20210901-开源证券-金融工程定期报告_交易行为因子绩效月报（2021年8月）_11页_943kb

金融工程研究团队交易行为因子绩效总结

核心内容

本报告由开源证券金融工程研究团队发布，主要分析了基于交易行为的多个选股因子（理想反转因子、聪明钱因子、APM因子、理想振幅因子及交易行为合成因子）在2021年8月的绩效表现，并回顾了其全历史区间的性能指标。报告旨在为量化投资提供参考，同时强调了模型测试基于历史数据，未来市场可能发生变化的风险提示。

主要观点

• 交易行为因子通过捕捉市场微观结构中的行为模式，为选股提供了新的视角。
• 因子构建基于交易行为的统计分析，包括大单成交、机构参与、日内时段差异、股价振幅等维度。
• 合成因子通过加权多个交易行为因子，提升了整体的选股效果。

关键信息

交易行为因子概述

1. 理想反转因子：基于大单成交判断反转属性，通过高、低单笔成交金额日的涨跌幅差值构造。
2. 聪明钱因子：利用分钟行情数据识别机构交易行为，通过成交量加权平均价的比值衡量。
3. APM因子：衡量日内不同时段（如上午与下午）的交易行为差异，通过残差分析构造。
4. 理想振幅因子：基于股价高低状态切割振幅信息，反映不同价态下的市场波动特征。

全历史区间绩效表现

2021年8月绩效表现

合成因子表现

• 全历史区间：信息比率3.65，多空对冲月度胜率84.71%，年化收益率9.65%，收益波动比2.86。
• 样本空间差异：合成因子在中证1000中的表现优于中证800，信息比率分别为3.85和1.12。

构造方法简述

• 理想反转因子：通过20日数据计算每日平均单笔成交金额，取高、低10日涨跌幅差值。
• 聪明钱因子：基于10日分钟数据，构造 $S_t = |R_t| / (V_t)^{0.25}$，筛选20%的成交量累积分钟，计算VWAP差值。
• APM因子：通过隔夜与下午的收益率数据进行回归，计算残差差值并进行标准化处理。
• 理想振幅因子：基于20日数据，选取收盘价高低25%的交易日，计算振幅均值并作差。

风险提示

• 模型测试基于历史数据，未来市场可能发生改变，因此需谨慎对待模型的预测能力。

其他说明

• 报告涉及的股票投资评级基于相对市场表现，不构成唯一投资决策依据。
• 报告分析与估值方法存在假设和局限性，结果不保证证券价格变动。
• 本报告仅供开源证券客户参考，未经授权不得复制或分发。
• 开源证券研究所地址分布包括上海、北京、深圳、西安等地，邮箱统一为 research@kysec.cn。