“高频寻踪”系列之二：轻装上阵，高频数据因子的应用-20210107-招商证券-45页_2mb

轻装上阵，高频数据因子的应用总结

核心内容

本报告围绕“指令流毒性”（VPIN）因子进行再探索，重点分析其在高频数据下的应用效果，并提出改进因子的VWPIN模型，以解决VPIN在实践中的局限性。

VPIN因子再探索

• 缩短预测周期：将因子的预测周期从月频缩短至周频，显著提升了因子的多空组合收益。
• 高频因子结合方式：探索了两种结合方式，即“直接赋权”和“空头剔除”，以提高因子的选股能力。

VWPIN因子构建与效果

• VWPIN因子定义：基于VPIN模型改进而来，通过交易量加权的方式计算订单流的不平衡性，避免了交易量篮子划分的算力消耗问题。

• 计算方式：
  $$
  V W P I N = \sum_ {i = 1} ^ {4 8} w _ {i} (| \Delta R _ {i} |) ^ {8}
  $$
  其中，$w_i$ 为第 $i$ 个5分钟时段成交量占当日交易量的比例，$\Delta R_i$ 为第 $i$ 个5分钟时段的个股收益率。

• 改进优势：

  • 无需划分交易量篮子，减少计算复杂度。
  • 通过设置 $\zeta = 8$，提高对高价格波动的捕捉能力，增强因子的信号强度。

VPIN因子的多空组合表现

• 全A样本：
  • 月频多空组合：总收益221.09%，年化收益24.45%，年化波动20.74%，Sharpe比率1.0825，最大回撤14.74%。
  • 周频多空组合：总收益298.41%，年化收益26.87%，年化波动19.62%，Sharpe比率1.2678，最大回撤26.44%。
• 沪深300成分股：
  • 月频多空组合：总收益93.84%，年化收益13.21%，年化波动8.80%，Sharpe比率1.2736，最大回撤8.25%。
• 中证500成分股：
  • 月频多空组合：总收益93.33%，年化收益13.16%，年化波动10.64%，Sharpe比率1.0490，最大回撤13.08%。

VPIN因子与风格因子的结合效果

• 直接赋权：将VPIN因子与6个大类风格因子结合，提升了多空组合的总收益与年化收益，Sharpe比率提升0.14，最大回撤减少。
• 剥离相关因子：由于VPIN与市值、交易行为等因子具有较高相关性，因此剥离这些因子后，进一步提升了模型效果。

空头剔除方式

• 事前剔除：以10%为空头阈值，剔除VPIN因子值大于90%分位数的股票，提升多空组合的收益。
• 事后剔除：在构建投资组合后剔除空头股票，同样对多头收益有显著提升。

高频因子的局限性

• 实践局限：
  • 交易量篮子划分可能引入未来信息，存在争议。
  • 计算复杂度高，对算力要求较高。
• 理论局限：
  • VPIN在某些资产中存在偏差，无法精确衡量知情交易者的存在。

主要观点

• VPIN因子能够有效预测市场流动性风险，并在A股市场中展现出一定的选股能力。
• 缩短预测周期至周频，有助于提升因子的多空组合收益。
• 通过“直接赋权”和“空头剔除”方式，能够进一步优化因子的选股效果。
• VWPIN因子作为VPIN的改进版本，具备更高的实用性，减少了计算复杂度并提升了因子对价格波动的捕捉能力。
• $\zeta = 8$ 被认为是VWPIN因子的最佳取值，能够有效提升因子信号强度。
• 与传统因子结合后，模型整体表现有所提升，但收益提升幅度有限。

关键信息

• 样本选择：全A、沪深300、中证500成分股，剔除ST股票和上市不足20个交易日的个股。
• 数据频率：使用分钟级别数据，计算因子暴露度。
• 因子分组表现：
  • 月频：第1组总收益194.12%，年化收益22.42%，年化波动13.74%，Sharpe比率1.4858。
  • 周频：第1组总收益235.19%，年化收益23.15%，年化波动33.58%，Sharpe比率0.6299。
• 因子IC序列表现：
  • 月频：IC均值0.098，IR 0.807。
  • 周频：IC均值0.082，IR 0.7370。
• 风险提示：模型基于历史数据构建，若未来市场环境发生重大变化，存在失效风险。

总结

本报告通过探索高频数据因子的应用方式，验证了VPIN因子在A股市场的有效性，并提出VWPIN因子作为改进模型。通过缩短预测周期、直接赋权、空头剔除等方式，提升了因子的多空收益表现。尽管VWPIN因子在计算效率和信号强度方面有所提升，但整体收益提升幅度有限。因此，高频因子的应用仍需结合其他传统因子进行优化，以实现更稳定的超额收益。