好的，我们来深度总结一下这份海通证券的金融工程研究报告，并提供策略复现的 Python 代码。
报告来源与标题
- 来源: 海通证券 (Haitong Securities)
- 系列: 选股因子系列研究 (六十六)
- 标题: 寻找逐笔交易中的有效信息
- 发布日期: 2020年06月21日
- 作者: 冯佳睿, 余浩淼
目录
- 报告核心观点总结
- 主要研究内容与发现
- 2.1 大单成交金额占比因子分析
- 2.1.1 大买/大卖单因子及正交处理
- 2.1.2 进一步拆分的大单因子
- 2.1.3 因子在指数增强组合中的表现
- 2.2 基于大单信息重构K线因子
- 2.2.1 逐笔信息过滤与K线重构方法
- 2.2.2 重构K线因子的选股效果
- 2.2.3 K线因子与大单因子的结合
- 2.1 大单成交金额占比因子分析
- 策略复现思路与Python代码
- 3.1 数据准备 (假设)
- 3.2 大单因子计算
- 3.3 K线重构与因子计算
- 3.4 示例代码
- 风险提示
1. 报告核心观点总结
这份报告的核心目标是从逐笔成交数据中挖掘有效的选股信息，主要围绕“大单”（大额订单）行为展开。报告发现：
- 大额买单具有预测能力： 基于逐笔信息计算的“大买成交金额占比”（大额买单成交额占全天总成交额的比例）因子具有显著为正的选股效果，即该比例高的股票未来倾向于上涨。
- 买卖行为影响不对称： 大额买单的预测能力强于大额卖单。即使考虑了大额卖单占比，甚至将其与常用风格因子正交后，其预测能力也较弱，甚至有时呈现微弱正相关。这体现了市场上大资金买入和卖出意愿对股价影响的差异性。
- K线重构提升因子效果： 利用大单参与信息（如，只保留有大单参与成交的逐笔数据）来过滤原始逐笔数据，然后重新构建分钟K线，可以提升部分基于K线计算的高频因子（如平均单笔流出金额占比、大单资金净流入率、大单推动涨幅）的表现，尤其是在中证500成分股内。
- 因子结合与应用： 将有效的大单因子（如正交后的大买占比、剔除小单对手方的大卖占比等）或重构后的K线因子加入传统的多因子模型（如 Barra 风格因子），可以提升组合的选股能力和指数增强效果。
2. 主要研究内容与发现
2.1 大单成交金额占比因子分析
-
2.1.1 大买/大卖单因子及正交处理:
- 定义: 报告首先定义了“大单”。一种方法是基于当日逐笔成交金额超过均值+k倍标准差（报告测试了k=0, 1, 2, 3）。
- 因子构建: 计算“大买成交金额占比”（Large Buy Amount Ratio, LBAR）和“大卖成交金额占比”（Large Sell Amount Ratio, LSAR）。
- 测试: 对因子进行行业中性化和常见风格因子（市值、估值、动量、波动率、换手率等9因子）正交处理。
- 发现: 正交后，LBAR 因子依然保持显著的正向选股能力（IC 均值高，ICIR 好），而 LSAR 因子的选股能力则非常弱，IC 接近0。这表明大额买单本身包含的增量信息更强。随着定义大单的阈值（k值）提高，因子稳定性有所下降。
-
2.1.2 进一步拆分的大单因子:
- 为了探究买卖双方力量对比，报告进一步拆分了成交类型：
剔除大卖的大买成交金额占比: 成交中，买方是大单，卖方是小单。剔除大买的大卖成交金额占比: 成交中，卖方是大单，买方是小单。（报告发现该因子有显著负向选股能力）大买、大卖成交金额占比: 成交中，买卖双方都是大单。（报告发现该因子有显著正向选股能力）
- 发现: 大单卖出只有在对手方是小单时才显示出显著的负向预测能力。而大单之间的交易（大买vs大卖）反而预示着未来上涨。这更清晰地揭示了大单行为背后信息的复杂性。
- 为了探究买卖双方力量对比，报告进一步拆分了成交类型：
-
2.1.3 因子在指数增强组合中的表现:
