20221205-开源证券-金融工程定期_开源交易行为因子绩效月报（2022年11月）_11页_1mb

报告摘要

本报告主要分析了Barra风格因子在2022年11月的表现，并对开源交易行为因子（包括理想反转因子、聪明钱因子、APM因子、理想振幅因子）及其合成因子进行了绩效回顾和构造方法介绍。

理想反转因子：
- 11月多空对冲收益为 1.37%
- 全历史区间IC均值为 -0.053，rankIC均值为 -0.065
- 信息比率为 2.69
- 多空对冲月度胜率为 79.0%
- 近12个月胜率为 83.3%
聪明钱因子：
- 11月多空对冲收益为 1.14%
- 全历史区间IC均值为 -0.036，rankIC均值为 -0.059
- 信息比率为 2.80
- 多空对冲月度胜率为 81.6%
- 近12个月胜率为 91.7%
APM因子：
- 11月多空对冲收益为 0.11%
- 全历史区间IC均值为 0.033，rankIC均值为 0.036
- 信息比率为 2.55
- 多空对冲月度胜率为 79.8%
- 近12个月胜率为 91.7%
理想振幅因子：
- 11月多空对冲收益为 1.57%
- 全历史区间IC均值为 -0.058，rankIC均值为 -0.075
- 信息比率为 3.42
- 多空对冲月度胜率为 88.1%
- 近12个月胜率为 91.7%

合成因子：
- 全历史区间IC均值为 0.073，rankIC均值为 0.096
- 信息比率为 3.74
- 多空对冲月度胜率为 85.0%
- 近12个月胜率为 91.7%
- 11月多空对冲收益为 1.72%
- 在中证1000中表现优于中证800，信息比率分别为 3.93 和 1.36

构造逻辑：基于大单成交，通过每日平均单笔成交金额切割出反转属性最强的交易日。
构造步骤：
1. 回溯取过去20日数据；
2. 计算每日平均单笔成交金额；
3. 选取单笔成交金额高的10个交易日，涨跌幅加总为 M_high；
4. 选取单笔成交金额低的10个交易日，涨跌幅加总为 M_low；
5. 理想反转因子 = M_high - M_low。

构造逻辑：通过分钟行情数据识别机构交易行为，构造跟踪聪明钱的因子。
构造步骤：
1. 回溯取过去10日分钟行情数据；
2. 构造指标 $S_t = |R_t| / (V_t)^{0.25}$；
3. 按 $S_t$ 从大到小排序，取成交量累积占比前20%的分钟视为聪明钱交易；
4. 计算聪明钱交易的成交量加权平均价 $\mathrm{VWAP_{smart}}$；
5. 计算所有交易的成交量加权平均价 $\mathrm{VWAP_{all}}$；
6. 聪明钱因子 = $\mathrm{VWAP_{smart}} / \mathrm{VWAP_{all}}$。

构造逻辑：衡量股价行为上午与下午的差异程度。
构造步骤：
1. 回溯取过去20日数据，计算隔夜与下午的收益率；
2. 回归模型 $r_i = \alpha + \beta R_i + \varepsilon_i$，得到残差项 $\varepsilon_i$；
3. 计算隔夜与下午残差的差值 $\delta_t = \varepsilon_t^{am} - \varepsilon_t^{pm}$；
4. 构造统计量 $\mathrm{stat} = \mu(\delta_t) / (\sigma(\delta_t)/\sqrt{N})$；
5. 对动量因子进行横截面回归，残差作为APM因子。

构造逻辑：衡量高价态与低价态振幅信息的差异。
构造步骤：
1. 回溯取最近20个交易日数据，计算每日振幅；
2. 选取收盘价较高的25%交易日，计算振幅均值得到高价振幅因子 V_high；
3. 选取收盘价较低的25%交易日，计算振幅均值得到低价振幅因子 V_low；
4. 理想振幅因子 = V_high - V_low。