高频订单失衡及价差因子深度研究报告详尽分析
1. 元数据与概览
- 报告标题:《因子深度研究系列分析报告:高频订单失衡及价差因子》
- 发布机构:中信建投证券
- 发布时间:2021年01月29日
- 报告类型:证券研究报告,金融工程深度研究
- 研究主题:利用高频盘口数据构造并测试两大类高频量价选股因子(逐档订单失衡率SOIR类因子和中间价变化率MPC类因子),并通过降频转化为低频选股因子,评估其预测股票收益的有效性及选股表现。
核心论点及评级:
该报告系统构造了14个高频选股因子,以10年全市场历史数据回测验证,显示这些因子选股效用显著。其中,经过中性化处理的MPC5_neut因子表现最佳,IC均值-7.26%,年化多空收益30.63%,夏普比率高达2.88,表明该因子具备极强的预测和风险调整后收益能力。总体看来,该报告肯定了高频盘口数据中蕴含的丰富投资信息,通过数据挖掘后的因子能够有效支持量化选股策略,具有重要的实际应用价值。
2. 逐节深度解读
2.1 高频订单失衡及价差因子的定义和投资逻辑
2.1.1 研究引言
盘口数据包含委托买卖价格及数量,通常研究聚焦于买一卖一档信息,本文突破性地考虑盘口前五档数据,提出“逐档订单失衡率”(SOIR)因子,反映不同档位的买卖委托失衡,反映市场交易者对于未来股价的预期。此外抓取盘口中间价短期连续变动的均值、最大值和偏度,提出“中间价变化率”(MPC)因子,意在揭示中间价极端波动带来的价格信息含量。
2.1.2 SOIR因子定义与逻辑
SOIR(i)在第i档计算买卖委托量不均衡程度 = (买委托量 - 卖委托量) / (买委托量 + 卖委托量),最终将五档加权平均合成为综合SOIR因子,权重设定逐渐衰减,靠近买卖价档位权重更高,体现市场对价格最接近委托的档位更敏感。该因子的基本假设是买委托量的增加预示多头力量增强,未来价格上升概率较大,反之亦然。SOIR可视作对传统OIR因子的改进,避免被某档委托量绝对值过大所掩盖的买卖失衡信息。
2.1.3 MPC因子定义与逻辑
MPC因子衡量盘口中间价M_t的短期百分比变化率:
MPCt,k=Mt−kMt−Mt−k,Mt=2PtB+PtA
其中PtB, PtA分别为买一价和卖一价。MPC以不同k取值(1分钟、5分钟等)捕捉中间价的动量及极端波动。因市场大单、撤单、挂单变化会引起中间价变动,MPC反映交易者最新的市场预期。正值代表价格上涨趋势。还引入了偏度(skew)和最大值(max)因子,以量化中间价变动的非对称极端性,揭示潜在的市场操纵或主力脱水行为。
2.2 高频转低频的方法与逻辑
将高频(分钟级)因子进行截面标准化剔除市场整体影响后,通过等权平均转化为日频数据,再通过距离调仓日的衰减加权方法合成为月频因子。此过程兼顾信息时效性,确保选股信号贴合实际投资调仓周期。经实践验证,此转化方法能够最大化保留高频因子的有效信号,同时符合低频投资逻辑。
2.3 高频与低频因子表现差异及反转逻辑
- SOIR类因子在分钟高频层面IC均值显著为正,且靠近买卖价档位的档数IC较高,符合预期市场微结构中订单失衡推动价格短期波动的观点。
- MPC1因子在高频表现为正相关,但MPC5因子则高频层面IC接近零甚至负相关。
- 重要发现是高频因子降频(月频)后,SOIR和MPC因子均表现为负相关,这一逻辑反转源于散户追涨杀跌行为和主力短时操纵。短期如冲高回落现象,导致长期价格反转风险增加,从而使长期(低频)信号和高频信号相关方向相反。
2.4 因子相关性分析
报告中详细统计了14个SOIR和MPC因子与传统估值(BP_LR、SP_TTM)、动量(Momentum 1m/3m/6m/12m)、流动性(TurnoverAvg)、波动度(Volatility)等因子的相关性。结果显示:
- SOIR类因子与动量因子相关较强,但与流通市值关联弱,无需做大小市值中性化处理。
- MPC类因子与部分估值因子和动量因子存在较强相关,有些极端指标(偏度skew)与常用因子相关较低,表现出独立的市场信息维度,具备补充价值。
2.5 高频订单失衡及价差因子回测测试结果
采用2010年初至2020年7月的十年全市场数据,进行单因子月频调仓回测,剔除非正常交易(停牌、一字板、ST等)。主要结果如下:
- SOIR系列:
- SOIR1因子IC均值-2.68%,年化多空收益率8.63%,夏普比率0.88,表现一般。