- 将表现较好的大单因子（如正交后的大买占比、剔除大买的大卖占比、大买大卖占比）分别加入包含9个基础风格因子的模型中，构建中证500和沪深300指数增强组合。
- 发现: 加入这些大单因子后，组合的复合因子 IC 和 ICIR 均有提升，尤其是在中证500指数上效果更明显。其中，“正交大买成交金额占比”和“剔除大买的大卖成交金额占比”因子在多头组合构建中表现突出。
2.2 基于大单信息重构K线因子
-
2.2.1 逐笔信息过滤与K线重构方法:
- 思路: 认为并非所有逐笔成交都包含同等有效信息，有大单参与的成交可能更重要。
- 方法:
- 过滤: 筛选出当日所有逐笔成交中，属于“大买单”或“大卖单”参与的成交记录（这里的大单阈值使用k=0，即高于当日均值）。
- 重构: 使用过滤后的逐笔数据，重新合成1分钟周期的K线数据（OHLC、成交量、成交额、成交笔数）。
-
2.2.2 重构K线因子的选股效果:
- 测试因子:
平均单笔流出金额占比(Avg Outflow Amt Ratio): 基于分钟K线计算，度量下跌分钟里平均每笔成交的金额占比。大单资金净流入率(Large Order Net Inflow Rate): 基于分钟K线，识别出当日平均成交额最大的前10%的分钟K线作为“大单K线”，计算这些K线的净流入率。大单推动涨幅(Large Order Momentum): 同样基于“大单K线”，计算这些K线累积的乘积涨幅。
- 对比: 比较使用原始分钟K线和重构后分钟K线计算出的上述三个因子的选股效果（IC、ICIR、分组收益）。
- 发现: 使用“大买或大卖订单参与”过滤后重构的K线计算出的三个因子，其选股效果（尤其是ICIR和多头组合表现）普遍优于使用原始K线计算的结果。在中证500内提升效果比沪深300更显著。
- 测试因子:
-
2.2.3 K线因子与大单因子的结合:
- 测试: 将重构后的K线因子与前述表现好的逐笔大单因子进行正交分析，并加入9因子模型进行组合测试。
- 发现: 重构后的K线因子与逐笔大单因子存在一定的相关性（高于原始K线因子），说明其效果提升部分来自于捕捉了大单信息。将重构K线因子叠加进已经包含大单因子的模型中，仍能带来一定的边际效果提升，尤其体现在“平均单笔流出金额占比”因子上。
3. 策略复现思路与Python代码
要复现报告中的策略，我们需要处理逐笔数据和分钟K线数据。以下是思路和基于假设数据的 Python 代码示例。
3.1 数据准备 (假设)
- 逐笔数据 (Tick Data): 需要包含时间戳、股票代码、价格、成交量、买卖方向（主动买/主动卖）、成交金额。 Pandas DataFrame 结构:
['datetime', 'ticker', 'price', 'volume', 'amount', 'bs_flag'](bs_flag: ‘B’ for buy, ‘S’ for sell)。 - 分钟K线数据 (Minute Bar Data): 标准 OHLCV、成交额、成交笔数。 Pandas DataFrame 结构:
['datetime', 'ticker', 'open', 'high', 'low', 'close', 'volume', 'amount', 'trades']。 - 交易日期数据: 用于按天处理。
import pandas as pd
import numpy as np
from tqdm import tqdm
# --- 假设的数据加载函数 (需要自行实现) ---
def load_tick_data(ticker, date):
"""加载指定股票和日期的逐笔数据"""
# Placeholder: 实际应从数据库或文件加载
# 模拟数据结构：datetime, ticker, price, volume, amount, bs_flag
print(f"模拟加载 {ticker} 在 {date} 的逐笔数据...")
