本报告系统梳理并构建了基于A股市场Level2高频行情数据的十四个选股因子,涵盖分钟K线、TICK委托及逐笔成交三类数据层级。通过对因子稳定性的实证检验,确认这些高频因子具备较强的选股能力和空头收益效果,且能显著提升传统多因子组合的超额收益和信息比,展示出高频因子在指数增强策略中的重要应用价值 .
Level2高频数据涵盖分钟K线、盘口快照、委托队列及逐笔成交四种主要形式,数据粒度细致且包含沪深两市多品种,适合高频因子研究 。
构建了十四个高频因子,分为基于分钟成交、TICK委托、逐笔成交及其组合四类,所有因子均剔除行业市值等传统因子影响,并使用调仓日均价回测 .
代表分钟成交因子中,尾盘成交占比因子表现最佳,月均Rank IC 4.86%,年化ICIR 3.59,月度多头收益率0.52%,空头收益率-1.10%。改进反转、大单推动涨幅等因子同样具备显著选股能力。
代表TICK委托因子“开盘后净委买增额占比”月均Rank IC 4.19%,年化ICIR 4.24,显示早盘买入意愿强的股票有更好表现。
代表逐笔成交因子“开盘后净主买强度”月均Rank IC 4.46%,年化ICIR 3.29,体现买入行为的稳健性对收益有预测能力。
结合TICK委托与逐笔成交数据,构建“开盘后买入意愿占比”和“买入意愿强度”,月均Rank IC分别为4.34%和5.07%,是投资者主动买入意愿的广义度量,收益表现尤为突出。
高频因子间相关性分析显示,逻辑相近或同频率因子相关较高,不同频率因子相关较低,表明多频率数据的因子可实现风险分散效果。
高频因子应用于多因子组合可显著提升收益预测模型表现及指数增强策略的年化超额收益。包括直接作为Alpha因子引入、构建空头虚拟变量因子及利用高频因子事前和事后剔除空头个股等方法。
线上增强实证以沪深300、中证500、中证800指数为例,年化超额收益提升幅度均超过2.6%,信息比及收益回撤比同步改善,且月度超额收益稳定为正。
高频因子剔除空头个股策略中,事后剔除空头个股对超额收益提升更为显著,提升幅度在4%-10%空头阈值范围内均持续有效。
风险提示包括因子失效风险、模型误设风险及历史统计规律失效风险 .
报告标题:
《选股因子系列研究(六十九)——高频因子的现实与幻想》
作者及发布机构:
海通证券股份有限公司研究所金融工程研究团队
日期:
未明确具体发布日期,但研究数据涵盖至2020年中。
主题:
高频行情数据的构成、特性及其在A股市场选股因子构建和指数增强策略中的应用价值。
核心论点及目标:
本报告介绍了A股市场Level2高频行情数据的结构和特性,系统构建了14个具有经济学逻辑和良好实证表现的高频因子。通过多因子指数增强模型应用,展示了将高频因子纳入传统量化模型显著提升投资收益和收益预测表现的实践价值。报告还探讨了高频因子风险及因子空头剔除的策略优化方法,给出具体实证效果。
评级与观点:
虽非典型研究报告的买卖评级,作者明确表达了高频因子对A股量化投资策略的积极贡献,提示因子失效等风险。
Level2行情数据是国内证券市场中交易信息最完整、颗粒度最高的行情数据产品,于2006年由沪深交易所开始推出,2012年底完善。数据产品涵盖4种主要形式:
Level2覆盖A股大多数资产,包括股票、ETF、衍生品等。上交所与深交所Level2成交明细数据推送存在差异,后者实现近实时(0.01秒以上)更新,而前者为三秒一包数据,影响高频策略的时效性选股研究。
此部分对于理解后续因子构造的频率及粒度,以及在使用时可能存在的数据差异风险提供基础。
