市场微观结构探析系列之四：结合中高频信息的指数增强策略-20200514-天风证券-28页_1mb

金融工程：结合中高频信息的指数增强策略总结

核心内容概述

本报告探讨了如何通过中高频数据构建长周期alpha因子，并将其应用于指数增强策略，以提升组合收益。报告指出，数据频率与预测宽度之间存在天然隔阂，高频数据虽能捕捉更多市场微观信息，但其时间序列自相关性较低，因此需要通过变频处理以构建具有稳定预测能力的长周期因子。

主要观点

• 数据频率与预测宽度：高频数据的自相关性较低，因此构建长周期alpha因子需要通过特定的变频方式，如日度和月度降频。
• 公式化Alpha因子：通过将因子构建流程公式化，可以批量生成长周期alpha因子，提高因子挖掘效率。
• 因子构建流程：包括信号生成、日度降频、月度降频三个步骤，其中信号生成可通过手工或算法实现。
• 因子表现：构建的10个长周期alpha因子在多个股票池中表现出稳定的选股能力，平均IC均值为4.0%，ICIR达到3.16。
• 指数增强效果：中证500和沪深300指数增强组合在2011年以来分别实现了年化超额收益率24.5%和12.2%，信息比分别为4.21和2.87，中高频信息显著提升了组合表现。

关键信息

数据变频方式

• 日度降频方式：包括timestamp、max_name、min_name、div_name、diff_name、sortmeandiv_name、sortmeandiff_name、mean_kline等。
• 月度降频方式：包括mean、std、min、max、mean/std、diff等。

公式化Alpha因子结构

$$
factor = Alpha(formula, dailyTrans, monthlyTrans, windows)
$$

• formula：初始日内中高频信号。
• dailyTrans：日内信号到日度因子的转换方式。
• monthlyTrans：日度因子到月度因子的二次转换方式。
• windows：滚动窗口长度。

长周期alpha因子

• Alpha1：度量股价尾盘涨跌幅在日内的排序，尾盘拉升幅度大的股票更可能被操纵，未来收益较低。
• Alpha2：度量午盘收益的信息比率，信息比率高的股票未来反转概率更大。
• Alpha3：度量隔日跳空高开幅度，动量效应明显，高开幅度大意味着更多信息含量。
• Alpha4：度量不同成交量情境下的振幅差异，成交量高的K线振幅越大，未来收益不确定性越高。
• Alpha5：度量日均价与日内各K线均价比值的均值，因子越小意味着低位建仓可能性越大。
• Alpha6：度量尾盘成交额在日内的排序，尾盘成交额越大，股价被操控可能性越高。
• Alpha7：度量早盘换手率，换手率高的股票更可能被操控。
• Alpha8：度量尾盘换手率，相较于Alpha6，它在截面上度量股票间的换手率差异。
• Alpha9：度量不同涨跌幅情境下的价差，价差越大未来收益越高。
• Alpha10：度量日内最高价与收益率的相关性，日内涨跌幅高但未创新高的股票未来收益率较低。

因子表现

• 平均表现：平均IC均值为4.0%，ICIR达到3.16，多空收益为13.6%，多头收益为6.8%。
• 各因子表现：
  • Alpha1：多空收益15.4%，多头超额7.5%，ICIR为3.93。
  • Alpha2：多空收益13.8%，多头超额6.5%，ICIR为-2.80。
  • Alpha3：多空收益9.8%，多头超额7.0%，ICIR为3.45。
  • Alpha4：多空收益9.9%，多头超额4.2%，ICIR为2.67。
  • Alpha5：多空收益13.8%，多头超额7.4%，ICIR为-4.30。
  • Alpha6：多空收益18.4%，多头超额7.9%，ICIR为-2.46。

指数增强策略

• 中证500指数增强组合：年化超额收益率24.5%，信息比4.21，中高频信息提升了组合收益3.9%和信息比0.59。
• 沪深300指数增强组合：年化超额收益率12.2%，信息比2.87，中高频信息提升了组合收益2.4%和信息比0.42。

风险提示

• 因子失效风险：因子可能因市场变化而失效。
• 模型失效风险：模型在特定市场环境下可能表现不佳。
• 市场风格变动风险：市场风格变化可能影响因子表现。

作者信息

• 吴先兴：分析师，SAC执业证书编号：S1110516120001，邮箱：wuxianxing@tfzq.com
• 缪铃凯：联系人，邮箱：miaolingkai@tfzq.com

相关报告

1. 《金融工程：市场微观结构探析系列之三：分时K线中的alpha》2020-02-25
2. 《金融工程：市场微观结构探析系列之二：订单簿上的alpha》2019-09-05

图表与表格

• 图表：

  • 图1：SUE指标ICIR及自相关
  • 图2：-1*ts_Max(3,Rank(Return))指标ICIR及自相关
  • 图3：成交量对盘口Spread冲击
  • 图4：日频Spread与市场beta相关性
  • 图5：从高频信号到因子构建流程
  • 图6：遗传算法流程
  • 图7-图26：各因子分组收益与多空净值
  • 图27：因子相关性热力图
  • 图28-图31：指数增强组合净值与对比
  • 图32：因子换手率分析
  • 图33：组合换手率分析

• 表格：

  • 表1：特征及其描述
  • 表2：算子公式及描述
  • 表3：日度降频公式
  • 表4：月度降频公式
  • 表5：指标盈利逻辑
  • 表6-表25：各因子历史绩效
  • 表26：因子列表
  • 表27：因子打分对比
  • 表28-表31：指数增强组合绩效
  • 表32：组合换手率对比