- SOIR2、SOIR3、SOIR4、SOIR5因子依次提升,IC均值从-4.18%到-5.37%,对应年化多空收益从17.89%到21.81%,夏普比率达到2.41,显示较好选股能力。
- MPC系列:
- MPC1_neut经过中性化后表现亮眼,IC均值-6.81%,年化多空收益26.99%,夏普比率2.66。
- MPC5_neut尤为突出,IC均值-7.26%,年化多空收益率高达30.63%,夏普比率2.88,稳健且收益丰厚。
- 其他如MPC1_max、MPC5_max、MPC1_skew、MPC5_skew等因子也均表现良好,年化多空收益大多在15%-24%之间,夏普比率均在1.68以上,表明极端变动统计信息亦具投资价值。~16]
2.6 不同市场样本池测试
- 在中证500和沪深300市场样本中,因子表现依然稳定,年化多空收益大多超过10%,部分因子(如MPC5_skew)收益高达12.35%-18%。
- 说明因子具有一定的市场普适性和稳定性,适合应用于主要市场指数成份股群体。
3. 图表深度解读
图1 & 图2:股票A盘口数据及SOIR因子高频逻辑(page 4)
- 图1展示了2020年7月1日上午9:57时某股票盘口买卖档位的买卖委托量及计算出的SOIR值。
- SOIR1和SOIR3显著为正,表明买委托量较卖委托量大,产生买入信号。
- SOIR4出现卖出信号,但加权合成后的整体SOIR因子为正(0.64),预测下一分钟股价上涨。
- 图2显示该股SOIR因子与后续成交价格涨幅的时间演变关系,SOIR因子峰值对应后续1分钟3.57%的收益,最终该股在9:59涨停。
- 说明SOIR因子在分钟级别具有较强的短期价格预测能力。
图3 & 图4:股票B盘口数据与分钟成交量(page 5-6)
- 图3展示盘中9:51与9:52点,股票B的盘口价格及委托量,9:52时MPC1达到2.23%。
- 图4成交量迅速放大,主要为主动买入单,推动中间价大幅上升。
- 该变动使该股后一交易分钟收益率达1.34%。
- 图5演示MPC因子与股价涨幅高度相关的逻辑。
- 反映MPC因子能够捕捉主力大买盘导致的价格快速变动信号,具有良好短期预期效果。
表1 & 表2:SOIR与MPC高频与低频IC对照表(page 8-9)
- 表中可明确看到SOIR因子分钟IC均为正,月频IC均为负,且随着价位层级后移,IC逐渐递减。
- MPC1分钟IC为显著正数9.4%,但MPC5分钟IC略为负,月频IC均显著负。
- 直观显示因子频率变化导致信号方向反转现象,提示投资者短期与长期持有策略需差异化设计。
表3:高频订单失衡及价差因子与常用因子相关性(page 10)
- 表3展示了SOIR和MPC因子与基本面、动量、波动率等传统因子的相关系数。
- 股票流通市值LnFloatCap与高频因子低相关。
- SOIR因子与中长期动量因子存在较高正相关。
- MPC因子类多与估值(BP_LR)、成交量特征正相关。
- MPC偏度因子与大多数传统因子相关较低,代表提供了独立信息,有助于丰富多因子模型。
图7-图11:SOIR1至SOIR5因子单因子表现曲线(page 11-13)
- 逐步观察SOIR各档因子均IC均值及收益表现从低到高。
- SOIR1因子IC-2.68%,收益8.63%,表现一般。
- SOIR5因子IC-5.37%,收益21.32%,夏普达2.41,投资价值明显。
- 因子表现验证了赋予价格附近档位较高权重的合理性。
- 选股组合盈利表现曲线稳步上行,胜率均超过60%。
图15、图16:MPC5和MPC5_neut因子表现(page 15)
- MPC5_neut因子经中性化处理后IC均值达到-7.26%,年化收益30.63%,夏普比率2.88,是所有因子中最优。
- 组合净值曲线持续上涨,波动较低,最大回撤仅7.06%,收益回撤比高达4.2,充分体现该因子具备优秀的风险收益比。
- MPC5因子经过中性化后信号增强,表明剔除市场整体走势影响对于因子提纯效果显著。
图17、图19:MPC1_max及MPC5_max因子曲线表现(page 15-16)
- MPC1_max因子IC均值-8.1%,年化收益20.02%,夏普1.68。
- MPC5_max因子IC均值-9.39%,年化收益24.01%,夏普比率1.94。
- 显示中间价极端最大波动因子同样具备优良的选股信号。
- 该类因子反应主力大单引起的价格非正常波动现象,从中发掘信息价值。
图18、图20:MPC1_skew、MPC5_skew因子表现(page 16)
