本报告基于逐笔成交数据中的主买、主卖信息,构建条件成交不平衡因子,通过剔除同期涨跌幅影响及筛选非孤立成交,提升因子稳定性和选股效果。反转残差非孤立成交不平衡因子在2017-2024年A股样本中表现最佳,年化收益达21.54%,信息比率2.71,最大回撤6.88%,剔除市场风格影响后效果更显著,年化ICIR提升至3.26
| 指标 | 成交不平衡因子 | 反转残差成交不平衡因子 |
|---|---|---|
| 月度IC均值 | 0.029 | 0.035 |
| 年化ICIR | 1.46 | 2.13 |
| 年化收益率 | 14.16% | 15.71% |
| 年化波动率 | 9.07% | 7.69% |
| 信息比率 | 1.56 | 2.04 |
| 月度胜率 | 75.56% | 75.56% |
| 最大回撤 | 7.06% | 5.69% |
| 指标 | 反转残差成交因子 | 反转残差孤立成交因子 | 反转残差非孤立成交因子 |
|---|---|---|---|
| 月度IC均值 | 0.035 | -0.015 | 0.048 |
| 年化ICIR | 2.13 | -0.99 | 2.71 |
| 年化收益率 | 15.71% | 3.83% | 21.54% |
| 信息比率 | 2.04 | 0.56 | 2.71 |
| 月度胜率 | 75.56% | 60.00% | 81.11% |
| 最大回撤 | 5.69% | 14.28% | 6.88% |
| δ邻域(ms) | 10 | 30 | 50 | 100 | 300 | 500 | 1000 |
|---|---|---|---|---|---|---|---|
| 月度IC均值 | 0.048 | 0.047 | 0.046 | 0.045 | 0.041 | 0.039 | 0.037 |
| 年化收益率 | 21.54% | 20.81% | 20.83% | 19.86% | 17.87% | 17.21% | 16.16% |
| 信息比率 | 2.72 | 2.60 | 2.62 | 2.43 | 2.23 | 2.15 | 2.02 |
| 样本空间 | 全市场 | 沪深300 | 中证500 | 中证1000 | 国证2000 |
|---|---|---|---|---|---|
| 月度IC均值 | 0.048 | 0.053 | 0.047 | 0.049 | 0.046 |
| 年化收益率 | 21.54% | 11.20% | 20.68% | 22.54% | 21.33% |
| 信息比率 | 2.72 | 0.79 | 1.95 | 2.50 | 2.72 |
成交不平衡因子的构建与表现:
基于每日股票逐笔成交中主买单与主卖单数量差异,构造成交不平衡因子。初步因子表现一般,受到当月自身涨跌幅的负相关性拖累,导致预测未来收益能力较弱。
反转残差因子改进:
通过对成交不平衡因子进行同期涨跌幅的正交化处理(剔除当期涨跌幅影响),生成反转残差成交不平衡因子,显著提高了稳定性和选股能力。
孤立与非孤立成交数据划分:
通过“δ邻域内是否存在其他成交单”区分孤立与非孤立成交单,非孤立成交单通常对应活跃和信息含量更丰富的交易时刻。
反转残差非孤立成交不平衡因子的强化效果:
针对此筛选的非孤立成交数据构建因子,剔除当期涨跌幅干扰后获得最佳选股表现,月度信息系数(IC)及年化信息比率(ICIR)均显著领先其他版本因子,年化收益率超21%,且风控指标良好。
纯净因子:
进一步剔除市场常见风格因子和行业影响后,因子稳定性再获提升,信息比率达到3.05,展现较高的独立选股价值。
风险提示:
强调结果基于历史数据模型,未来市场环境若有变化,模型失效风险存在。
图表1(图表13页0)展示了反转残差非孤立成交不平衡因子10分组及多空对冲净值走势。
曲线显示,排名最高(10组)与最低(1组)分组净值曲线分化明显,右轴的对冲净值呈持续上行趋势,表明因子区分能力强且稳定获利。
图表3(第3页)成交不平衡因子原始表现,净值增长有但波动大,回撤风险突出,近年业绩波动加剧,显示初始因子稳定性不足。
