本报告基于WIND提供的Level-2成交统计指标,构建了成交占比类与净买入比率类选股因子并进行了2010-2016年期间的回测。结果显示,成交占比类因子具备显著的中长期选股效果,年化收益超22%,部分因子夏普比率超过1.7,信息比率超2。净买入比率类因子表现较差。成交占比类因子多空收益受到市值、反转与换手率影响,剔除相关风险因子后依旧保持较好的选股能力,表明该类因子具有独立且有效的投资价值 。
此次报告核心诉求在于填补业界对于基于Level2行情数据的中长期选股因子挖掘不足,重点探讨通过Level2逐笔成交数据构建选股因子的有效性,尤其针对成交占比类因子的表现进行深入分析。报告以回测数据为基础,旨在为资金管理者与量化投资者提供基于高频次市场成交信息的选股新思路。报告结论指出,成交占比类因子展示了较好的选股鉴别能力,净买入比率类因子表现则较为一般。,4]
关键内容与论点:
Level2行情数据在Level1基础上提供了更为详尽的买卖报价及逐笔成交信息,包括买卖委托价位、成交方向(主动买入/主动卖出)、单笔成交金额分类(特大单>100万、大单20万100万、中单4万20万、小单≤4万)等更细化内容。该类数据从信息维度丰富了投资决策基础。表1详细列出了Level2相较于Level1的新增数据点。
支撑逻辑与假设:
由于Level1行情对买卖侧出价与成交的统计较粗糙,难以捕捉买卖力量的细节变化,Level2的分笔成交结构能量化主动与被动成交及单笔金额上的动向,因此潜藏着复杂且丰富的市场微观结构信号。
重点数据点与指标:
重点基于WIND提供的Level2统计指标(详见表2)构建两个主要类因子:成交占比类(各类别买卖单占当日成交金额比率)和净买入比率类(买卖主动成交差额比例)。
概念解析:
关键内容:
详细介绍了因子设计原则,包括采用统一算法与数据源保证结果可复制性,利用买卖单绝对额与成交方向来定义因子。从买卖单大小和方向维度入手形成若干因子统计指标。
逻辑依据:
由于Level2指标计算复杂且多算法版本共存,报告使用WIND标准算法输出,避免因技术差异导致的结果分歧,利于后续量化回测。
因子分类:
① 成交占比类因子,反映不同成交单类别占股票当日成交额的比例。
② 净买入比率类因子,反映各单笔买卖成交主动买入减主动卖出占比,衡量买卖力量对比。
重点在于不同维度提取成交信息,为后续回测提供多角度因子群。
核心发现:
技术解读:
图1展现不同因子分组对应不同月度收益率,红色(连续竞价成交占比)、绿色(超大单)和黄色(中单)线均呈现明显非线性趋势。IC值统计显示因子月度预测能力显著。净值图(图2)进一步确认了因子长期上涨趋势及部分时间回撤,回撤与小市值股暴露风险相关。
重要数字:
年化收益率22~27%,夏普比率>1.7,信息比率>2,月度胜率>70% 说明因子具有良好的风险调整收益表现和持续稳定性。
结论: 成交占比因子为中长期有效选股因子,尤其是连续竞价和超大单成交占比表现最优。,6,7]
核心发现:
此类因子的组间收益单调性差,分组收益区分度弱,表现不如成交占比类因子。
解读:
反映市场主动买卖力量净差比例的简单因子未能有效预测后续收益,可能因该指标噪声大、信息利用不足或被市场迅速消化。
图表说明: 图3显示分组收益无明确等级趋势,图4显示多空组合净值表现平缓至弱势。
结论: 净买入比率类因子在当前模型和数据框架下未表现出显著选股价值。,8,9]
数据解读:
图5显示不同因子分组股票市值显著不同。
逻辑联系:
因此多头组合(高因子值)多为小市值或大市值股票依因子类别不同,因子收益与市值效应相关,小市值股票往往在A股跑赢大市值,推动因子收益。
图6显示各因子组股票过去1个月涨幅存在显著分布差异。
说明因子组间存在反转特性,多头组合股票往往是前期表现较弱、具备反转潜力的股票,反转效应为因子收益贡献之一。
本报告聚焦因子构建与回测分析,未对具体上市公司或行业进行估值测算,因此无DCF、PE等估值方法论述。
报告虽然披露了主要风险提示,但未对风险概率和缓解策略进行系统展开,属于常规声明范畴。,13]
报告整体结构严谨,方法清晰,结论与数据深度匹配。
该研究充分考虑了市场惯性及因子共性风险,通过多因子剔除提升因子纯净度,提升研究可信度。
但仍存在几点需审慎:
总体来说,报告注重因子验证但对应用限制及潜在过拟合风险强调不足。
本报告基于细粒度Level2行情数据,从逐笔成交的成交占比和净买入比率两个角度构建了选股因子。通过对2010年至2016年A股市场的回测,得出以下核心结论:
成交占比类因子表现优异,具有明显正向的月度预测能力。 成交占比因子组别与未来收益呈强单调相关性,组合净值稳步上升,年化收益超过22%且夏普比率和信息比率均表现卓越,表明因子不仅收益高且波动调整效果良好。多空收益均衡,区别于常见反转类因子多依赖空头收益的表现。
净买入比率类因子表现较弱,选择价值有限。 该类因子未能展示有效的收益区分能力,多空组合表现不佳,提示基于净买卖动向净差的直接信号信息含量不足。
风险特征分析显示,成交占比类因子与市值、反转及换手率显著相关。 其中市值效应最为突出,小市值股票对应的因子组别偏高,且反转效应为因子收益提供部分解释。通过截面回归剔除市值、反转、换手率风险因素后,因子依然保持了较强的选股能力,说明因子含有独立的有效信号。
回测图表视觉呈现了因子收益随因子值变化的稳定且强烈的趋势,强化了文字论述的可信度。 特别是成交占比类因子的多空组合净值持续上升,且统计指标支持其收益的稳健性。
风险提示中强调了政策、流动性和市场系统性风险对因子表现可能产生的影响。 研究者提醒投资者应关注外部风险环境的变化对策略的冲击。
综上,报告系统地揭示了基于Level2逐笔成交数据的选股因子的投资价值,特别是成交占比类因子在A股市场展现了显著的中长期选股能力。该因子有助于投资者构建更精准的多因子模型,拓展基于市场微观结构数据的研究和应用边界。
【全文结束】,1,2,3,4,5,6,7,8,9,10,11,12,13]
海通选股因子系列研究11:LEVEL2行情选股因子初探.pdf