盘口数据,通过如下公式计算逐档失衡率:
[ SOIR_{i,t} = \frac{V_{i,t}^B - V_{i,t}^A}{V_{i,t}^B + V_{i,t}^A} ]
并赋予距离当前交易价格越近的档位更高权重:
[ SOIR_t = \frac{\sum_{i=1}^5 w_i SOIR_{i,t}}{\sum_{i=1}^5 w_i}, \quad w_i = 1 - (i-1)/5 ]
理论依据:委托买卖量的不平衡反映市场多空力量对决,买量大则看涨预期,卖量大则反之。SOIR通过比率形式减少绝对委托量异常对指标的影响。
实证举例:2020年7月1日9:57,股票A的SOIR前三档显著买压,导致其下一分钟上涨3.57%,并快速涨停,强调SOIR1-3档权重要高的重要性。,4]
MPC定义:
[ MPC_{t,k} = \frac{M_t - M_{t-k}}{M_{t-k}}, \quad M_t = \frac{P_t^B + P_t^A}{2} ]
其中PtB、PtA为买一价和卖一价,中间价为均值。k代表时间间隔(1或5分钟)。
含义:反映市场中间价短期变动速度和趋势,体现主力交易及挂单/撤单动态。例:2020年7月1日9:52,某股MPC1=2.23%,成交量突增,导致下一分钟2.75%涨幅。
极端变动因子:定义日频最大值(MPCmax)和偏度(MPCskew),捕捉价格极端变动,极值越大,长期反向收益概率越大(反转信号)。
低频逻辑反转案例:如2020年7月15日14:30 MPC1突增至6.09%,为主力对倒行为,次日股价大幅回落,表明极端上涨背后多为诱多。,5,6,7]
转低频步骤:
因子IC对比分析:
表格说明:SOIR1-5分钟均IC在3%+,月频却均为-2%至-5%左右。MPC1分钟IC约9.4%,月频降至-5.36%。,8,9]
| 因子 | IC均值 | 年化IR | 年化多空收益 | 夏普率 | 最大回撤 | 胜率 |
|---|---|---|---|---|---|---|
| SOIR1 | -2.68% | -0.94 | 8.63% | 0.88 | 17.27% | 62.7% |
| SOIR2 | -4.18% | -1.27 | 17.89% | 1.52 | 18.89% | 70.63% |
| SOIR3 | -4.86% | -1.63 | 20.46% | 1.94 | 13.94% | 73.02% |
| SOIR4 | -5.13% | -1.95 | 21.81% | 2.28 | 10.97% | 77.78% |
| SOIR5 | -5.37% | -2.29 | 21.32% | 2.41 | 7.6% | 78.57% |
| SOIR | -4.57% | -1.53 | 18.11% | 1.7 | 16.78% | 70.63% |
| 因子 | IC均值 | 年化IR | 年化多空收益 | 夏普率 | 最大回撤 | 胜率 |
|---|---|---|---|---|---|---|
| MPC1 | -5.36% | -1.54 | 19.52% | 1.42 | 12.15% | 70.63% |
| MPC1_neut | -6.81% | -2.87 | 26.99% | 2.66 | 6.41% | 78.57% |
| MPC5 | -5.83% | -1.70 | 22.36% | 1.61 | 12.22% | 73.02% |
| MPC5_neut | -7.26% | -3.09 | 30.63% | 2.88 | 7.06% | 81.75% |
| MPC1_max | -8.10% | -2.97 | 20.02% | 1.68 | 12.06% | 73.81% |
| MPC1_skew | -5.45% | -4.08 | 15.32% | 2.89 | 3.77% | 83.33% |
| MPC5_max | -9.39% | -3.28 | 24.01% | 1.94 | 11.78% | 76.19% |
| MPC5_skew | -6.66% | -4.18 | 20.67% | 3.07 | 4.47% | 84.13% |
图1&2(盘口展示与SOIR短期走势验证):展示了股票A在某时刻各档买卖委托量失衡值,尤其前3档明显呈买压力,随后股价一分钟内上涨3.57%,高点快速涨停,说明SOIR因子对短期价格具有很强前瞻性。图2为日内分钟SOIR变化及股价走势,支撑上述逻辑。
图3-5(MPC因子示意及成交量配合):股票B9:52时MPC1达2.23%,成交量激增(主动买单为主),次分钟股价涨幅2.75%,说明市场中间价变动体现了资金变动趋势。图5则是日内MPC1的动态与股价联动图。
图6(因子低频反转示例):展示MPC1因子某日突增6.09%,该行为为主力对倒吸引散户,当日价格高位形成,次日大幅回落,体现高频因子逻辑在低频选股应用中的反转风险。
表1&2(SOIR及MPC高频与低频IC对比):明确展示了SOIR、MPC因子分钟IC表现显著正向,而月频IC普遍转负,佐证报告逻辑。
表3(因子与常用因子相关性):展示了SOIR、MPC与财务、动量、技术因子之间的相关度分布,强调与市值因子相关较低,适合直接使用或简单中性化处理。
图7至20(各个因子回测表现及收益曲线):每个图均体现了相关因子近10年的复合收益趋势,配合IC值、夏普比率、最大回撤等,定量衡量因子的风险收益特征。
报告未涉及企业价值或股票价格的直接估值模型,主要集中于因子选股因子的构造及回测,涉及的计算指标主要是因子信息系数(IC)、年化信息比率(IR)、多空组合收益、夏普比率和最大回撤等风险调整收益指标。
整体方法属于统计套利选股因子构建与评价范畴。
报告未直接提供缓解策略,但通过多因子分析,流通市值中性化、行业中性化等方法已部分缓解偏差及噪声风险。,7,19,20]
本报告以高频盘口数据为核心,构造了两大类共14个量价选股因子——逐档订单失衡率(SOIR)和中间价变化率(MPC)因子,深度揭示其背后的投资逻辑和市场行为特征。研究发现:
图表及回测数据充分展示了因子在实盘应用中的强劲选股能力及良好风险收益特征,展现了高频盘口数据在量化投资中的巨大潜力和应用前景。
综上,报告提供了从高频数据构造、逻辑分析到低频应用验证的完整选股因子开发范式。尤其MPC5_neut因子表现的优异性,预示高频微观结构信息的利用将是未来量化选股的重要方向。
该报告全面系统且透彻地剖析了基于高频微观市场数据的量价因子系统,论点严密,数据详实,模型方法先进且创新,选股效果突出。报告定位于金融工程领域核心研究,对于量化投资、金融市场微观结构研究及因子投资策略开发具有较高的参考价值和实践意义。
中信因子深度研究系列11:高频订单失衡及价差因子.pdf