图表4(第4页)构造了因子影响路径示意图,明显指出成交不平衡因子正向影响未来涨跌幅,但同时强正影响当期涨跌幅,而当期涨跌幅与未来涨跌幅呈负向关联,形成抑制效果。为保证预测准确性,必须剔除当期涨跌幅影响,切入“反转残差”。
图表5、6(第5页)反转残差因子涨净值线稳步上升,且各绩效指标均优于原始因子;多维度展现调整后因子的稳定性和收益提升。
图表7(第6页)孤立与非孤立成交的时间区间示意,清楚说明了孤立成交是无邻近成交对应的孤立时间点,非孤立则相反。
图表8(第7页)非孤立成交占比基本稳定,约70%,说明市场活跃时段大部分成交均为非孤立,支持其信息含量更丰富的假设。
图表9、10、11(第8页)孤立成交因子表现几乎无效,净值趋势无明显分化,IC指标为负,而非孤立成交因子表现明显优于整体因子,验证筛选流动性强信息含量较高的成交数据提升因子有效性。
图表12、13、14、15(第9页)反转残差孤立成交因子表现仍弱,非孤立成交因子保持强势且分组净值差异明显,呈长期正收益趋势,年度间表现稳定,最高年化收益达28%以上,最低年度收益率虽为负,但整体表现出较高稳健性。
图表16、17、18(第10、11页)展示纯净因子与经典风格因子高度去相关,并保持净值稳步增长,分年度稳健表现,混合行业中性化后因子更为纯粹,有效避免风格偏差干扰。
图表19、20(第11、12页)参数敏感性试验显示因子对δ邻域和回看天数设置相对稳健,10ms邻域和20日回看期优化了预测性能。
图表21、22(第12、13页)因子在多种不同样本空间的检验,均表现出较强选股能力,且纯净因子在大中盘股票池中依然有效,显示因子较强普适性。
本报告为量化选股因子研究,未涉及传统的公司估值模型(如DCF、P/E、市净率等)构建,而是从因子表现的IC、ICIR、信息比率、年化收益率和最大回撤等多维量化指标切入,综合评价因子质量和稳定性。
因子经过层层处理与精炼,最终版本表现具备较高的投资价值和相对优异的风控指标。
报告明确提示:
总体,风险提示较为全面、谨慎。
国盛证券团队通过对逐笔成交数据中的主动买卖方向差异进行了深入挖掘,提出了“成交不平衡因子”及其衍生的“反转残差成交不平衡因子”,进一步基于成交时间邻域将订单划分为孤立和非孤立两类,筛选非孤立成交数据构建了“反转残差非孤立成交不平衡因子”,显著优化了选股因子的稳定性和预测能力。
主要成果包括:
经过同期涨跌幅正交化处理,因子IC和ICIR水平明显提升,月度IC约0.048,年化ICIR达2.71,表明因子对未来收益具有较强判断力。
基于非孤立成交数据构建因子使得信号更纯、更稳定,将主动成交的市场活跃时段信息充分利用,产生了年化超过20%的多空对冲收益,且月度胜率长期保持81%以上。
纯净因子剔除市场风格和行业效应后,表现更为突出,年化ICIR提升至3.26,信息比率3.05,最大回撤仅2.6%,显示因子具备高质量alpha属性。
因子证明具有跨市值范围广泛适用性,在沪深300等大盘股中依然保持稳定选股能力,且参数设置对因子效果具有较强鲁棒性。
遵循严谨的量化研究流程,包含理论假设、数据描述、实证验证、参数敏感性分析和风险提示,确保了研究的科学性和可操作性。
整体而言,该系列研究首次系统展示了基于逐笔主买卖差异及成交时间邻域筛选,挖掘微观交易行为信息的有效路径,为量化选股因子提供了创新方向,并在中长期实证测试中展现稳定出色的业绩表现。
本报告的信息基于公开数据和研究模型,未来表现不保证。投资者应结合自身情况理性使用,注意市场和模型风险,避免盲目跟随。报告版权归国盛证券所有,引用需注明出处。
本报告通过严谨的数据分析和创新因子设计,挖掘逐笔买卖方向差异中的潜在Alpha信号,充分展现了高频微观结构数据在股票量化选股领域的巨大潜力,提出的反转残差非孤立成交不平衡因子,成为一个兼具理论合理性、实证验证、风险控制和操作稳健性的优质选股因子,具备良好的行业参考价值。
若有需要,可对各章节和图表提供更细致技术解读。
“量价淘金”选股因子系列研究(八):条件成交不平衡因子 逐笔买卖差异中的选股信息.pdf