20210228-开源证券-金融工程定期报告_交易行为因子绩效月报_11页_935kb
报告摘要
金融工程研究团队与交易行为因子总结
团队成员
-
魏建榕(首席分析师)
邮箱:weijianrong@kysec.cn
证书编号:S0790519120001 -
张翔(分析师)
邮箱:zhangxiang2@kysec.cn
证书编号:S0790520110001 -
傅开波(分析师)
邮箱:fukaibo@kysec.cn
证书编号:S0790520090003 -
高鹏(分析师)
邮箱:gaopeng@kysec.cn
证书编号:S0790520090002 -
苏俊豪(研究员)
邮箱:sujunhao@kysec.cn
证书编号:S0790120020012 -
胡亮勇(研究员)
邮箱:huliangyong@kysec.cn
证书编号:S0790120030040 -
王志豪(研究员)
邮箱:wangzhihao@kysec.cn
证书编号:S0790120070080
核心内容与主要观点
交易行为因子概述
金融工程研究团队基于“稳健的交易行为模式中蕴藏稳健的 alpha 源”的理念,提出了一系列基于交易行为的选股因子,包括:
- 理想反转因子:通过分析每日平均单笔成交金额,识别出反转属性最强的交易日。
- 聪明钱因子:基于分钟行情数据,识别机构交易行为,构造跟踪聪明钱的因子。
- APM因子:衡量日内不同时间段(上午/下午)交易行为的差异。
- 理想振幅因子:基于股价维度切割振幅信息,识别不同价态下的振幅差异。
这些因子被定期跟踪,以监控交易行为类因子的动态表现。
交易行为因子绩效回顾
全历史区间表现
| 因子名称 | IC均值 | RankIC均值 | 信息比率 | 多空对冲月度胜率 |
|---|---|---|---|---|
| 理想反转因子 | -0.054 | -0.066 | 2.78 | 79.39% |
| 聪明钱因子 | -0.04 | -0.06 | 2.92 | 80.65% |
| APM因子 | 0.034 | 0.035 | 2.46 | 77.42% |
| 理想振幅因子 | -0.06 | -0.076 | 3.46 | 87.69% |
| 交易行为合成因子 | 0.079 | 0.100 | 3.99 | 86.08% |
2021年2月表现
| 因子名称 | 多空对冲收益 | 近12个月多空对冲月度胜率 |
|---|---|---|
| 理想反转因子 | 0.89% | 75% |
| 聪明钱因子 | 1.52% | 66.67% |
| APM因子 | -0.13% | 66.67% |
| 理想振幅因子 | 1.11% | 83.33% |
| 交易行为合成因子 | 1.22% | 83.33% |
交易行为合成因子表现
- 全历史区间:IC均值为 0.079,RankIC均值为 0.100,信息比率为 3.99,多空对冲月度胜率为 86.08%。
- 2021年2月:多空对冲收益为 1.22%,近12个月多空对冲月度胜率为 83.33%。
- 多头对冲各组均值:年化收益率为 10.21%,收益波动比为 3.07,月度胜率为 83.54%。
- 不同样本空间表现:合成因子在中证1000中的信息比率优于中证800,分别为 4.15 和 1.29。
交易行为因子构造方法
理想反转因子
- 回溯股票过去20日数据;
- 计算每日平均单笔成交金额;
- 取单笔成交金额高的10个交易日涨跌幅总和(M_high);
- 取单笔成交金额低的10个交易日涨跌幅总和(M_low);
- 理想反转因子 = M_high - M_low。
聪明钱因子
- 回溯股票过去10日分钟行情数据;
- 构造指标 $S_t = \frac{|R_t|}{V_t^{0.25}}$,其中 $R_t$ 为第 t 分钟涨跌幅,$V_t$ 为第 t 分钟成交量;
- 按照 $S_t$ 排序,取成交量累积占比前20%的分钟视为聪明钱交易;
- 计算聪明钱交易的成交量加权平均价(VWAP_smart);
- 计算所有交易的成交量加权平均价(VWAP_all);
- 聪明钱因子 = VWAP_smart / VWAP_all。
APM因子
- 回溯股票过去20日数据,分别计算隔夜和下午的收益率;
- 回归模型:$r_i = \alpha + \beta R_i + \varepsilon_i$,得到残差项 $\varepsilon_i$;
- 计算每日隔夜与下午残差的差值 $\delta_t = \varepsilon_t^{am} - \varepsilon_t^{pm}$;
- 构造统计量 $stat = \frac{\mu(\delta_t)}{\sigma(\delta_t)/\sqrt{N}}$;
- 横截面回归:$stat_j = b\text{Ret}20_j + \varepsilon_j$,残差项 $\varepsilon$ 作为 APM 因子。
理想振幅因子
- 回溯股票最近20个交易日数据,计算每日振幅(最高价/最低价-1);
- 选择收盘价较高的25%交易日,计算振幅均值得到高价振幅因子(V_high);
- 选择收盘价较低的25%交易日,计算振幅均值得到低价振幅因子(V_low);
- 理想振幅因子 = V_high - V_low。
风险提示
- 模型测试基于历史数据,市场未来可能发生变化。
- 本报告适用投资者为专业投资者及风险承受能力为 C2、C3、C4、C5 的普通投资者。
- 本报告不构成私人咨询建议,投资者应自行判断是否适合其投资目标与财务状况。
法律声明
- 本报告仅供开源证券客户使用,非客户请勿接收或使用。
- 本报告基于公开信息,不保证其准确性或完整性。
- 本报告内容不构成投资建议,开源证券不对因使用本报告内容所导致的损失负责。
- 本报告可能包含外部链接,开源证券不对其内容负责。
估值与分析方法的局限性
- 本报告的分析基于假设,不同假设可能导致结果差异。
- 各种估值方法及模型均有其局限性,估值结果不保证证券能够在该价格交易。
- 投资决策应结合个人实际情况,如持仓结构及其他因素。
投资评级说明
| 证券评级 | 说明 |
|---|---|
| 买入 | 相对强于市场表现20%以上 |
| 增持 | 相对强于市场表现5%~20% |
| 中性 | 相对市场表现在-5%~+5%之间 |
| 减持 | 相对弱于市场表现5%以下 |
| 行业评级 | 说明 |
|---|---|
| 看好 | 行业超越整体市场表现 |
| 中性 | 行业与整体市场表现基本持平 |
| 看淡 | 行业弱于整体市场表现 |
备注:投资评级为相对评级体系,仅表示投资的相对比重建议,不构成唯一决策依据。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载