- MPC5_skew因子IC均值-6.66%,年度多空收益20.67%,夏普率高达3.07。
- MPC1_skew因子收益15.32%,夏普率2.89。
- 反映价格变化的偏度(偏斜)捕获到风险偏好异动及市场极端情绪的动态,可以用于量化策略风险调控。
4. 估值分析
报告主要关注因子效能的统计检验(IC、IR、年化收益和夏普比率),未涉及传统公司估值模型(如DCF、P/E等)。因子评价指标以信息系数(IC)、年化信息比率(IR)、以及风险调整后的收益(夏普比率)为核心,确保选股策略的风控能力和稳定性。
相关参数及解释:
- IC均值:因子与未来收益的相关系数均值,绝对值越大(负相关时考虑信号极性)因子预测力越强。
- 年化IR:信息比率,衡量因子收益的稳定性和有效性。
- 夏普比率:风险调整后收益度量,越高表示风险控制越好。
- 胜率:多空组合胜利的时间比例。
报告中均使用月频调仓,回测期限长达10年,充分考虑了极值处理和缺失值剔除,确保了估值分析的全面与稳健。~16]
5. 风险因素评估
- 模型过拟合风险:由于模型基于历史高频数据,存在市场环境变化导致模型失效的可能,报告明确提示模型有失效风险。
- 频率转化逻辑风险:高频逻辑与低频表现方向反转,若策略未能合理切换频率,可能导致实盘亏损。
- 市场结构变化风险:盘口行为受市场规制、主力行为变化影响,模型在不同时间段或市场环境下需要重新校准。
报告未细致列出具体缓解措施,但强调因子的稳健性检验和多年回测的实证力度,提示实际应用中需持续跟踪并动态调整模型。
6. 批判性视角与细微差别
- 报告极力强调因子有效性和选股能力,但因子IC均为负值(表明负相关),为了得到可用信号,交易者需要做反向排序,使用反向信号进行投资,需投资者理解这一重要特征。
- 高频因子转低频后逻辑反转的现象是固有的市场行为反映,提醒读者不要盲目直译高频信号,需要结合投资策略周期进行判断。
- 因子与动量因子相关性较高,可能存在信息重叠风险,多因子模型组合需考虑因子间多重共线性。
- 男人频数据采集、清洗、标准化等细节未详列,实际应用中数据质量和计算方式可能大幅影响结果。
- 缺乏对策略交易成本、滑点和市场冲击成本的分析,这在高频交易中尤为重要,报告仅限学术检验,应用前需预估这些因素对策略回报的影响。
- 报告使用的样本为全市场,未区分行业、市场板块的异质性,某些因子在特定细分市场表现可能不同。
总体报告架构完整,假设合理,但投资者务必结合实际交易环境做进一步验证。~19]
7. 结论性综合
本报告系统构建了高频订单失衡率(SOIR)和中间价变化率(MPC)两大类选股因子,覆盖盘口多档位委托与价格动态的细节,利用高频资金流动和成交信息捕捉市场预期细微变化。
核心发现包括:
- 高频SOIR因子在分钟层面IC均显示正相关,且靠近买卖一档委托失衡信息预测能力更强;降频后与收益率反向,因市场散户追涨杀跌和主力短期操纵引起。
- MPC因子动态展示市场中间价变动的预期信号,尤其是中间价的极端波动(最大值、偏度)同样含有显著的投资信息。
- 高频因子到低频的频率转化采用标准化加权方法,保持了因子时效与信号强度的平衡,在回测中展现优异的选股性能。
- 14个因子回测结果均显示显著的IC均值和正向的年化多空收益,多数因子的年化多空收益超10%,最高峰值为MPC5_neut因子年化收益超30%,夏普比率2.88,风险调整回报极具吸引力。
- 因子在沪深300、中证500等主要市场样本内表现稳健,验证了其市场普适性和策略可信度。
- 因子与经典动量、估值因子呈一定相关,但各具独立信息维度,丰富了多因子选股框架。
总体看,高频盘口数据蕴含大量被市场参与者忽视的信息,通过合理建模可转化为强有力的选股因子,本文为相关量化投资策略提供了理论依据和实证支持。报告为高频量价因子研究开拓了新的视角,展现了高频数据与传统低频选股策略的有效结合路径。
建议投资者关注因子的频率匹配与策略适用期,结合市场环境调整,合理应对频率转化带来的信号反转风险。未来工作可结合交易成本、策略组合优化及动态因子调仓提升策略的实际可执行性和收益稳健性。
(全文总字数约2200字)
附:重要图表示例说明
图示说明:图中SOIR因子快速上升对应股价快速上涨,显示SOIR因子与短期价格动量高度相关。
图示说明:MPC5_neut因子净值曲线持续稳健上涨,风险指标优良,展现了因子的强大选股能力。
以上即报告的系统解读,依据报告内容逐层解析结构与数据,兼顾理论与实证,确保深度全面。