建投金工深度专题104:高频订单失衡及价差因子报告详尽分析
1. 元数据与报告概览
- 报告标题: 建投金工深度专题104:高频订单失衡及价差因子
- 作者: 陈升锐、丁鲁明、鲁明
- 发布机构: 中信建投证券股份有限公司
- 发布日期: 2021年1月30日
- 主题: 高频盘口数据挖掘,基于逐档订单失衡率(SOIR)和中间价变化率(MPC)两类高频量价因子的构建及其低频化的选股效果分析
本报告旨在探索和挖掘高频盘口数据中潜藏的交易信号,通过构造高频因子(SOIR与MPC类)捕捉市场交易者情绪和预期,并通过将其转换为月频低频选股因子,测试其在中国A股市场的选股有效性。报告指出,低频因子在单因子回测中均表现出较强的选股能力,尤其是MPC5_neut因子达到年化多空收益30.63%、夏普比率2.88的优异表现,显示出高频量价信息在量化选股中的重要价值。,1]
2. 逐节深度解读
2.1 高频订单失衡及价差因子定义和投资逻辑
2.1.1 引言(1.1节)
- 盘口数据不仅包含买一卖一档的深度信息,更多的盘口档位(逐档)信息被本文重点挖掘,用于构建订单失衡率因子,预测股票未来价格走势。
- 订单簿反映市场供求,委托买卖价与委托量变化承载着投资者对股票未来价格的期待。
- 除订单失衡之外,中间价短期变动(特别是其偏度和最大值)也包含极端行情信息,这对投资者和学术研究均有参考价值。
2.1.2 逐档订单失衡率因子SOIR定义与逻辑(1.2节)
- 定义:逐档订单失衡率SOIRi 为第i档的买盘和卖盘委托量差占两者和的比率:
SOIRi,t=Vi,tB+Vi,tAVi,tB−Vi,tA
- 通过对5档SOIRi赋予不同权重(远离现价档位权重递减)加权整合,构造整体SOIR因子:
SOIRt=∑i=15wi∑i=15wiSOIRi,t
- 逻辑基础:委托买卖量不平衡反映市场买卖压力和方向预期,买压大于卖压时,预计短期价格上涨,反之亦然。权重设计考虑更靠近当前交易价格的档位对未来价格影响更大。
- 实例分析:以2020年7月1日9:57的某股票A盘口为例,SOIR1至SOIR3均显示买盘强势,SOIR4略显卖压,综合加权SOIR高达0.64,结果股票在下一分钟涨幅为3.57%,8分钟内涨停,验证因子短期预测能力强。,3]
2.1.3 中间价变化率因子MPC定义与逻辑(1.3节)
- 中间价定义为买一价与卖一价的均值 Mt=2PtB+PtA ,
- 变化率为过去k分钟内的百分比变动:
MPCt,k=Mt−kMt−Mt−k
- 市场行为包括主动成交、撤单以及限价单挂单,会引发中间价变化,反映交易者对后续价格看法。
- POS值说明价格看涨预期,值越大概率越高。
- 实例举证:2020年7月1日9:52股票B中间价变化率MPC1为2.23%,伴随成交量突增(主动买入),下一分钟价格上涨1.34%。,4]
2.2 高频转低频方法(第二章)
- 高频数据(每分钟)因交易频繁数据噪声大,需要转化为更易用的月度选股因子。
- 流程:
- 截面标准化: 消除整体市场走势对个股因子的影响。
- 分钟转日频: 简单等权平均当日所有分钟的因子值。
- 日频转月频: 按距离调仓日远近赋予衰减权重,信息越旧衰减越大。
数学表达:
Factori,j,k=Std_Factori,j,kFactori,j,k−M_Factori,j,k
Factorj,k=N1i=1∑NFactori,j,k
Factork=∑j=1nnj1j=1∑nFactorj,k×nj
- 该转换保证月度因子同时反映短期高频信息及其权重衰减,利于多周期选股策略的构建。
2.3 高频与低频IC表现对比
- 高频(分钟)级IC均为正,尤其SOIR1达9.31%,表现最好,随着档位加深,IC逐渐下降,符合对盘口紧邻档位影响力更大的预期。
- 低频(月度)IC方向出现反转,SOIR1逆向变为-2.68%,整体月频IC均为负值(如SOIR5为-5.37%),与前期研究结果一致。
- 低频反向解释:短期内市场存在散户追涨杀跌行为和主力短时操纵,短期买盘强势推高价格,高频正相关;但长期价格回落导致低频负相关。
- MPC因子在高频表现同样极具双向性,1分钟短期中间价变动(MPC1)与收益正相关,5分钟(MPC5)反向,低频两者均为负相关,但经过中和处理后(neut化)获得较好表现。
IC对比表:
| 因子 | SOIR1 | SOIR2 | SOIR3 | SOIR4 | SOIR5 | SOIR |
|---|
| 分钟IC均值 | 9.31% | 7.29% | 5.23% | 3.88% | 3.14% | 11.67% |