# 实际应用中需要处理时间格式和数据清洗
dt_range = pd.date_range(f"{date} 09:30:00", f"{date} 15:00:00", freq='1s')
count = len(dt_range)
df = pd.DataFrame({
'datetime': dt_range,
'ticker': ticker,
'price': np.random.uniform(9.8, 10.2, count).round(2),
'volume': np.random.randint(100, 10000, count),
'bs_flag': np.random.choice(['B', 'S'], count, p=[0.5, 0.5])
})
df['amount'] = df['price'] * df['volume']
# 过滤非交易时间 (简化)
df = df[(df['datetime'].dt.time >= pd.to_datetime('09:30:00').time()) &
(df['datetime'].dt.time <= pd.to_datetime('11:30:00').time()) |
(df['datetime'].dt.time >= pd.to_datetime('13:00:00').time()) &
(df['datetime'].dt.time <= pd.to_datetime('15:00:00').time())]
return df.set_index('datetime')
def load_minute_data(ticker, date):
"""加载指定股票和日期的原始分钟K线数据"""
# Placeholder: 实际应从数据库或文件加载
# 模拟数据结构：datetime, ticker, open, high, low, close, volume, amount, trades
print(f"模拟加载 {ticker} 在 {date} 的原始分钟K线数据...")
# 实际应用中需要处理时间格式和数据清洗
dt_range = pd.date_range(f"{date} 09:31:00", f"{date} 15:00:00", freq='1min')
count = len(dt_range)
df = pd.DataFrame({
'datetime': dt_range,
'ticker': ticker,
'open': np.random.uniform(9.9, 10.1, count).round(2),
'high': lambda x: x['open'] + np.random.uniform(0, 0.1, count),
'low': lambda x: x['open'] - np.random.uniform(0, 0.1, count),
'close': lambda x: x['open'] + np.random.uniform(-0.05, 0.05, count),
'volume': np.random.randint(10000, 100000, count),
'trades': np.random.randint(50, 500, count)
})
df['high'] = df.apply(lambda row: max(row['high'], row['open'], row['close']), axis=1).round(2)
df['low'] = df.apply(lambda row: min(row['low'], row['open'], row['close']), axis=1).round(2)
df['amount'] = df['volume'] * df[['open', 'high', 'low', 'close']].mean(axis=1) # 估算成交额
# 过滤非交易时间 (简化)
df = df[(df['datetime'].dt.time >= pd.to_datetime('09:31:00').time()) &
(df['datetime'].dt.time <= pd.to_datetime('11:30:00').time()) |
(df['datetime'].dt.time >= pd.to_datetime('13:01:00').time()) &
(df['datetime'].dt.time <= pd.to_datetime('15:00:00').time())]
return df.set_index('datetime')
# --- 交易日期列表 (示例) ---
trading_dates = ['2020-06-18', '2020-06-19']
tickers = ['stock_A', 'stock_B']
# --- 存储因子值的 DataFrame ---
factor_results = pd.DataFrame(index=pd.MultiIndex.from_product([trading_dates, tickers], names=['date', 'ticker']))
3.2 大单因子计算
def calculate_large_order_ratios(tick_data, k=0):
"""
计算大买、大卖、大单成交金额占比因子
Args:
tick_data (pd.DataFrame): 单只股票单日的逐笔数据
(需包含 amount, bs_flag 列)
k (int): 定义大单的阈值（标准差倍数）
Returns:
dict: 包含 LBAR, LSAR, LOR (Large Order Ratio) 的字典
"""
if tick_data.empty:
return {'LBAR': np.nan, 'LSAR': np.nan, 'LOR': np.nan}
total_amount = tick_data['amount'].sum()
if total_amount == 0:
return {'LBAR': np.nan, 'LSAR': np.nan, 'LOR': np.nan}
