本报告基于高频数据构建选股因子,发现使用日内特定时段数据(开盘后30分钟或剔除开盘后的数据)计算因子能够显著提升选股能力。研究揭示股票日内成交呈U型分布,大单成交亦相似,但收益波动及买卖价差呈L型分布,表明开盘后聚集较多知情交易者。针对不同因子内在逻辑,推荐分时段调整因子计算时点,相关增强组合实测收益显著提升,验证了方法有效性
| 因子 | 月度IC均值全天 | 月度IC均值开盘后 | 月度IC均值剔除开盘后 | 月均多空收益全天 | 月均多空收益开盘后 | 月均多空收益剔除开盘后 |
|---|---|---|---|---|---|---|
| 高频偏度 | -0.02 | -0.01 | -0.03 | 0.94% | 0.31% | 1.00% |
| 下行波动占比 | 0.02 | -0.01 | 0.02 | 0.54% | 0.44% | 0.85% |
| 净委买占比 | 0.02 | 0.03 | 0.00 | 0.57% | 0.97% | 0.16% |
| 委托成交相关性 | -0.02 | -0.01 | -0.02 | 0.75% | 0.38% | 0.75% |
| 净主买占比 | 0.01 | 0.02 | 0.01 | 0.33% | 0.72% | 0.35% |
| 知情主卖占比 | -0.02 | -0.02 | -0.02 | 0.61% | 0.75% | 0.22% |
| 买入意愿占比 | 0.02 | 0.03 | 0.02 | 0.69% | 1.06% | 0.40% |
| 买入意愿强度 | 0.03 | 0.04 | 0.02 | 1.01% | 1.36% | 0.78% |
| 因子 | 月度IC均值全天数据 | 月度IC均值开盘后 | 月度IC均值收盘前 | 月均多空收益全天数据 | 月均多空收益开盘后 | 月均多空收益收盘前 |
|---|---|---|---|---|---|---|
| 净委买占比 | 0.02 | 0.03 | 0.00 | 0.57% | 0.97% | 0.16% |
| 净主买占比 | 0.01 | 0.02 | 0.01 | 0.33% | 0.72% | 0.35% |
| 知情主卖占比 | -0.02 | -0.02 | -0.02 | 0.61% | 0.75% | 0.22% |
| 买入意愿占比 | 0.02 | 0.03 | 0.02 | 0.69% | 1.06% | 0.40% |
| 买入意愿强度 | 0.03 | 0.04 | 0.02 | 1.01% | 1.36% | 0.78% |
| 年度 | 超额收益全天 | 超额收益开盘后 | 最大回撤全天 | 最大回撤开盘后 | 年化波动率全天 | 年化波动率开盘后 |
|---|---|---|---|---|---|---|
| 全区间 | 19.1% | 22.7% | 5.9% | 6.4% | 6.0% | 5.8% |
| 年度 | 超额收益全天 | 超额收益开盘后 | 最大回撤全天 | 最大回撤开盘后 | 年化波动率全天 | 年化波动率开盘后 |
|---|---|---|---|---|---|---|
| 全区间 | 10.1% | 11.8% | 4.9% | 4.2% | 4.3% | 4.3% |
标题:《选股因子系列研究(七十)——日内市场微观结构与高频因子选股能力》
分析师:冯佳睿、袁林青
机构:海通证券研究所
发布日期:2020年2月12日
主题:围绕股票市场日内高频数据,分析不同时间段计算的高频选股因子选股能力差异,并结合日内市场微观结构进行解释,最后通过调时段优化因子计算提升策略表现。
报告核心论点:
报告继承了前期系列研究的成果,基于不同层级高频数据构建了多种选股因子,验证其显著月度选股能力。新的发现是,因子计算所用的日内时间段不同将影响因子表现。通过分割全天交易时段(9:30-14:56)为开盘后30分钟(9:30-9:59)和剔除开盘后其余时间组,证实部分因子在开盘后计算更有效,部分则在剔除开盘后数据中更优。并且报告提出这一现象与日内市场微观结构及因子内在逻辑相关。,4]
分析:主动交易类因子更能描绘信息优势投资者(知情交易者)行为,因知情交易者具有领先性,其在开盘后行为刻画效果更好。另一类因子反映市场非理性过度反应,开盘时段容易受知情交易抑制,剔除开盘后数据反而更能体现此类过度反应。体现不同因子本质逻辑的时间效应差异,从因子构造角度支撑了周期分割的有效性。
