A股市场高频量价因子探索

 

未经授权，严禁转载

 

引言

 

 

>>> 研究目的

 

传统的因子指标挖掘主要集中于财务报表、个股中低频率的价量等相关的数据维度，而这部分数据维度的增量价值的挖掘已逐渐饱和，需从其他新的数据维度中挖掘新的因子指标，本篇研究内容参考海通证券研报《高频量价因子在股票与期货中的表现》，本篇报告从个股日内高频数据出发,将目光聚焦于日内价量信息和交易特征，使用分钟数据构建一系列高频因子，实证各因子在股票市场中的表现（本研究主要探讨股票部分，原研报期货部分未做研究）。

 

 

>>> 研究框架

 

高频因子可以分为收益率分布、成交量分布、量价复合、资金流和日内动量等几个主要的类别，各类因子还可以做进一步的细化，例如收益率分布因子包括已实现偏度、已实现峰度和上下行波动率等。按照这个思路，展开研究：

1）因子数据获取：

• 从设置股票池，获取指定时间范围的分钟数据，按照研报思路，获取每分钟的数据，进行因子值计算函数构造，按日期将因子值存入字典

2）因子数据处理：

• 将计算出来的因子值按日期遍历获取，根据需要进行数据处理

• 在T期因子值中加入T+1期收益值，方便因子分析统计

3）因子统计分析：

• 针对每期截面进行因子IC统计

• 汇总为时间序列上的IC数据，进行展示

4）分组回测分析：

• 根据所选的因子，在每个调仓日进行股票排序，分层进行收益净值观察

• 根据所选因子，在每个调仓日进行股票排序，进行多头组合收益分析

 

 

>>> 参数设置

 

1）时间范围：

• 2014.6 ～ 2019.6

2）研究指数：

• 上证50、沪深300、中证500

3）股票池：

• 上证50、沪深300、中证500指数成分股以及全部A股

• 剔除 ST、停牌、涨跌停、上市不满 6 个月

• 月初调仓

4）费用设置：

• 暂无交易成本设置

 

 

>>> 研究内容及结论

 

1）收益率分布因子。

• 高频偏度因子与高频峰度因子具有一定的选股效果，统计期高频偏度因子 IC均值达到0.034 与0.0198，负值占比为 69.5% 与 71.2%，多空组合年化收益差分别为 14.45% 和 15%，最优分组年化收益为 18.02% 和 20.9%，且因子在股票中呈现出反转效应，即高频偏度与峰度小的股票未来收益表现更好，下行波动占比因子未有良好表现（最优分组默认头尾分组）。

2）成交量分布因子。

• 日内不同时段的成交量分布能够反映投资者的行为特征。上午10 点-11 点成交量占比因子和股票下月收益显著正相关，而收盘前半小时成交量占比因子和股票下月收益显著负相关，IC均值达到0.040 与0.0565，负值占比为 35.6% 与 72.9%，二者分层效果明显，多空组合年化收益差均可以到达 17%左右&#