# 计算大单阈值
mean_amount = tick_data['amount'].mean()
std_amount = tick_data['amount'].std()
large_order_threshold = mean_amount + k * std_amount
# 标记大单
tick_data['is_large'] = tick_data['amount'] > large_order_threshold
# 计算因子
large_buy_amount = tick_data[(tick_data['bs_flag'] == 'B') & tick_data['is_large']]['amount'].sum()
large_sell_amount = tick_data[(tick_data['bs_flag'] == 'S') & tick_data['is_large']]['amount'].sum()
large_order_amount = tick_data[tick_data['is_large']]['amount'].sum()
LBAR = large_buy_amount / total_amount if total_amount else np.nan
LSAR = large_sell_amount / total_amount if total_amount else np.nan
LOR = large_order_amount / total_amount if total_amount else np.nan
return {'LBAR': LBAR, 'LSAR': LSAR, 'LOR': LOR}
# --- 示例循环计算 ---
for date in tqdm(trading_dates, desc="Calculating Large Order Ratios"):
for ticker in tickers:
try:
ticks = load_tick_data(ticker, date)
ratios = calculate_large_order_ratios(ticks, k=0) # 使用 k=0 阈值
factor_results.loc[(date, ticker), 'LBAR'] = ratios['LBAR']
factor_results.loc[(date, ticker), 'LSAR'] = ratios['LSAR']
factor_results.loc[(date, ticker), 'LOR'] = ratios['LOR']
except Exception as e:
print(f"Error calculating large order ratios for {ticker} on {date}: {e}")
factor_results.loc[(date, ticker), ['LBAR', 'LSAR', 'LOR']] = np.nan
print("\n--- 大单成交金额占比因子 ---")
print(factor_results[['LBAR', 'LSAR', 'LOR']].head())
3.3 K线重构与因子计算
def reconstruct_minute_bars(tick_data, k=0):
"""
根据大单过滤规则重构分钟K线
Args:
tick_data (pd.DataFrame): 单只股票单日的逐笔数据
(需包含 amount, price, volume 列)
k (int): 定义大单的阈值
Returns:
pd.DataFrame: 重构后的分钟K线数据
"""
if tick_data.empty:
return pd.DataFrame()
# 计算大单阈值并标记
mean_amount = tick_data['amount'].mean()
std_amount = tick_data['amount'].std()
large_order_threshold = mean_amount + k * std_amount
tick_data['is_large'] = tick_data['amount'] > large_order_threshold
# 报告中是“大买或大卖订单参与”，这里简化为该笔成交是“大单”
filtered_ticks = tick_data[tick_data['is_large']].copy()
if filtered_ticks.empty:
return pd.DataFrame()
# 重采样为分钟线
ohlc_dict = {
'price': 'ohlc', # pandas < 2.0 needs 'price' column for ohlc
'volume': 'sum',
'amount': 'sum',
'ticker': 'first' # Keep ticker info
}
# Count trades per minute
filtered_ticks['trades'] = 1
ohlc_dict['trades'] = 'sum'
# Ensure 'price' column exists for older pandas versions
if 'price' not in filtered_ticks.columns:
filtered_ticks['price'] = filtered_ticks['amount'] / filtered_ticks['volume']
filtered_ticks['price'] = filtered_ticks['price'].fillna(method='ffill').fillna(method='bfill')
reconstructed_bars = filtered_ticks.resample('1min').apply(ohlc_dict)
reconstructed_bars.columns = ['open', 'high', 'low', 'close', 'volume', 'amount', 'ticker', 'trades'] # Adjust column names
