20210730-开源证券-金融工程定期报告_交易行为因子绩效月报（2021年7月）_11页_956kb

金融工程研究团队交易行为因子总结

核心内容

本报告由开源证券金融工程研究团队发布，主要围绕交易行为因子的构造与绩效分析展开。团队成员包括首席分析师魏建榕及多位分析师与研究员，致力于通过研究交易行为模式挖掘稳健的alpha源。报告中介绍了多个基于交易行为的选股因子，包括理想反转因子、聪明钱因子、APM因子和理想振幅因子，并对其全历史区间表现和2021年7月的表现进行了分析。此外，还对交易行为合成因子的绩效进行了总结。

主要观点

• 交易行为因子是基于市场微观结构数据构建的选股工具，能够捕捉市场参与者的行为特征，从而预测股票的未来表现。
• 通过分析交易行为，团队发现不同时间段、成交量与价格波动等指标可作为构建因子的基础。
• 合成因子是通过对多个交易行为因子进行加权，以期获得更稳健的投资信号。

关键信息

交易行为因子概述

• 理想反转因子：基于大单成交判断反转力度，通过切割高、低成交金额的交易日来识别反转属性。
• 聪明钱因子：利用分钟行情数据中的价量信息识别机构交易行为，构造出跟踪聪明钱的因子。
• APM因子：衡量股价行为在上午与下午的差异程度，通过残差分析捕捉市场结构变化。
• 理想振幅因子：基于股价高低状态切割振幅信息，识别不同价态下的市场波动特征。

交易行为因子绩效回顾（全历史区间）

2021年7月表现

合成因子表现

• 合成因子在全历史区间内表现稳健，IC均值为0.075，rankIC均值为0.096，信息比率为3.61，多空对冲月度胜率为84.52%。
• 在中证1000样本空间中，合成因子的信息比率显著优于中证800样本空间（3.81 vs 1.14），说明其对中小股票的预测能力更强。

风险提示

• 模型测试基于历史数据，未来市场环境可能发生变化，导致因子表现不一致。
• 报告中提及的投资建议不构成个人投资决策的唯一依据，需结合投资者自身情况及市场变化进行综合判断。

构造方法简述

理想反转因子

1. 回溯取股票过去20日数据。
2. 计算每日平均单笔成交金额。
3. 分别计算高成交金额和低成交金额交易日的涨跌幅总和。
4. 理想反转因子 = 高成交金额日涨跌幅总和 - 低成交金额日涨跌幅总和。

聪明钱因子

1. 回溯取股票过去10日的分钟行情数据。
2. 构造指标 $ S_t = \frac{|R_t|}{(V_t)^{0.25}} $。
3. 按照 $ S_t $ 排序，取成交量累积占比前20%的分钟数据。
4. 计算聪明钱交易的VWAP与全部交易的VWAP之比。

APM因子

1. 回溯取股票过去20日数据。
2. 计算隔夜与下午的股票及指数收益率。
3. 进行回归分析，得到残差项。
4. 计算隔夜与下午残差的差异。
5. 构造统计量 $ \text{stat} = \frac{\mu(\delta_t)}{\sigma(\delta_t)/\sqrt{N}} $。
6. 对动量因子进行横截面回归，得到残差作为APM因子。

理想振幅因子

1. 回溯取股票最近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. 理想振幅因子 = 高价振幅因子 - 低价振幅因子。

其他信息

• 报告强调，交易行为因子的构造与应用需结合市场实际情况，避免单一依赖。
• 报告中包含的图表展示了各因子在不同时间段内的表现，有助于进一步理解其动态变化。
• 投资者需注意，本报告仅适用于专业投资者及风险承受能力为C2、C3、C4、C5的普通投资者，非此类投资者应谨慎阅读或咨询独立顾问。