本报告构建了基于订单失衡类、量价类、流动性类和资金流类的25个高频选股因子分类体系,并测试了因子在不同调仓频率和指数样本池中的表现。结果显示,多数因子收益随调仓频率提升显著,在市值行业中性化后稳定性增强,且在中证1000样本池内表现最好,沪深300样本池中订单失衡与量价类因子依然有效。ILLQ2、BAM、SAM等流动性及资金流因子表现尤为突出,为重要推荐因子
报告在对此前五篇专题研究报告的总结基础上,新增了10个高频因子,系统构建了涵盖25个因子的高频选股因子分类体系,涵盖订单失衡类、量价类、流动性类和资金流类四个类别。报告核心结论为:
,5,47]
根据因子提取数据及投资逻辑,25个高频因子被划分为四类:
| 因子类别 | 代表因子 | 主要数据来源 |
|---|---|---|
| 订单失衡类 | VOI、OIR、SOIR、MOFI_Weight、PIR | 盘口买卖五档买卖委托价格与量级数据 |
| 量价类 | MPB、MPC、MPC_max、MPC_skew、MAX、RSJ | 分钟级价格与成交量数据 |
| 流动性类 | ILLIQ、ILLIQ2、LSIlliq、Gamma、Lambda、LogquoteSlope、MCI_B | 日频及分钟级量价,委托量数据 |
| 资金流类 | PTOR、BNI、MB、BAM、SAM、BACov、SACov | 高频成交数据(成交金额、笔数) |
此外,报告详细阐述了高频因子的低频化转换流程,包括对分钟因子至日因子、日因子至月因子使用衰减加权方法,保证信息时效性和降低噪音,同时提出了两种方法对比(方法一更低换手率更优)作为最终选用方案。测试表明,因子低频化方法影响收益与换手率平衡,采用方法一获得更优后期实盘应用效果。
,6,7]
订单失衡类因子是基于盘口买卖委托的量价数据,主要体现短期买卖压力对长期收益的影响逻辑。具体因子包括VOI、MOFI、OIR、SOIR、PIR,均衡量买卖委托的数量或价格失衡程度。其背后逻辑在于短期买盘压力大时,长期股价收益往往呈现负相关,特别归因于散户追涨杀跌和主力对倒现象从而导致价格回调。
VOI(Volume Order Imbalance)计算买卖量的变化差异,传统方法只基于买一、卖一,报告创新性地对盘口五档进行衰减权重加权处理以提升信号稳定性。
图示分析(图1)表明无论是否计费,调仓频率越高累计收益增长越显著,体现短期信号的有效性和高频调仓的潜力。
,9,10,11,12,13,14,15]
基于高频价格数据(买卖一价、中间价、成交均价等)构建,包括MPB、MPC、MPC_max、MPC_skew、MAX、RSJ六个因子。因子关注短期价格反转及极端价格变动,反映散户追涨杀跌与机构操控诱发的短线波动逻辑。MPB、MPC、MAX表现为反转因子,RSJ则测量波动率的不对称性。
图6-11清晰展示了各因子无论是否计费,多空收益均随调仓频率上升而递增,尤其是日频因子,表现最优。
,16,17,18,19,20,21,22,23]
涵盖ILLIQ、ILLIQ2、LSIlliq、Gamma、Lambda、LogquoteSlope、MCI_B七个因子。核心逻辑为流动性越差,股票获得低流动性溢价的概率越高,预期未来表现更佳。因子涵盖日频和分钟级数据,多因子基于成交量与价格变化建模,部分因子采用回归捕捉成交额对收益的冲击强度。
图12-17展示各流动性因子多空累计收益曲线,均呈现平滑上升趋势。
,25,26,27,28,29,30,31,32,33]
七个因子PTOR、BNI、MB、BAM、SAM、BACov、SACov主要依据高频成交量、金额、笔数,揭示股票资金关注度及大资金驱动效果。PTOR关注平均单笔成交流出金额比例,BNI集中对大资金流入比例考察,BAM与SAM分别表征主买主卖金额强度,BACov和SACov反映成交金额离散度。
图18-25显示资金流类因子多空绩效各阶段趋势一致,且在扣费情形下保持较好表现。
,35,36,37,38,39,40,41,42,43]
中信建投对多个高频因子(如Lambda、ILLIQ2、PCM_max、PTOR)应用行业市值中性化,测试表明中性化极大提升因子多空收益稳定性与夏普比率,最大回撤明显下降。经过中性化处理后,因子收益曲线更平滑,呈现更优风险调整表现。
图26清晰对比了五个典型因子中性化前后的多空收益曲线,更加凸显波动性降低和收益提升效果。
| 样本池 | 订单失衡类收益区间 | 量价类收益区间 | 流动性类收益区间 | 资金流类收益区间 | 说明 |
|---|---|---|---|---|---|
| 全市场 | 15%-40% | 20%-70% | 25%-75% | 20%-70% | 所有类别稳定选股能力 |
| 中证 1000 | 20%-50% | 20%-80% | 25%-70% | 15%-65% | 因子选股能力明显提升,小市值表现更佳 |
| 中证 500 | 10%-50% | 10%-40% | 15%-50% | 10%-45% | 效果相较全市场稍弱,但依然有效 |
| 沪深 300 | 10%-40% | 5%-35% | 较弱 | 较弱 | 订单失衡和量价类维持有效,流动性及资金流减弱 |
整体来看,中证1000样本池中表现最优,流动性与资金流因子受大盘股资金流动性影响较大,在沪深300中效果减弱。
,44,45,46,47]
以下精选部分具代表性图表剖析:
,27,39,40,44]
本报告主要为因子研究与绩效测试,未涉及传统企业估值模型。
整体,报告科学系统且数据充分,但因子推广实际需配合稳健交易执行策略及交易成本管理。
本报告系统整合并扩展了25个高频选股因子,涵盖订单失衡、量价、流动性和资金流四大类,结合丰富的历史回测提供了多角度的有效性验证。主要发现包括:
四类高频因子构建的模型为量化选股提供了强有力的数据支撑和策略保障,适合结合实际交易策略应用。同时,报告详尽的回测框架和风险提醒为投资者理解高频量价信息及其潜在应用提供了充分依据。
《高频选股因子分类体系》报告深入剖析高频量价及成交信息,创新整合并扩展了丰富的选股因子体系,充分验证了高频数据在提升量化投资收益与风险调整表现的实用价值,尤其体现于提高调仓频率、实施市值行业中性化及挑选适宜样本池的策略中。鉴于手续费敏感性及市场结构差异,后续策略应用需谨慎权衡交易成本和投资风格适配性。
金融产品深度报告:高频选股因子分类体系.pdf