reconstructed_bars = reconstructed_bars.dropna(subset=['open']) # Remove minutes with no trades
return reconstructed_bars
def calculate_avg_outflow_ratio(minute_bars):
"""计算平均单笔流出金额占比"""
if minute_bars.empty or 'trades' not in minute_bars.columns or minute_bars['trades'].sum() == 0:
return np.nan
falling_bars = minute_bars[minute_bars['close'] < minute_bars['open']]
if falling_bars.empty or falling_bars['trades'].sum() == 0:
return 0.0 # No outflow
sum_amount_falling = falling_bars['amount'].sum()
sum_trades_falling = falling_bars['trades'].sum()
avg_tick_amount_falling = sum_amount_falling / sum_trades_falling if sum_trades_falling else 0
total_amount = minute_bars['amount'].sum()
total_trades = minute_bars['trades'].sum()
avg_tick_amount_total = total_amount / total_trades if total_trades else np.nan
if pd.isna(avg_tick_amount_total) or avg_tick_amount_total == 0:
return np.nan
# 按照报告公式的结构
# 注意：报告公式似乎是 (下跌bar的平均tick额) / (全天平均tick额) * (-1)
# 检查分母是否为0
return - (avg_tick_amount_falling / avg_tick_amount_total)
def calculate_large_kline_factors(minute_bars, top_n_pct=0.1):
"""计算大单资金净流入率和大单推动涨幅"""
if minute_bars.empty or 'trades' not in minute_bars.columns or minute_bars['trades'].sum() == 0:
return {'NetInflowRate': np.nan, 'Momentum': np.nan}
minute_bars['avg_tick_amount'] = minute_bars['amount'] / minute_bars['trades']
minute_bars['return'] = minute_bars['close'].pct_change().fillna(0) # 计算分钟收益率
# 识别大单K线 (按平均单笔成交额)
threshold = minute_bars['avg_tick_amount'].quantile(1 - top_n_pct)
minute_bars['is_large_kline'] = minute_bars['avg_tick_amount'] >= threshold
large_klines = minute_bars[minute_bars['is_large_kline']]
if large_klines.empty:
return {'NetInflowRate': 0.0, 'Momentum': 0.0} # No large klines identified
# 大单资金净流入率
inflow = large_klines[large_klines['return'] > 0]['amount'].sum()
outflow = large_klines[large_klines['return'] < 0]['amount'].sum()
total_large_kline_amount = large_klines['amount'].sum()
net_inflow_rate = (inflow - outflow) / total_large_kline_amount if total_large_kline_amount else 0.0
# 大单推动涨幅
# prod(1 + r_i * I(is large kline)) - 1
# 只在is_large_kline为True时应用收益率
momentum_returns = (1 + minute_bars['return'] * minute_bars['is_large_kline'])
# Handle potential zeros or NaNs if needed before product calculation
momentum_returns = momentum_returns[momentum_returns > 0] # Avoid log(0) or negative values if using logs later
large_order_momentum = momentum_returns.prod() - 1
return {'NetInflowRate': net_inflow_rate, 'Momentum': large_order_momentum}
# --- 示例循环计算 ---
for date in tqdm(trading_dates, desc="Calculating Reconstructed K-line Factors"):
for ticker in tickers:
try:
# 计算基于原始K线的因子
original_min_bars = load_minute_data(ticker, date)