| 月频IC均值 | -2.68% | -4.18% | -4.86% | -5.13% | -5.37% | -4.57% |
此结果强调因子构建时应考虑不同时间周期效应以及市场行为机制改变因子表现的复杂性。
2.4 高频因子与常用因子相关性分析(第三章)
- SOIR和MPC两类因子与自由流通市值关系弱,无需市值中性处理。
- SOIR类因子与估值因子(BP_LR、SP_TTM)及6个月、12个月动量因子相关性较高,显示其同时嵌入了价值与动量信息。
- MPC因子分成几种,MPC1、MPC5与短中期动量因子相关较高,MPC_max与估值及换手率、波动率相关度高,展示了其捕捉市场极端变动及风险异质性的能力。
- MPC_skew因子与常用因子低相关,彰显其可能独立捕获市场偏斜风险。
- 因子间相互相关性适中,避免过强共线,有利于多因子模型构建。
以上说明新因子不仅捕获高频交易行为信息,也与传统风格因子部分重叠,增强多因子组合的丰富性。
2.5 高频订单失衡及价差因子实证测试结果(第四章)
- 采用2010年1月至2020年7月中国A股全市场数据,月频调仓,剔除停牌、上市未满半年、ST及一字涨停股。
- SOIR类因子不做中性化处理,MPC类因子分为中性化处理与否两套测试。
- 主要考察指标:因子IC均值、年化IR(信息比率)、多空组合年化收益、夏普比率、最大回撤率和胜率。
SOIR系列因子选股表现
| 因子 | IC均值 | 年化IR | 年化收益率 | 夏普比率 | 备注 |
|---|
| SOIR1 | -2.68% | -0.94 | 8.63% | 0.88 | 最低档,表现较弱 |
| SOIR2 | -4.18% | -1.27 | 17.89% | 1.52 | 明显改进 |
| SOIR3 | -4.86% | -1.63 | 20.46% | 1.94 | 更佳表现 |
| SOIR4 | -5.13% | -1.95 | 21.81% | 2.28 | 进一步提升,稳定性好 |
| SOIR5 | -5.37% | -2.29 | 21.32% | 2.41 | 竞争力强 |
- 因子向价格较远档位递减的赋权逻辑有效,表现递增趋势验证了各档仓位对价格影响的渐变性。
- 多空组合累计收益率显著,胜率均超60%,收益回撤比提升,夏普比率体现风险调整后选股能力较强。
MPC系列因子选股表现
- MPC1因子IC均值 -5.36%,年化收益19.52%,夏普1.42。
- MPC5_neut因子表现尤佳,IC均值 -7.26%,年化多空收益30.63%,夏普比率高达2.88,为所有因子中最佳选股表现。
此表明MPC类因子通过中频波动捕捉市场极端情绪,具备强选股阿尔法潜力。,7,8]
2.6 指定样本池测试(中证500和沪深300)
- 中证500:所有因子大部分年化多空收益超10%,最高接近18%,MPC5及其中性化版本表现尤佳。
- 沪深300:多数因子年化多空收益约10%左右,表现稍逊于中证500,且波动相对更小。
- 夏普比率与最大回撤整体控制较好,反映因子在大盘和中盘样本中均具有稳定性和实用性。
- 胜率普遍维持在60%以上,表明因子具备较强的预测能力,不同因子适用于不同市场细分。
此轮测试强化了因子在多个市场样本中的稳健性和有效性,为其在策略应用中奠定基础。
3. 图表深度解读
图1:股票A盘口数据(第2页)
- 展示某股票5档买卖委托量和价格,计算SOIR1至SOIR5值,其中前三档均明显正值表明买盘强势,4档接近负值,5档买卖相对均衡。
- 综合加权后的SOIR为0.64,指示强买入信号。
- 盘口呈现买一价7.08元,买三档买量和卖三档卖量严重不均,体现短期买方优势。
图2:SOIR因子高频逻辑走势(第3页)
- 左图SOIR分钟因子波动,9:57为峰值0.64,之后维持较高水平。
- 右图对应价格走势,9:57之后价格快速上涨,1分钟内涨幅3.57%,随后涨停。
- 此图直观展示SOIR因子信号后股价响应,验证了因子短期优异的预测能力。
图3与图4:股票B盘口数据及成交量(第3-4页)
- 盘口数据显示板块买卖委托量和价格的即时变化,MPC1计算为2.23%,明显中间价跳升受成交量激增驱动。
- 成交量图体现9:52时成交量爆发,进一步佐证了价格跳变的市场实质。
- 说明MPC因子能捕获主力买盘或交易激增带来的短期价格提升信号。
表1:SOIR高频与低频IC对比表(第4页)
- 清晰展示因子在不同频率下IC的正负转变,说明时间尺度对因子表现的重要影响。
- 有助策略设计者在多周期选股时考虑不同因子权重策略和择时问题。
