20220402-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03月）_11页_996kb

金融工程研究团队与交易行为因子绩效月报总结

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3月开源交易行为因子的绩效表现。报告涵盖了Barra风格因子的跟踪、开源交易行为因子的概述、绩效回顾以及构造方法等内容。团队成员包括首席分析师魏建榕、分析师张翔、傅开波、高鹏，以及研究员苏俊豪、胡亮勇、王志豪、盛少成、苏良。

主要观点

• Barra风格因子表现：在2022年3月，小盘风格和价值风格表现优于大盘和成长风格。
• 交易行为因子的逻辑：开源团队基于交易行为模式提出了多个因子，包括理想反转因子、聪明钱因子、APM因子和理想振幅因子，这些因子从不同的交易行为角度捕捉市场中的alpha源。
• 因子绩效回顾：2022年3月，四个交易行为因子均录得负收益，但合成因子表现相对稳健，月度胜率保持在75%以上。
• 合成因子优势：合成因子在中证1000样本空间中表现优于中证800，显示其对中小股票有更强的适应性。

关键信息

3月份各因子表现

全历史区间因子表现

合成因子在不同样本空间的表现

• 中证1000：信息比率3.66，优于中证800（1.12）。
• 多头对冲组均值：年化收益率9.39%，收益波动比2.85，月度胜率82.6%。

因子构造方法简述

理想反转因子

• 逻辑：基于大单成交识别反转属性强的交易日。
• 构造步骤：
  1. 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交易日的涨跌幅总和；
  4. 通过两者差值构建因子。

聪明钱因子

• 逻辑：识别机构参与交易的多寡。
• 构造步骤：
  1. 取股票过去10日分钟行情数据；
  2. 计算指标 $ S_t = |R_t| / V_t^{0.25} $；
  3. 按照 $ S_t $ 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，取其比值作为因子。

APM因子

• 逻辑：衡量上午与下午交易行为差异。
• 构造步骤：
  1. 取股票过去20日数据，计算隔夜与下午的收益率；
  2. 进行回归分析，得到残差项；
  3. 计算隔夜与下午残差的差值；
  4. 通过统计量衡量差异，再对动量因子进行横截面回归，得到最终残差作为APM因子。

理想振幅因子

• 逻辑：衡量高价态与低价态振幅信息差异。
• 构造步骤：
  1. 取股票最近20日数据，计算每日振幅；
  2. 分别取收盘价高与低的25%交易日，计算振幅均值；
  3. 通过两者差值构建因子。

风险提示

• 模型测试基于历史数据，市场未来可能发生变化。
• 报告内容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。

法律声明与版权信息

• 本报告由开源证券股份有限公司发布，仅限其客户使用。
• 报告内容基于公开信息，不保证准确性或完整性。
• 报告中所含估值方法及模型存在局限性，不构成投资建议。
• 本报告版权归开源证券所有，未经书面授权，不得复制、分发或以其他方式使用。

联系方式

• 开源证券研究所
  • 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：200120, 100044, 518000, 710065
  • 邮箱：research@kysec.cn