20251113-国盛证券-_量价淘金_选股因子系列研究（十四）_高频数据+离散化_理念的具体实践-基于流动性冲击事件的逐笔羊群效应因子_24页_1mb

逐笔羊群效应因子簇构建与研究

1. 研究背景与目标
   在Alpha获取难度增加的背景下，国盛金工提出“因子簇”研究理念，通过系统性挖掘单一交易行为的多维度特征，快速生成增量因子。本报告聚焦“羊群效应”，展示如何在逐笔交易数据层面，结合流动性冲击事件识别和量价特征定义，构建有效因子簇。

2. 因子构建流程

   • 事件识别：
     • 基于逐笔委托数据，识别激进程度（如类型1-5买单，按价格/量关系划分）的流动性事件。
     • 基于逐笔成交数据，定义主买/卖成交量、价格变动等事件作为趋势资金行动代理。
   • 因子定义：
     • 综合使用委托量、成交量、关键数据间隔、不平衡指标、量价相关性等，搭配静态/动态对比（趋势资金点/事件前点），生成超过6000种因子构造方式。
   • 因子簇筛选：
     • 构建约2万个因子，通过IC、ICIR和相关性筛选，最终保留50个低相关且有效因子，即“逐笔羊群效应因子簇”。

3. 实证表现

   • 因子簇表现：
     • 回测（2016-2025年）年化ICIR绝对值均超过2，簇综合因子年化ICIR达3.74，10分组多空策略年化收益44.26%。
   • 纯净因子验证：
     • 剔除市场风格和行业影响后，因子仍有效，年化ICIR达3.33，信息比率3.07。
   • 指数增强应用：
     • 用于沪深300、中证500、中证1000增强策略，年化超额收益分别为8.89%、13.46%、17.23%，信息比率2.54-3.61。

4. 方法论创新

   • 采用“逐笔数据+离散化定义”框架，强调高频原始数据的深度挖掘，规避分钟级因子的衰减问题。
   • 通过事件簇规模化生产，实现因子构建的批量化和效率提升。

5. 风险提示

   • 风险提示：模型依赖历史数据，未来市场环境变化可能导致失效。

结论
本报告展示了逐笔羊群效应因子簇的有效性与商业化潜力，验证了在高频数据层面采用离散化构建方式的必要性，为Alpha因子生产提供新思路。