表3:因子与常用选股因子相关性(第5页)
- 多维度列出SOIR、MPC各因子与动量、估值、波动率等因子的相关数值。
- 结构化信息展现因子内在联系,为选取互补性因子提供量化参考。
图7至图10:SOIR1至SOIR4因子多空收益与IC分析(第6-7页)
- 多空组合总收益及年化收益曲线持续向上。
- 夏普比率逐档提升,最大回撤逐渐下降,说明中间档因子平衡风险与收益较优。
- 胜率提升证明排名策略的稳定收益能力。
图13:MPC1因子选股效果(第8页)
- 多空组合收益累计增长显著,年化收益近20%,夏普比率良好。
- 表明中间价短期波动率对未来收益具有较高预测力。
表4与表5:因子在中证500和沪深300的回测表现(第8页)
- 汇聚全因子在不同样本池的综合表现:
- 年化收益均较高,强调因子跨市场适应性。
- 夏普比率和最大回撤控制良好。
- 胜率在多数区间,反映一致方向作用。
- 对比表明MPC5因子及其衍生因子为跨市场优选。
4. 估值分析
本报告不涉及传统意义的公司估值模型,因子研究侧重定量因子构造与选股效果分析,不构成个股买卖建议,仅作为量化投资因子研发的参考依据。因此,不存在DCF、市盈率等直接估值方法论述。
5. 风险因素评估
报告明示以下潜在风险及影响:
- 散户行为追涨杀跌的非理性因素,导致高频与低频因子表现出现反转,短期逻辑不易延续到长期。
- 主力对市场的短时价格操纵及对倒行为,虽短期提供方向信息,但可能使长期选股策略产生偏差。
- 因子在部分时间及市场条件下表现波动,尤其月频因子IC负值可能影响组合稳定性。
- 样本选择风险,如指数样本与全市场样本内差异突显,策略适用性需斟酌。
- 数据处理风险,高频数据质量、缺失值及极值处理方式可能影响因子计算准确性。
报告未明确给出缓解策略,但通过多因子融合和跨周期验证间接降低风险;建议投资者结合多样信息源,并密切关注市场结构变化。,4,9,13]
6. 批判性视角与细微差别
- 因子高频正向与低频负向表现的矛盾揭示市场微结构复杂性,但该逻辑反转加大策略的实施难度和风险,对中长线投资者构成挑战。
- 目前研究仅用月频调仓,未细化到周频或半日频,可能掩盖高频因子瞬时有效信息。
- 部分因子IC均值虽显著负值(低频),但年化多空收益率较高,提示因子暴露可能存在非线性或更复杂的收益结构。
- 相关性分析中的传统估值与高频因子相关性偏高,易导致多因子模型过拟合风险应被忽视。
- IE和年化IR指标存在负值,理论解释应更严谨说明其具体影响和投资行为含义。
- 未来研究可聚焦因子稳定性、跨市场应用和因子层次结构的进一步优化。
7. 结论性综合
本报告系统而深入地探讨了高频盘口中逐档订单失衡率因子(SOIR)和中间价变化率因子(MPC),通过严密逻辑及实例展现高频因子对短期价格方向的显著预测能力。采用横截面标准化及衰减加权方法,成功将高频因子转换为月频低频选股因子,并在近十年的中国股票市场测试中取得了优异的选股表现。
关键发现包括:
- 逐档SOIR因子表现出档位依赖性,离现价越近因子解释力越强,体现盘口数据深度信息的有效利用。
- MPC类因子的极端值和偏度表征市场极端情绪,表现超越传统量价因子,MPC5_neut因子表现尤为卓越,年化多空收益达30.63%、夏普比率高达2.88。
- 高频因子在分钟级别与未来短期收益正相关,但在月度级别因市场行为异质性出现负相关反转,提示量化投资者需审慎选用不同时间尺度因子组合。
- 高频因子与传统估值、动量及波动率因子相关性适中,能够为多因子模型带来增益。
- 在中证500和沪深300两个重要市场样本中,因子均表现稳健、收益率正向,验证其跨市场适应性。
从图表角度讲,报告中诸如图2与图3清晰展示了因子高频值和价格走势的限时共振,表1与表4-5详细列明了因子IC和收益表现,为策略构建者提供了实证分析基础。
总体而言,报告体现了中信建投金融工程团队基于大数据高频交易信息构建创新选股因子的扎实研究,有力支持了高频量价数据在A股市场中量化投资的应用潜力。建议结合多因子和多周期策略进一步探索,以应对高频市场行为的复杂性与非稳态风险。,2,3,4,5,6,7,8,9]
参考文献
报告引用了涵盖中国市场与国际学术界关于订单失衡、流动性、价格发现及偏度效应的多篇文献,为因子设计提供了理论支持。
总体评述
整体报告结构合理,层层递进,理论与实证结合紧密,尤其对高频与低频因子表现差异的解释深刻。图表数据详实,有效支持观点,体现了高级量化金融研究的方法论和实务价值。建议读者对因子在不同市场环境下的表现保持关注,结合多因子策略和风险管理工具进行应用。