20220531-开源证券-金融工程定期报告_开源交易行为因子绩效月报（2022年05月）_11页_968kb

金融工程研究团队及交易行为因子总结

核心内容概述

本报告由开源证券金融工程研究团队发布，旨在分析2022年5月开源交易行为因子的表现，并对相关因子的构造方法进行说明。团队成员包括首席分析师魏建榕及多位分析师和研究员，他们共同研究并开发了多个基于交易行为的选股因子，用于量化投资策略的构建与优化。

主要观点与关键信息

1. Barra风格因子表现跟踪

• 2022年5月，小盘风格和成长风格相对占优。
• 市值因子收益为 $-1.49%$，账面市值比因子收益为 $-0.29%$，成长因子收益为 $0.79%$。
• 小盘、成长风格在该月表现较好，成为市场的主要驱动因素。

2. 开源交易行为因子概述

• 交易行为因子是基于市场微观结构和交易模式的研究成果，能够捕捉市场中隐藏的alpha来源。
• 四大交易行为因子包括：
  • 理想反转因子：通过大单成交识别反转属性最强的交易日。
  • 聪明钱因子：通过分钟行情数据识别机构交易行为。
  • APM因子：衡量股价行为上午与下午的差异程度。
  • 理想振幅因子：基于股价高低区分振幅信息差异。

3. 交易行为因子的绩效回顾（2022年5月）

• 理想反转因子：多空对冲收益为 $1.58%$，近12个月胜率为 $75.0%$。
• 聪明钱因子：多空对冲收益为 $0.76%$，近12个月胜率为 $91.7%$。
• APM因子：多空对冲收益为 $0.27%$，近12个月胜率为 $83.3%$。
• 理想振幅因子：多空对冲收益为 $2.65%$，近12个月胜率为 $83.3%$。

4. 交易行为合成因子的绩效回顾

• 合成因子在全历史区间内IC均值为0.074，rankIC均值为0.097，信息比率为3.68，多空对冲月度胜率为 $85.4%$。
• 2022年5月，合成因子多空对冲收益为 $2.22%$，近12个月胜率为 $83.3%$。
• 合成因子在中证1000中的表现优于中证800，全历史区间信息比率分别为3.76和1.16。

5. 交易行为因子的构造方法

5.1 理想反转因子

• 选取股票过去20日数据。
• 计算每日平均单笔成交金额。
• 将高单笔成交金额的10个交易日与低单笔成交金额的10个交易日的涨跌幅进行对比，得到理想反转因子 $M = M_{high} - M_{low}$。

5.2 聪明钱因子

• 选取过去10日的分钟行情数据。
• 构造指标 $S_t = |R_t| / (V_t)^{0.25}$。
• 对 $S_t$ 排序，取成交量累积占比前20%的分钟视为聪明钱交易。
• 计算聪明钱交易的VWAP与全部交易的VWAP，得到因子 $Q = VWAP_{smart} / VWAP_{all}$。

5.3 APM因子

• 选取过去20日数据，计算隔夜和下午的股票与指数收益率。
• 对40组数据进行回归，得到残差项 $\varepsilon_i$。
• 计算隔夜与下午残差的差值 $\delta_t = \varepsilon_t^{am} - \varepsilon_t^{pm}$。
• 构造统计量 $stat = \mu(\delta_t) / (\sigma(\delta_t) / \sqrt{N})$，并对其进行横截面回归，得到APM因子。

5.4 理想振幅因子

• 选取最近20个交易日数据，计算每日振幅。
• 选择收盘价较高的25%交易日计算高价振幅因子 $V_{high}$。
• 选择收盘价较低的25%交易日计算低价振幅因子 $V_{low}$。
• 理想振幅因子 $V = V_{high} - V_{low}$。

风险提示

• 模型测试基于历史数据，未来市场可能发生变化，存在不确定性。
• 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。

其他说明

• 报告中包含的分析基于公开信息，不保证其准确性或完整性。
• 报告中使用的估值方法及模型存在局限性，不构成投资建议。
• 报告内容为开源证券内部资料，仅限客户参考使用。

联系方式

• 魏建榕：weijianrong@kysec.cn

• 高鹏：gaopeng@kysec.cn

• 盛少成（联系人）：shengshaocheng@kysec.cn

• 地址：

  • 上海：上海市浦东新区世纪大道1788号陆家嘴金控广场1号楼10层
  • 北京：北京市西城区西直门外大街18号金贸大厦C2座16层
  • 深圳：深圳市福田区金田路2030号卓越世纪中心1号楼45层
  • 西安：西安市高新区锦业路1号都市之门B座5层

• 邮编：

  • 上海：200120
  • 北京：100044
  • 深圳：518000
  • 西安：710065

• 邮箱：research@kysec.cn