20221003-开源证券-金融工程定期_开源交易行为因子绩效月报（2022年09月）_11页_1mb

金融工程研究团队交易行为因子月报总结（2022年9月）

核心内容概述

本报告由开源证券金融工程研究团队发布，主要围绕Barra风格因子与开源交易行为因子的月度表现进行分析。团队成员包括首席分析师魏建榕及多位分析师与研究员，报告中重点介绍了理想反转因子、聪明钱因子、APM因子、理想振幅因子以及交易行为合成因子的构造逻辑、历史表现和9月份的绩效数据。

主要观点

• 交易行为因子蕴含alpha：稳健的交易行为模式中蕴含着稳健的alpha来源，研究团队通过分析交易行为数据，构建了一系列因子用于量化投资。
• Barra风格因子表现：9月份，大盘风格表现略优于小盘风格，市值因子收益为0.14%。价值与成长风格相对均衡，账面市值比因子小幅回撤，而盈利预期因子和成长因子均录得正收益。
• 开源交易行为因子表现：理想反转、聪明钱、APM、理想振幅因子在9月份均录得正收益，其中APM因子表现最佳，多空对冲收益为0.73%。交易行为合成因子在9月份多空对冲收益为1.08%，且在中小股票池中表现更优。
• 因子构造方法：各因子基于不同的交易行为逻辑，如大单成交、分钟行情价量、日内时段差异、股价振幅等，构造方法详细且具有可操作性。
• 风险提示：模型测试基于历史数据，存在因市场波动导致失效的风险。

关键信息汇总

1. Barra风格因子表现（2022年9月）

2. 开源交易行为因子表现（2022年9月）

3. 全历史区间因子表现

4. 交易行为合成因子的特殊表现

• 中小股票池优势：在中证1000指数中，合成因子的信息比率优于中证800指数，分别为3.85和1.32。
• 多空对冲效果：合成因子在2021.10-2022.09期间的多空对冲胜率为91.7%。

交易行为因子构造方法

5.1 理想反转因子

• 逻辑：基于大单成交的微观反转力量，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。
• 计算步骤：
  1. 回溯取股票过去20日数据；
  2. 计算每日平均单笔成交金额；
  3. 分别计算高成交金额与低成交金额的10个交易日涨跌幅；
  4. 理想反转因子 = 高成交金额涨跌幅 - 低成交金额涨跌幅。

5.2 聪明钱因子

• 逻辑：通过分钟行情数据识别机构参与交易的多寡，构造跟踪聪明钱的因子。
• 计算步骤：
  1. 回溯取股票过去10日的分钟行情数据；
  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. 计算聪明钱交易与全交易的成交量加权平均价；
  5. 聪明钱因子 = 聪明钱加权平均价 / 全交易加权平均价。

5.3 APM因子

• 逻辑：衡量股价行为上午与下午的差异程度。
• 计算步骤：
  1. 回溯取股票过去20日数据；
  2. 计算隔夜与下午的股票和指数收益率；
  3. 进行回归分析，得到残差项；
  4. 计算隔夜与下午残差的差值；
  5. 用统计量衡量差异程度，并进行横截面回归，得到APM因子。

5.4 理想振幅因子

• 逻辑：衡量高价态与低价态振幅信息的差异。
• 计算步骤：
  1. 回溯取股票最近20个交易日数据；
  2. 计算每日振幅（最高价/最低价 - 1）；
  3. 选择收盘价较高的25%交易日，计算振幅均值得到高价振幅因子；
  4. 选择收盘价较低的25%交易日，计算振幅均值得到低价振幅因子；
  5. 理想振幅因子 = 高价振幅因子 - 低价振幅因子。

风险提示

• 模型测试基于历史数据，无法保证在未来的市场波动中保持有效性。
• 投资决策需结合个人情况，不能仅依赖本报告中的评级或建议。

评级说明

• 证券评级：

  • 买入（Buy）：预计相对强于市场表现20%以上；
  • 增持（outperform）：预计相对强于市场表现5%~20%；
  • 中性（Neutral）：预计相对市场表现在-5%~+5%之间波动；
  • 减持（underperform）：预计相对弱于市场表现5%以下。

• 行业评级：

  • 看好（overweight）：预计行业超越整体市场表现；
  • 中性（Neutral）：预计行业与整体市场表现基本持平；
  • 看淡（underperform）：预计行业弱于整体市场表现。

其他重要说明

• 本报告仅限专业投资者及风险承受能力为C3、C4、C5的普通投资者参考；
• 报告所用分析方法及模型存在局限性，不保证所涉及证券能够在该价格交易；
• 报告内容不构成投资建议，投资决策需谨慎并结合个人实际情况。