多因子Alpha系列报告之（四十一）：高频价量数据的因子化方法-20210712-广发证券-39页_1mb

报告摘要

本报告围绕高频价量数据构建了46个日频因子，涵盖四个类别：日内价格相关因子、日内价量相关因子、盘前信息因子、特定时段采样因子。通过IC测试和多空收益检验，筛选出12个表现较好的因子，并分析其在全市场和中证500指数成分股中的选股能力。

高频因子优势：与低频因子相比，高频因子具有较低的拥挤度、较好的多样性以及更多的独立样本，有利于提升选股能力。
因子构建方法：采用两步法构建因子：首先对日内数据进行计算，生成日频因子；然后通过MA5平滑处理，增强因子对未来收益的预测能力。
因子表现差异：部分因子在扣除交易成本后超额收益下降明显，且多数因子的负Alpha收益显著高于正Alpha收益，仅有Amihud_illiq因子表现出较强的正Alpha收益。
因子筛选结果：筛选出的12个因子包括real_skew、ret_intraday、ratio_volumeH8、corr_VP、corr_VRlag、Amihud_illiq、ret_open2AH1、ret_open2AL1、ret_H8、real_skewlarge、corr_VPlarge、corr_VRlaglarge。
因子分类：
- 日内价格相关因子：由日内收益率的高阶统计量和价格形态衍生，共计10个因子。
- 日内价量相关因子：基于成交量分布和价量关系，共计13个因子。
- 盘前信息因子：利用开盘集合竞价信息，共计7个因子。
- 特定时段采样因子：从尾盘或大成交量时段提取，共计16个因子。

因子构建流程：先计算日频因子，再进行MA5平滑处理。
性能指标：
- IC：因子与未来收益的秩相关系数。
- IC胜率：IC值与因子方向一致的比例。
- 年化ICIR：IC均值与标准差的比值年化。
- 多空超额收益率：因子多头组合收益相对空头组合的年化超额。
- 正Alpha与负Alpha：因子多头与空头组合相对于股票池平均收益的超额收益。

因子计算方法：基于收益率的高阶统计量（方差、偏度、峰度）和价格形态（趋势占比、日内收益率、最大回撤）。
因子表现：
- real_skew：IC均值为-4.48%，胜率为79.46%，年化ICIR为5.05。
- ret_intraday：IC均值为-4.94%，胜率为64.68%，年化ICIR为2.66。
- MA5平滑后因子表现更优：real_skew和ret_intraday的MA5平滑后表现显著优于原始因子。
相关性分析：与低频风格因子（对数市值、动量、波动率、换手率）相关性较低，但部分因子如real_upvar、real_downvar与波动率相关性较高。

因子计算方法：基于成交量分布和价量关系，包括ratio_volumeH1~ratio_volumeH8、corr_VP、corr_VR、corr_VRlag、corr_VRlead、Amihud_illiq。
因子表现：
- ratio_volumeH4：IC均值为3.73%，胜率为78.20%，年化ICIR为4.42。
- corr_VP：IC均值为-6.15%，胜率为76.58%，年化ICIR为4.74。
- corr_VRlag：IC均值为-5.46%，胜率为69.91%，年化ICIR为3.76。
- Amihud_illiq：IC均值为6.57%，胜率为72.61%，年化ICIR为3.68。
多空收益表现：多数因子的负Alpha收益显著高于正Alpha收益，仅Amihud_illiq因子的正负Alpha收益接近。
中性化后表现：中性化后，部分因子如Amihud_illiq表现下降明显，而ratio_volumeH8和corr_VP受影响较小。

因子计算方法：基于隔夜收益率和开盘前集合竞价信息，包括ret_overnight、ret_open2AH1、ret_open2AL1、ret_open2AH2、ret_open2AL2、diverge_A1、diverge_A2。
因子表现：
- ret_overnight：IC均值为-4.41%，胜率为79.46%，年化ICIR为4.36。
- ret_open2AH1：IC均值为3.27%，胜率为55.15%，年化ICIR为4.17。
- ret_open2AL1：IC均值为2.28%，胜率为64.20%，年化ICIR为3.97。
中性化后表现：MA5平滑对盘前信息因子的预测能力提升有限，但ret_overnight、ret_open2AH1、ret_open2AL1的多空收益表现相对较好。