本报告基于A股市场高频订单簿数据,构建了用于量化短期股价走势的Spread指标。研究发现不同频率下该指标含义差异显著,Tick级指标预示短期绝对收益,日月频指标则提供截面相对选股alpha信息。月度Spread因子具备稳定选股能力,多空组合年化收益达14.6%,IC胜率75.7%,且独立于常见量价因子,凸显其增量alpha贡献 。
| Tick数量 | IC均值 | 空头收益 | 空头胜率 | 多头收益 | 多头胜率 |
|---|---|---|---|---|---|
| 5 | 16.1% | -0.033% | 57.8% | 0.035% | 56.2% |
| 10 | 18.7% | -0.048% | 61.7% | 0.049% | 60.5% |
| 20 | 20.1% | -0.063% | 64.3% | 0.067% | 63.3% |
| 40 | 20.0% | -0.078% | 65.7% | 0.085% | 64.7% |
| 100 | 19.4% | -0.098% | 66.5% | 0.111% | 65.0% |
| 200 | 19.2% | -0.120% | 66.1% | 0.135% | 63.9% |
| 年份 | 四因子多空收益 | 四因子IR | 四因子IC均值 | 四因子ICIR | 五因子多空收益 | 五因子IR | 五因子IC均值 | 五因子ICIR |
|---|---|---|---|---|---|---|---|---|
| 全样本 | 39.6% | 3.24 | 10.1% | 4.22 | 40.4% | 3.54 | 10.4% | 4.78 |
核心论点与结论: 本报告首次系统地提出并分析了基于订单簿挂单买卖双方力量构造的Spread指标,既证明该指标在极短时间(5~200 Tick)内具有较强的价格预测能力,也发现将该指标低频化后能较好地反映日内与月度的股票相对表现,从而为Alpha因子的挖掘提供新方向。因子稳定、独立性强,能为传统量价因子提供显著增量信息,展现出良好的选股和择时能力,推荐投资者关注该订单簿基因子在多因子模型中的应用价值,2,4,11]。
3.1 订单簿介绍: Level-2行情提供买卖两侧各10档价量信息,具体表格展示了某时点平安银行买卖挂单明细,突出盘口买卖力量的层级分布。
3.2 指标构造细节:
[ Spread_Tick = \frac{BID - ASK}{BID + ASK} ]
权重(wi=1−10i−1)强调买卖盘口靠前档位的权重。
3.2 指标短期预测能力验证:
3.3 高频指标低频化及日内不同频率含义
4.1 月频因子构造方法:
4.2 因子历史绩效展示:
4.3 各主要指数成分股的分域绩效对比:
4.4 因子增量信息分析:
图1(第2页)- 平安银行20190701盘口行情快照示例:
展示Level-2盘口中买卖双方10档深度的价格与挂单数量,数据每3秒更新一次。该原始数据是Spread指标构建的基础,体现盘口的即时买卖力量分布。
图2(第3页)- Alpha因子与时间序列因子示意图:
直观区分了两类因子信息流向:Alpha因子反映全市场股票相对排序,时间序列因子反映单只股票涨跌强度,支持报告中对因子概念的阐述。
表2(第5页)- Spread指标Tick级预测绩效:
展示5至200个Tick的IC均值均超过15%,多头与空头收益与胜率分布均良好,强化Spread指标在日内短期预测的有效性。
图3(第5页)- 000062.SZ日内收益累计曲线:
以某股票为例,通过基于Spread指标构建的日内择时策略累计收益曲线,显示日内操作潜力,但以交易成本消耗多空收益为代价。
图4(第6页)- Spread与日内主动买入比例(BuyRate)相关系数时序:
以20日滚动均值表现二者负相关关系,反映在日频层面上买盘相对厚实度反映股票被动卖出压力增强的市场现象。
图5、图7 & 图6、图8(第8页)- Spread指标分组收益与IC序列对比(原始值与中性化后):
在中性化剔除行业和市值影响后,因子分组收益仍明显,大幅超越基准,且IC序列波动减小,稳定性提升。
图9(第9页)- 不同股票池Spread因子多空净值曲线:
各指数成分股多空净值持续攀升,说明因子在不同规模和行业股票中均展现了很好的收益连续性和风险控制。
图10(第10页)- Spread因子与其他量价因子相关性对比:
相关性系数波动在-20%至+20%之间,说明Spread因子提供了针对盘口买卖压力的新颖信息,不被现有因子覆盖。
表7(第10页)- 融合实验中Spread因子增量信息验证:
加入Spread因子提升了复合因子的多空收益、IR与IC指标,验证其在多因子选股组合中的增量贡献。
本报告主要关注因子构建与绩效评估,未涉及具体上市公司估值模型,因此无DCF、市盈率等估值方法的分析内容。
报告对风险提示简洁明确,未具体展开缓解方案,投资者需结合自身持仓灵活调整。
频率差异导致指标含义反转: 报告指出Tick级与日频的Spread指标方向相反,这揭示了选股因子构建中频率尺度选择对策略适用性至关重要。该频率敏感性需投资者特别关注。
交易成本未充分量化: 虽然报告提及日内高频策略面临较大交易成本,但对成本敏感性缺少详细量化分析,实际应用该因子时仍需慎重调研和实盘测试。
负向相关的因子IC: 因子IC呈负值,说明因子与未来收益负相关,这在实务投资中需要投资者反向构建组合或做空策略,这一点在策略实现上需额外关注。
数据选择偏差风险: 将Tick成交量较低的一半截面作为日频指标计算依据,有助于剔除成交冲击,但也可能产生选样偏差,对此未有深入探讨。
本报告通过对A股市场Level-2订单簿的深入剖析,提出一项基于盘口买卖挂单金额差异的高频指标——Spread。他实证了该指标在微观Tick数据层面对股价极短期走势的预测力强,且在低频化成月度alpha因子后,同样具备良好且稳定的截面选股能力,能够为量价因子模型提供有力的增量信息。
具体来看,Tick层面Spread指标与未来5至200 Tick收益的IC均保持15%~20%,且多头和空头组合均获得平均正负收益和较高胜率,显著支持其作为短线择时信号的效用。同时,研究也发现指标在降频至日频时其含义逆转,即盘口买盘厚实反映出日内和盘压力,体现因子对不同频率的适用性需差异化理解。进一步通过降频加权平均,构建了适合多因子选股模型的月度Spread因子,综合业绩数据表明该因子在2010年至今表现稳定,中性化调整后年化多空收益14.6%,IR达2.01,IC胜率超75%,表明因子具备相当的实用价值。
此外,该因子在沪深300、中证500、800与1000等不同规模和风格的股票池中均表现良好,显示其广泛适用性。与传统量价因子相关性低,且为多因子复合模型贡献了显著的增量alpha,进一步提高复合策略的表现。此外,对于因子的理性理解还需关注其交易成本影响和策略频率匹配,以避免实际应用中因未充分考虑因素导致的性能衰减。
总体而言,本报告从市场微观结构视角,创新性地利用高频订单簿数据开辟了多因子选股的新路径,为量化投资者提供了一条结合高频微观交易信号与低频多因子框架的融合思路,在加强择时能力与捕获增量alpha方面具备良好前景。报告严谨详实,数据充实,图表清晰,值得投资研究人员深入研读并充分借鉴。
以上分析均基于提供内容,引用页码标识如文中所示,范围涵盖第0至11页主要正文部分,图片欧标及表格数据均得到全面解析。
市场微观结构探析系列之二:订单簿上的alpha.pdf