报告总结了因子内在逻辑与日内市场微观结构的配合影响,明确提出知情交易类因子适合使用开盘后30分钟数据,以捕捉更多信息优势交易。过度反应类因子则剔除该时段数据表现更优,跟日内波动及价差的L型特征相符。调整时间窗口显著提升选股因子表现以及组合收益。风险主要包括市场系统性风险、流动性风险及政策调控风险。,12]
| 因子 | 全天IC | 开盘后IC | 剔除开盘后IC | 全天多空收益 | 开盘后多空收益 | 剔除开盘后多空收益 |
|---|---|---|---|---|---|---|
| 高频偏度 | -0.02 | -0.01 | -0.03 | 0.94% | 0.31% | 1.00% |
| 下行波动占比 | 0.02 | -0.01 | 0.02 | 0.54% | 0.44% | 0.85% |
| 净委买占比 | 0.02 | 0.03 | 0.00 | 0.57% | 0.97% | 0.16% |
| 委托成交相关性 | -0.02 | -0.01 | -0.02 | 0.75% | 0.38% | 0.75% |
| 净主买占比 | 0.01 | 0.02 | 0.01 | 0.33% | 0.72% | 0.35% |
| 知情主卖占比 | -0.02 | -0.02 | -0.02 | 0.61% | 0.75% | 0.22% |
| 买入意愿占比 | 0.02 | 0.03 | 0.02 | 0.69% | 1.06% | 0.40% |
| 买入意愿强度 | 0.03 | 0.04 | 0.02 | 1.01% | 1.36% | 0.78% |
解读:上表明确展现了因子计算时段对选股能力的影响。明显发现,以知情交易行为为核心的因子(如净委买占比、买入意愿强度)在开盘后时段计算选股效果最好。反映投资者过度反应的因子(高频偏度)剔除开盘后计算更有效。此数据清晰支持报告关于不同因子内生逻辑与日内交易结构适配的论断。
意义:高成交额时段代表资讯活跃和流动性集中的时点,对因子信号计算质量具有直接促进作用。
联系:主动交易因子以大单行为为核心,说明因子在这些阶段更能准确捕捉机构和知情交易者行为印记。,7]
推断:收益波动反映知情交易者对价格冲击的间接表现,L型结构表明开盘后信息揭露与市场反应较强,收盘前波动缺乏同等力度市场冲击因子。
综合结论:这直接支持了开盘后数据计算对知情交易类因子有利的微观结构基础。开盘后时段的市场价差信息与波动数据共同展现出高的信息不对称性环境。
| 指标 | 全天计算因子 | 开盘后计算因子 | 改善幅度 |
|---|---|---|---|
| 中证500超额收益 | 19.1% | 22.7% | +3.6% |
| 沪深300超额收益 | 10.1% | 11.8% | +1.7% |
意义:从实际投资组合角度印证因子优化效果,说明调时段真正提升了策略的市场竞争力。,11]
报告主要围绕因子选股及组合收益展开,未涉及传统意义上的企业估值模型。但在量化策略内部,因子表现(IC值、多空收益)及组合净值表现可视为策略价值的“估值”,通过实证统计展示改进的因子时间切片提升了因子“价值”与稳定性。
报告明确指出以下风险因素可能影响因子选股能力及策略表现:
报告未详述缓解策略,仅做风险提示,提示投资者需谨慎关注上述风险。,12]
该报告系统揭示了中国A股市场日内微观结构对高频选股因子表现的重要影响,创新性地提出通过调节因子计算所涉及的数据时间段,可以有效提升因子的选股能力和组合整体表现。
实证和图表展示了股票成交量和大单成交均呈U型分布,显示开盘后和收盘前时段的活跃度异常,但收益波动和买卖价差呈L型分布,体现开盘后时段信息不对称及知情交易层面更为显著。因而,侧重捕捉知情投资者行为的高频因子适合采用开盘后时间段数据计算以增强选股表现,而那些反映投资过度反应的因子则适合剔除该时段数据。
基于上述洞察,在中证500和沪深300指数增强组合实证中,优化后的因子均获得了显著的超额收益提升和部分风险指标改善,展现了实际应用价值。报告对市场系统性风险、流动性风险及政策风险均作出明确提示。
综上,该报告深化了高频数据在选股模型中的应用边界与策略设计思路,强调结合市场微观结构特点进行动态调整的重要性,提供了切实可行的量化投资优化路径,具有较强的理论和实践指导意义。[page::全稿]
本报告结构严谨、数据详实,结合经典微观结构理论与中国市场数据,首次系统解释了日内市场结构对高频因子选股能力的影响。其提出的时间段调节框架和实证结果,为高频选股策略细节优化提供了创新思路和切实依据。尽管存在一定理论推断和方法局限,但整体分析具有清晰的逻辑链条和扎实的实证验证,值得量化投资研究者和实务操作人员深入参考。
海通选股因子系列研究70:日内市场微观结构与高频因子选股能力.pdf