市场微观结构探析系列之二：订单簿上的alpha-20190905-天风证券-13页_1mb

报告摘要

金融工程：市场微观结构与低频 alpha 探析

核心内容

本文探讨了如何利用高频市场微观结构数据，尤其是订单簿信息，构建具有预测能力的低频 alpha 因子。通过对A股市场的深入分析，作者发现基于订单簿的Spread指标在预测短期股价走势方面具有显著效果，并进一步将其低频化以用于多因子模型中，从而获得稳定的选股收益。

主要观点

市场微观结构分析：
- A股市场的低频数据研究已有较多积累，但对日内微观情境下的市场结构特征研究仍显不足。
- 高频数据能够揭示市场交易结构特征，常用于程序化交易、高频交易和日内回转策略。
Spread指标构建：
- 通过分析每个Tick上的买卖挂单强度，构建了Spread指标以衡量盘口买卖挂单的强弱差异。
- 该指标的计算基于买卖挂单金额而非数量，赋予不同档位不同的权重。
Spread指标的预测能力：
- 在Tick频率下，Spread指标在5个Tick到200个Tick的预测窗口内，对股价短期走势具有显著预测能力。
- 在日频率下，盘口委买挂单越厚的股票，越可能承受更强的主动卖压，相对收益越低。
低频化处理与因子性能：
- 将Tick频率的Spread指标低频化为日频和月频因子，用于多因子模型中。
- 构建的月度Spread因子在2010年至2019年8月30日期间表现出显著的选股能力，多空组合年化收益为14.6%，IR为2.01，IC均值为-4.0%，ICIR为-2.10，IC胜率为75.7%。
因子稳健性与独立性：
- Spread因子在不同股票池（沪深300、中证500、中证800、中证1000）中均表现出良好的选股能力。
- 该因子与常见的量价因子（如反转、波动、换手、流动性）具有较高的独立性，截面相关系数均值分别为13.6%、-10.4%、11.7%、-15.1%。
增量信息分析：
- Spread因子在与常见量价因子复合后，显著提升了多空IR和ICIR，表明其具有较高的增量信息价值。

关键信息

1. Spread指标定义

定义：
$$
\text{Spread}_{\text{Tick}} = \frac{BID - ASK}{BID + ASK}
$$
其中，BID和ASK分别表示买卖挂单金额，通过赋予不同档位不同的权重计算得出。
低频化处理：
$$
\widehat{Spread_Date}t = \frac{Spread_Date_t - \text{Mean}(Spread_Date_t)}{\text{Std}(Spread_Date_t)}
$$
$$
Spread_Month_m = \frac{1}{\sum{t} w_t} \sum_{t} w_t \cdot Spread_Date_t
$$
其中，$ w_t = t / n $，$ n $为月份的交易日数。