avg_outflow_orig = calculate_avg_outflow_ratio(original_min_bars)
large_kline_factors_orig = calculate_large_kline_factors(original_min_bars)
factor_results.loc[(date, ticker), 'AvgOutflow_Orig'] = avg_outflow_orig
factor_results.loc[(date, ticker), 'NetInflow_Orig'] = large_kline_factors_orig['NetInflowRate']
factor_results.loc[(date, ticker), 'Momentum_Orig'] = large_kline_factors_orig['Momentum']
# 计算基于重构K线的因子
ticks = load_tick_data(ticker, date) # 重新加载或复用
reconstructed_min_bars = reconstruct_minute_bars(ticks, k=0) # 使用 k=0 阈值重构
avg_outflow_recon = calculate_avg_outflow_ratio(reconstructed_min_bars)
large_kline_factors_recon = calculate_large_kline_factors(reconstructed_min_bars)
factor_results.loc[(date, ticker), 'AvgOutflow_Recon'] = avg_outflow_recon
factor_results.loc[(date, ticker), 'NetInflow_Recon'] = large_kline_factors_recon['NetInflowRate']
factor_results.loc[(date, ticker), 'Momentum_Recon'] = large_kline_factors_recon['Momentum']
except Exception as e:
print(f"Error calculating k-line factors for {ticker} on {date}: {e}")
factor_results.loc[(date, ticker), [
'AvgOutflow_Orig', 'NetInflow_Orig', 'Momentum_Orig',
'AvgOutflow_Recon', 'NetInflow_Recon', 'Momentum_Recon'
]] = np.nan
print("\n--- K线因子 (原始 vs 重构) ---")
print(factor_results[[
'AvgOutflow_Orig', 'AvgOutflow_Recon',
'NetInflow_Orig', 'NetInflow_Recon',
'Momentum_Orig', 'Momentum_Recon'
]].head())
# --- 显示所有计算的因子 ---
print("\n--- 所有计算的因子结果 ---")
print(factor_results)
3.4 代码说明与注意事项
- 数据假设: 上述代码依赖于模拟/假设的数据加载函数 (
load_tick_data,load_minute_data)。实际应用中，你需要根据你的数据源实现这些函数。逐笔数据的质量和字段（尤其是买卖标志bs_flag）对结果至关重要。 - 大单定义: 代码中
calculate_large_order_ratios和reconstruct_minute_bars使用了基于当日逐笔成交金额均值和标准差（k=0）来定义大单，与报告中测试的一种方式一致。你可以调整k值。 - K线重构过滤:
reconstruct_minute_bars函数的过滤逻辑是保留成交金额大于阈值的单笔成交来重构。报告原文是“大买或大卖订单参与”，这可能需要更复杂的订单簿数据或匹配逻辑才能精确复现。当前代码是一个基于成交本身的简化。 - 因子计算细节:
calculate_avg_outflow_ratio和calculate_large_kline_factors尝试复现报告描述的因子计算逻辑。请注意公式细节，特别是大单推动涨幅的累乘计算。 - 性能: 处理逐笔数据计算量很大，按天按股票循环处理可能较慢。实际应用中可能需要并行计算或更高效的数据存储/查询方式（如 Dask, Polars, ClickHouse, DolphinDB 等）。
- 因子测试: 代码仅提供了因子值的计算。要验证因子有效性，还需要进行因子测试，包括：
- 中性化处理: 对行业和风格因子（市值、估值等）进行回归取残差。
- 标准化处理: 横截面去极值、标准化。
- IC 分析: 计算因子值与未来收益率（如下期收益率）的截面相关系数（IC），分析 IC 均值、标准差、ICIR、IC>0 比例等。
- 分层回测: 按因子值分组，构建多空组合或多头组合，观察组合表现（累计收益、年化收益、夏普比率、最大回撤等）。可以使用
Alphalens等库进行分析。
- 复杂因子: 报告中提到的
剔除大卖的大买、剔除大买的大卖、大买大卖因子，其定义依赖于判断成交双方是否为大单。这通常需要更高级别的数据（如 Level-2 行情快照关联逐笔成交）或特定的数据处理逻辑才能准确实现，因此在上述示例代码中未包含。
4. 风险提示
- 市场系统性风险: 整体市场波动可能影响所有策略表现。
- 模型误设风险: 大单的定义、K线重构方法、因子计算公式等都可能存在优化空间或与实际市场行为有偏差。
- 因子失效风险: 市场结构变化、交易行为演变可能导致因子效果随时间衰减。报告中也提到大单因子的预测能力随时间推移而下降。
- 数据质量风险: 逐笔数据的准确性、完整性（尤其买卖标志）对结果影响巨大。
- 交易成本: 高频因子的实际应用需考虑交易成本的影响。
希望这个详细的总结和代码示例能帮助你理解和实践这份报告中的策略思想。请注意，实际应用中务必进行充分的回测和验证。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
