报告基于Wind资金流向数据,梳理并回测了基于资金流向构建的三类因子:总量单、主动单和特殊时段交易类因子。结果显示,大单净流入类因子具有显著的正向Alpha,标准化方式中采用净流入绝对值效果最优。七个核心因子(含动量调整大单、小单及高收益日等因子)在流动性1500股票池均展现出稳定的选股能力,最高周度RankIC达到4.32‰,具备较强选股价值。风险提示历史数据存在不可复现可能
| 因子名称 | 股票池 | 多头相对基准年化收益率 | 多头相对基准夏普比率 | 多头相对空头夏普比率 | 周度RankIC | 周度换手率 |
|---|---|---|---|---|---|---|
| 大单净流入 | 流动性1500 | 10.32% | 0.97 | 2.15 | 3.75% | 8.36% |
| 极端单净流入 | 流动性1500 | 13.11% | 1.25 | 2.41 | 3.97% | 8.46% |
| 动量调整大单 | 流动性1500 | 11.78% | 1.06 | 2.73 | 4.32% | 9.27% |
| 动量调整小单 | 流动性1500 | 13.40% | 1.16 | 2.39 | 3.45% | 9.53% |
| 高收益日主动大单 | 流动性1500 | 11.26% | 0.89 | 2.49 | 3.33% | 9.17% |
| 开盘大单净流入 | 流动性1500 | 6.44% | 0.28 | 1.29 | 2.35% | 8.16% |
| 高收益日开盘主动净流入 | 流动性1500 | 9.84% | 1.53 | 2.04 | 9.09% |
本系列报告以资金流向数据为原始驱动力,分阶段提炼、构造和验证因子,力求构建可持续跟踪的量化因子体系。重点聚焦因子多空收益、单调性、换手率、最大回撤等指标,结合沪深300、中证500、流动性1500股票池周频回测。
资金流向数据基于逐笔成交数据,数据来源为Wind数据库中的 AShareMoneyFlow 表,数据维度主要有三:
大单与小单划分:
主动单与被动单:
早盘与尾盘划分:
这些分类为后续因子构建提供逻辑基础。
数据覆盖度方面,超大单因金额限制,覆盖度最低;小单、中单、大单覆盖度较高。
回测发现:
因此实际因子构建重点聚焦大单作为正向因子,超大单、小单作为负向因子,中单被舍弃。
图1对覆盖度纵向时间展示了超大单覆盖率低于其它单类的趋势;图2与图3显示净流入因子多空净值及多头基准表现对比,突出大单因子持续领先表现。
资金流向因子需要对资金净流入值进行标准化,确保不同股票间因子值可比。三种标准化分母选择被测试:
比较结果显示,基于净流入绝对值的标准化方法效果最佳,能更好体现资金流动强弱驱动。同时大单成交金额和全天成交金额标准化效果类似,表现略差于绝对值法。
图4、图5反映不同标准化方法的多空净值及多头相对基准表现对比,绝对值标准化表现明显更持续优于其他方法。
表2数据指标量化了对比结果,绝对值标准化方法对应的多空年化收益率达15.30%,夏普比率2.15,周频RankIC3.75%均显著优于其他方法。
结合资金流向数据的分类方式,构造10个因子,分为三类:
总量单类因子(4个):
主动单类因子(4个):
特殊时段类因子(2个):
图1(数据覆盖度对比):展示自2012年至2023年间超大单、大单、中单、小单的覆盖比例,突出超大单覆盖不足,支持后续策略弃用该数据的理由。
图2、图3(净流入因子多空净值及相对基准表现):大单净流入因子持续跑赢市场且多空净值稳步提升,超大单和小单呈现负向趋势,验证了资金单金额等级对Alpha的不同贡献。
表1(净流入因子业绩指标):
图4、图5(大单净流入标准化方法对比):突出净流入绝对值标准化法效果优于按成交金额标准化,解释了为何后续因子以此为统一标准。
表2(标准化方式业绩对比):明确数值展示了绝对值标准化因子显著优于其他方式,验证图形展示的结论。
图6-13(总量单因子多头基准、收益表现):整体呈现因子持续稳定上涨的多头净值曲线,特别是动量调整大单净流入因子盈利能力强,波动适中。
表4(总量单因子业绩表现):详尽多项指标表明总量单因子中动量调整大单因子整体表现最佳,最大回撤合理,多头相对基准收益率稳定位居前列。
图14-21、表5(主动单因子表现):经收益率时间段划分的主动单因子绩效显著提升,但整体仍低于总量单因子,表明主动单的Alpha信号更依赖市场情绪调控。
图22-25、表6(特殊时段交易因子表现):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稳定正向Alpha,尾盘因子表现平平故被忽略。
图26(因子相关性矩阵):低相关系数显示不同因子相对独立,因子组合构建潜力大。
报告以因子投资策略为主题,未具体涉及股票或行业估值方法,因此无传统估值模型分析。但因子表现评价运用多维业绩指标,类比估值中的风险调整测度,包括:
因子“估值”更多体现为其信息含量与可捕获的超额回报潜力结合风险特征的综合评价。
本次报告深入梳理了资金流向数据中多维度的量化因子,结合严格的标准化方法和系统回测,论证了大单资金流向因子作为Alpha信号的有效性。以Wind数据库AShareMoneyFlow为数据源,报告展示了10个因子的构建及优劣表现,最终聚焦推荐7个因子:包括总量单类的大单净流入、极端单净流入、动量调整大单和小单净流入因子;主动单类的高收益日主动大单净流入因子;以及特殊时段交易类的开盘大单净流入和高收益日开盘主动净流入因子。
从图表和数据中明显看出:
整体,报告体现出资金流向数据作为高频微观市场行为的中枢信息,对量化选股具备重要价值,且不同单类与时段资金流因素均能捕获不同信号。风险提示基于历史数据验证结果,投资者使用时需考虑未来复现可能性。
作者利用丰富图表和量化指标详尽展示因子表现,严谨的回测设计确保结论可靠性,同时提供明确的投资因子推荐,为实务投资者量化选股策略开发树立了参考标杆。,3,4,5,6,7,8,9,10,11,12]
以上即对《资金流向数据中的 Alpha——因子梳理与回测之二》报告进行的详尽解读与全面分析。
因子梳理与回测之二:资金流向数据中的Alpha.pdf