什么类型的交易更具市场影响,-大单因子的研究与改进

相关研究什么类型的交易更具市场影响？——大单l以成交额聚类进行订单划分，可以更好的区分出小单成交。由于订单成交金额分布会有严重的左厚尾，以均值与标准差难以界定出成交金额较小的订单，从而无法对于订单进行细粒度的类型划分。因此，我们尝试以KMedian聚类算法替代均值加N倍标准差的方法，基于订单成交金额对订单类型进行划分，可以更好的区分出大、中、小订单。l大单净买入因子选股效果主要来自中买大卖与小买大卖部分。与一般理解不同，分解大单净买入金额占比因子各个成分，有选股效果的主要是小买大卖与中买大卖这两部分，这说明因子有效性并不来自于捕捉到大资金的买入行为，而来自于市场中拥有大额筹码放向市场中小资金卖出筹码的行为。l由于市场结构变动，成交占比因子表现最近几年有明显衰减现象。主动买入的大买大卖因子有更加稳定的因子表现，从历史来看因子衰减程度较低，因子IC在0.2到0.4之间震荡。其他成交类型因子均有明显衰减。l基于订单短期绩效的因子改进，可以明显改善因子衰减幅度。考察大单最后一笔成交之后，股票短期走势是否受到大单影响。如果大单没有使股票短期朝着其交易方向运行，则调低该大单绩效。在进行复合改进后，主动买入的大买大卖，主动买入的中买大卖，主动买入的小买大卖均有明显的因子表现改善。l风险提示。本报告所有分析均基于公开信息，不构成任何投资建议；权益产品收益波动较大，适合具备一定风险承受能力的投资者持有。金融工程研究金融工程专题报告21.订单类型界定与成交类别划分 51.1基于成交金额聚类的订单类别划分 51.2各类成交占比因子表现 51.3买卖主动成交划分后的各类成交占比因子表现 72.成交占比因子的衰减 72.1成交占比因子的时序表现 72.2基于短期绩效的因子改进 92.3不同成交占比因子的增强组合表现 3.总结与思考 4.风险提示 金融工程研究金融工程专题报告3 图1基于成交金额聚类的成交类型 5图2不同成交占比因子时间序列IC表现（2017.01-2024.07） 8图3大买大卖因子及其主动买卖因子历史表现（2017.01-2024.07） 8图4大买中|小卖因子及其主动买卖因子历史表现（2017.01-2024.07） 8图5中|小买大卖因子及其主动买卖因子历史表现（2017.01-2024.07） 9图6大单净买入因子及其主动净买入因子历史表现（2017.01-2024.07） 9图7500增强组合相对强弱（2017.01-2024.07） 图81000增强组合相对强弱（2017.01-2024.07） 图9500增强组合分年度超额收益（2017.01-2024.07） 图101000增强组合分年度超额收益（2017.01-2024.07） 金融工程研究金融工程专题报告4表1不同类型成交开盘半小时占比因子表现（2016.01-2024.07） 6表2大单净买入与其构成部分开盘半小时占比因子表现（2016.01-2024.07） 7表3大单净买入与其构成部分开盘半小时占比因子表现（2016.01-2024.07） 7表4改进前后大单净买入，中|小买大卖，大买大卖与其构成部分开盘半小时占比因子分年度IC（2016.01-2024.07） 表5复合改进前后大单净买入，中|小买大卖，大买大卖与其构成部分开盘半小时占比因子表现（2016.01-2021.06） 表6复合改进前后大单净买入，中|小买大卖，大买大卖与其构成部分开盘半小时占比因子表现（2021.07-2024.07） 表7不同成交占比因子增强组合分区段超额收益表现（2016.01-2024.07） 金融工程研究金融工程专题报告5大单因子是目前较为常用的手工高频因子，以过去一段时间标的所有订单成交金额的均值加N倍标准差作为阈值，可以界定出当日所有订单中，哪些订单为大单。假定这类订单对于市场有更大的影响，即构建出对应的大单占比因子。由于订单成交金额分布会有严重的左厚尾，以均值与标准差难以界定出成交金额较小的订单，从而无法对于订单进行细粒度的类型划分。因此，我们尝试以KMedian聚类算法替代均值加N倍标准差的方法，基于订单成交金额对订单类型进行划分，方法如下：l统计标的过去N日所有订单成交额并取自然对数。l以KMedian算法，将所有成交额聚类为3类。l定义小单阈值为3类中，中心点最小类别的成交额最大值与中心点第二大类别的成交额最小值的均值。定义大单阈值为3类中，中心点第二大类别的成交额最大值与中心点最大类别的成交额最小值的均值。l对于当日订单，如果其成交额取自然对数小于等于小单阈值则为小单，大于小单阈值小于等于大单阈值则为中单，大于大单阈值则为大单。以上述新的方法进行划分，可以将所有订单依据其成交额的多少划分为三类，即大单、中单与小单。