基础因子研究（十四）：高频因子（九），高频波动中的时间序列信息-20201012-长江证券-22页_1mb

报告摘要

高频因子（九）：高频波动中的时间序列信息总结

核心内容

本报告分析了高频波动因子的构建方法及其在时间序列信息提取方面的表现，重点探讨了如何通过差分和波峰计数等方法，增强因子对趋势交易者或知情交易者行为的刻画能力。同时，研究了数据频率、调仓频率和风格中性化对因子表现的影响。

主要观点

传统波动因子的局限性：传统波动因子主要基于日度收益率数据，忽略了时间序列信息。通过将数据频率提高至分钟级别，能够更好地捕捉市场中的短期波动行为。
高频成交量波动因子表现优异：以1分钟频率构建的高频成交量波动因子在全市场中取得了年化20.84%的多空收益和6.27%的超额收益，夏普比和信息比分别为2.87和1.62，且近两年未出现明显回撤。
差分提取时间序列信息：差分方法能够提取时间序列中的局部峰值信息，从而表现出正向收益能力。但差分标准差因子表现出负向收益能力，因此将其改为差分绝对值均值因子后，因子表现显著提升。
波峰计数因子更优：通过波峰计数提取局部峰值信息，因子表现优于差分因子，具有更高的收益稳定性和正向收益能力。在全市场中，波峰计数因子年化多空收益为39.08%，超额收益为7.10%，夏普比和信息比分别达到3.41和1.61。
数据频率对因子表现影响显著：1分钟频率下的因子表现最佳，而当频率降低到15分钟时，因子已基本失效。成交量因子对频率的敏感性低于振幅因子。
调仓频率影响因子表现：调仓频率缩短可提升因子表现，尤其是波峰计数因子。当调仓频率为5日时，其多空收益和超额收益显著提升。
风格中性化后表现改善：在风格中性化处理后，因子的收益能力和稳定性均有提升，表明其具备一定的风格暴露，但通过中性化可以减少这些影响。