因子分三类,基于分钟成交、TICK委托和逐笔成交数据构建。各因子均进行正交处理,控制行业、市值等常规因子影响,调仓价为当日均价,无考虑交易成本。
高频偏度
下行波动占比
尾盘成交占比
高频量价相关性
改进反转
平均单笔流出金额占比
大单推动涨幅
以上因子多数表现稳健,具体在中证500和沪深300等指数中有不同程度的选股能力,已通过多张结构化表格详细呈现。
开盘后净主买占比
开盘后净主买强度
大买成交占比
开盘后知情主卖占比
开盘后买入意愿占比
开盘后买入意愿强度
高频因子空头部分稳定且表现强,直接剔除空头个股增强收益。
分两类剔除方法:
事前剔除以5%空头阈值为例,显著提升沪深300、中证500、中证800策略超额收益(提1.3个百分点左右)。不同阈值敏感性验证显示4%-8%区间内均有效。[图32-34][表19]
事后剔除同样显著提升超额收益,尤其对中证500和800效果更佳,提升超1个百分点。阈值4%-10%区间内效果明显。[图35-37][表20]
事后剔除因单纯剔除空头股,直接利用高频空头信息更纯粹,优化模型辅助下事前剔除效果受其他因素影响较大。
展示了Level2行情从1分钟K线、3秒盘口快照和委托队列,到0.01秒逐笔成交与委托的层级结构,明确极高频率数据对于细粒度交易行为捕捉的价值。
每个因子含Rank IC波动条形及累计Rank IC曲线,以及多空组合相对强弱指数等,体现因子性能长期趋势及波动性。尾盘成交占比、改进反转、大单推动涨幅等因子累计Rank IC增长尤为显著,体现其强选股能力。[pages::8-12]
数据量大,条理展现各因子在不同指数横截面上的实证表现,辅助因子筛选与重点应用。
展现盘口委托、逐笔成交类高频因子的IC表现及多空相对强弱,说明这些因子虽数据复杂度高,但具有精准的选股信号。
相关系数热力图揭示多个因子间高度共线和独立性,提醒组合优化需注意多重共线及因子多样性。
全面展示引入高频因子前后模型的IC改善、收益增强效果及指数增强策略年化超额收益大幅上涨,佐证高频因子的实际应用价值。
阈值选择对策略收益稳定性有影响,建议采用5%左右阈值区间,以获得最佳收益提升。
本报告为因子与策略研究报告,未设置单独的企业估值分析部分。重点在于因子表现及组合收益改进,不涉及公司个股估值。
本报告系统介绍并实证了A股市场Level2高频数据的丰富信息价值,构建了14个覆盖分钟、TICK及逐笔层级的经济学逻辑驱动因子,均表现出良好的稳定选股效能及丰富的多空信息。特别是尾盘成交占比、改进反转和开盘买入意愿强度等因子,其年化ICIR超过3,月均多空收益在1%以上。
结合多因子模型,直接纳入高频因子、构建空头虚拟变量因子及高频因子空头股票剔除三种策略均显著提升收益预测能力与指数增强策略的超额收益表现,三大指数增强策略超额收益提升均超过2.6%,表明高频因子为传统多因子量化模型带来有效增益。事前及事后剔除空头个股均有效,且事后剔除效果更为显著,提升幅度达1个百分点以上。
相关图表,特别是各因子的Rank IC与多空相对强弱曲线,支撑因子长期稳健性;有关收益表现与超额收益提升的统计表和柱状图,直观反映策略应用成果。因子相关性矩阵揭示了不同频率因子间存在结构性低相关优势,有效分散策略风险。
唯一需谨慎关注的是因子失效与模型误设风险,历史规律可能随市场演变变异。此外,数据细节差异亦影响策略实盘表现。总体来看,报告呈现了高频因子实务应用的清晰路径和充分验证,具有较高的参考价值和实践指导意义。
该报告对高频因子的理念、实证及实务应用提供了一整套完整框架与丰富数据支持,是当前A股高频量化研究的重要参考文献。
海通选股因子系列研究69:高频因子的现实与幻想.pdf