20220904-开源证券-市场微观结构研究系列（16）_大小单重定标与资金流因子改进_24页_2mb

金融工程研究团队报告总结：资金流因子改进与市场微观结构分析

核心内容概览

本报告围绕资金流因子的识别与修正方法，结合市场微观结构分析，探讨如何更有效地捕捉主力资金的交易行为，并通过改进因子构造方式，提升其选股能力。报告重点分析了大、小单的重新定标方法，以及MOD修正法的应用效果，同时结合不同市场域的测试结果，提出了CNIR因子作为改进后的资金流因子。

主要观点与关键信息

1. 资金流因子的两个关键点：识别与修正

• 大、小单重定标：通过设定44个金额阈值（如2万元）重新定义大单与小单，以更贴近实际交易行为，捕捉主力资金的信息优势。
• MOD修正法：采用截面回归方法，通过剥离涨跌幅对资金流因子的影响，提高因子的纯净度和选股能力。修正后，NIR_MOD因子的多空IR从2.63提升至4.76。

2. 资金流的微观结构分解

• 大单提供Alpha：资金流因子的Alpha主要来源于大单，而非小单。大单的多空收益可达年化25%以上，小单则贡献负向Alpha。
• 小单提供流动性：小单在交易中主要作为流动性提供者，其净流入与涨跌幅呈负相关，而大单净流入与涨跌幅呈正相关，反映主力资金的买卖不平衡。
• 交易对手方分布：大额委托单的交易对手方多为小额委托单，说明大单交易存在流动性依赖。

3. 分域测试：小票表现更优，大票主力划定阈值更高

• 小票表现更佳：在中证1000指数成分股中，资金流因子表现优于沪深300和中证500。
• 大票主力阈值偏高：在大票为主的市场中，主力资金的划分阈值相对较高，可能与机构拆单行为有关。
• 公募持仓与主力资金相关：主力净流入与公募基金持仓变动正相关，显示资金流可作为机构动向的参考。

4. 基于重定标的因子改进：CNIR因子

• CNIR因子定义：将Wind的超大单、大单和中单合并为“广义主力资金”，基于NIR_MOD因子构造CNIR因子。
• CNIR因子表现：在全市场范围内，CNIR因子的多头年化收益率达到27.86%，多空IR提升至4.91，且在中证1000上表现更优。
• 因子稳定性：CNIR因子的Rank IC相对稳定，月度RankIC波动较小，显示其具备一定的预测能力。

因子测试与收益表现

风险提示

• 模型基于历史数据构建，未来市场环境可能发生变化，需持续验证。
• 机构拆单、市场情绪等外部因素可能影响因子表现。

图表关键信息

• 图1：挂单金额金字塔显示大部分订单金额集中在1万元以下，4万元在80%分位以上。
• 图2：展示大、小单资金流的重新标定方法。
• 图3：不同金额阈值下成交金额分布较为均衡。
• 图4：沪深300覆盖度最高，中证500次之。
• 图5：大单资金流因子具备稳定的选股能力。
• 图6：大单IMB与涨跌幅呈正相关。
• 图7：小单IMB与涨跌幅呈负相关。
• 图8：大单IMB与涨跌幅相关性在低阈值和短周期下更高。
• 图9：MOD修正后，资金流因子的选股能力显著提升。
• 图10：NIR_MOD因子在十分组下超额收益更高。
• 图11：修正后多空对冲效果提升。
• 图12：NIR_MOD因子在2万元阈值下表现最优。
• 图13：NI因子最优阈值为2.5万元。
• 图14：NIPCT因子最优阈值为2万元。
• 图15：大单NIR_MOD因子选股能力更强。
• 图16：净流入因子Alpha呈“两极分化”。
• 图17：成交金额因子Alpha分布较均匀。
• 图18：大单交易对手方集中在3万元以下的小单。
• 图19：不同市场域中，CNIR因子在中证1000表现更优。

表格关键信息

• 表1：大单资金流因子的定义方式，包括净流入、净流入率、净流入占比等。
• 表2：CNIR因子的计算步骤，基于NIR_MOD因子构建。
• 表3：不同选股域中，CNIR因子在中证1000上表现更优。

结论

• 通过调整大、小单的划分阈值，能够显著提升资金流因子的选股能力。
• MOD修正法有效剥离了资金流中的反转因素，增强了因子的纯净度。
• CNIR因子作为改进后的资金流因子，在全市场和小票市场中均表现出色。
• 资金流因子的Alpha主要来源于主力资金，而非小单流动性。
• 市场微观结构分析有助于更准确地识别主力资金的交易行为。