20210402-开源证券-金融工程定期报告_交易行为因子绩效月报（2021年3月）_11页_1019kb

金融工程研究团队及交易行为因子总结

核心内容概述

本报告由开源证券金融工程研究团队发布，团队成员包括首席分析师魏建榕以及多位分析师和研究员。报告聚焦于交易行为因子的构建与绩效分析，提出了包括理想反转因子、聪明钱因子、APM因子和理想振幅因子在内的多个因子模型，并通过合成因子进一步提升选股效果。因子的构造基于交易行为的微观结构，如大单成交、分钟行情价量信息、日内时段差异及股价振幅特征等。

主要观点与关键信息

交易行为因子的逻辑基础

• 理想反转因子：通过分析每日平均单笔成交金额，识别反转属性最强的交易日，反映大单交易对价格反转的影响。
• 聪明钱因子：基于分钟行情数据，通过成交量加权平均价的差异，衡量机构资金的参与程度。
• APM因子：衡量股价行为在上午与下午的差异，反映市场参与者行为模式的变化。
• 理想振幅因子：根据股价的高低位，切割出不同价态下的振幅信息，捕捉结构性差异。

交易行为因子的绩效表现

全历史区间表现

2021年3月表现

合成因子表现

• 交易行为合成因子在全历史区间内表现最优，信息比率为4.0，多空对冲月度胜率为86.25%。
• 合成因子在中证1000样本空间中的表现优于中证800，信息比率分别为4.16和1.33。
• 合成因子的多头对冲各组均值组合年化收益率为10.17%，收益波动比为3.07，月度胜率为83.75%。

因子构造方法

理想反转因子

1. 回溯取过去20日数据；
2. 计算每日平均单笔成交金额；
3. 分别计算高单笔成交金额与低单笔成交金额的10个交易日涨跌幅总和；
4. 用高单笔成交金额的涨跌幅总和减去低单笔成交金额的涨跌幅总和，得到理想反转因子。

聪明钱因子

1. 回溯取过去10日分钟行情数据；
2. 计算指标 $ S_t = |R_t| / (V_t)^{0.25} $；
3. 按 $ S_t $ 排序，取成交量累积占比前20%的分钟视为聪明钱交易；
4. 计算聪明钱交易的VWAP与全部交易的VWAP，其比值为聪明钱因子。

APM因子

1. 回溯取过去20日数据，计算隔夜与下午的股票及指数收益率；
2. 回归得到残差项 $ \varepsilon_i $；
3. 计算隔夜与下午残差的差值 $ \delta_t = \varepsilon_t^{am} - \varepsilon_t^{pm} $；
4. 构造统计量 $ \text{stat} = \mu(\delta_t) / (\sigma(\delta_t) / \sqrt{N}) $；
5. 对动量因子进行横截面回归，取残差作为APM因子。

理想振幅因子

1. 回溯取最近20个交易日数据；
2. 计算每日振幅（最高价/最低价-1）；
3. 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；
4. 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；
5. 用高价振幅因子减去低价振幅因子，得到理想振幅因子。

风险提示

• 模型测试基于历史数据，市场未来可能发生变动，因此因子表现可能不具有持续性。
• 报告内容仅供专业投资者及风险承受能力为C2、C3、C4、C5的普通投资者参考，非专业投资者请勿使用。

附注

• 报告由开源证券研究所发布，包含上海、北京、深圳、西安等多个办公地点。
• 报告中所用的分析、估值方法具有局限性，不保证证券能够按估值价格交易。
• 开源证券保留本报告的全部版权，未经许可不得复制、分发或用于其他用途。