对应的，所有的成交也都可以以买卖双方所述类别进行划分，从而将所有成交归并到以下九种类型中的一种，如下图：按照开盘大单净买入净额占比因子构建方法，我们分别构建上述类别成交金额开盘半小时占比因子，对因子进行行业、市值、估值，以及常见的换手、反转、特质波动、非流动性因子中性化后，考察其因子周度IC，IC绝对值（ABS_IC多空收益表现，金融工程研究金融工程专题报告6ABS_ICABS_IC_IR为了表现因子选股效果的正负向特性，这里的多头收益为因子值较大分组收益，因此如果因子为负向选股因子，则多空收益为负。由上表可以看出，严格来看只有中买大卖这一类型的开盘半小时成交占比因子有显著的选股效果，历史IC接近-0.03，对应IR也超过-5。进一步放宽标准，则大买大卖，中买中卖，小买大卖开盘半小时成交占比有一定的选股效果。同时，绝大部分占比因子的IC绝对值均显著大于0，说明所有因子均有明显的风险因子特性。回到我们常用的大单因子，即开盘半小时大单净买入金额占比因子，其计算方式为：所有占比因子分母均为开盘半小时成交金额，分子为有大买单或者大买单参与成交的成交金额。按照上述成交类型划分，可以将大单买入金额占比与大单卖出金额占比进一步拆分，如下：把上面两式相减，则可以得到：由各类型成交金额占比因子表现分析，似乎可以得到以下结论：l与一般理解不同，分解大单净买入金额占比因子各个成分，有选股效果的主要是小买大卖与中买大卖这两部分，这说明因子有效性并不来自于捕捉到大资金的买入行为，而来自于市场中拥有大额筹码放向市场中小资金卖出筹码的行l当买卖订单均为大单时，成交金额占比表现出一定的正向选股效果，结合大买中卖，大买小卖并没有明显的选股能力，可以认为大买单的正向选股能力主要来自于其大买大卖部分。而在过往研究中，大卖成交占比因子没有选股效果，也同样有可能因为大卖因子由小买大卖、中买大卖、大卖大卖组合，其中大买大卖和中买大卖，小买大卖均有选股效果，但选股方向相反。进一步比较大单净买入因子与因子构成中的大买中|小卖因子以及，中|小买大卖因子，如下表：金融工程研究金融工程专题报告7ABS_ICABS_IC_IR大单净主买因子从历史表现来看要略优于其中贡献主要选股效果的中|小买大卖部分。证明虽然有明显的风险因子特性，大买中|小卖因子的复合一定可以一定程度改善。在基于成交金额聚类对成交分类的基础上，考虑到所有的成交一定只有主动买入和主动卖出两种情况，我们将上述构成大单净买入因子的各个成分进一步细分，考察其主动买入和主动卖出的表现情况，如下表：卖合计卖合计卖合计合计卖合计卖合计合计合计对于大买大卖成交占比而言，当进一步加入主动买入与主动卖出的类型区分后，主动买入的大买大卖占比因子具有了明显的正向选股效果，从IC与多空收益的角度来看均有非常明显的选股效果提升。对于大买中卖，大买小卖而言，主动买入部分相较于主动卖出部分更偏正向选股效果，但整体差异并不明显。同样，对于中买大卖，小买大卖因子而言，主动卖出部分相较于主动买入部分也有更强的负向选股效果，可以认为主动成交部分对于整体选股效果明显有更大贡献。如果将大单净买入改为主动净买入，即将被减数的大买中|小卖因子改为主动买入的大买中小卖因子，减数的中|小买大卖因子改为主动卖出的中|小买大卖因子，整体选股效果并没有显著差异，说明对于大单净买入因子构成部分而言，主动成交因素影响并不大。上述部分成交占比因子虽然有良好的整体表现，但如果从时序角度来看，似乎有明金融工程研究金融工程专题报告8显的衰减情况。我们以52周为窗口期，考察表3中大买大卖因子，大买中|小卖因子，中|小买大卖因子以及大单净买入因子52周IC均值。其中，为了保证数据的一致性，我们将负向选股效果的中|小买大卖因子乘以-1，转化为正向选股因子，如下图：整体来看有一定选股效果的大买大卖因子，中|小买大卖因子以及大单净买入因子均有不同程度的衰减，尤其在2021年开始，衰减效应有一定的加速的迹象。大买中|小卖因子则呈现出明显的风险因子特性。由于大单净买入因子可以拆解为大买中|小卖因子-中|小买大卖因子，因此当大买中|小卖因子呈现负向选股效果时，大单净买入因子选股效果会差于中|小买大卖因子，反之则会有更好表现。从时序来看，考虑到大买中|小卖因子有退化为弱负向选股效果因子趋势，中|小买大卖因子选股效果可能会持续优于大单净买入因子。进一步的，对上述因子进行如表3所示的主动买卖拆分，考察上述四个因子以及其对应主动买入、卖出因子，对于大单净买入因子而言，由于其两部分有相反的选股逻辑，我们将主动买入的大买中|小卖与主动卖出的中|小买大卖因子复合成为大单主动净买入因子，如下图：金融工程研究金融工程专题报告9（2017.01-2024.07）（2017.01-2024.07）从上图可以看出：相比较大买大卖因子，主动买入的大买大卖因子有更加稳定的因子表现，从历史来看因子衰减程度较低，因子IC在0.02到0.04之间震荡，但从因子IC这个维度而言，主动买入的大买大卖因子可以认为是一个持续有效的选股因子。而复合后的大买大卖因子表现出的选股效果衰退，主要受到了主动卖出的大买大卖因子部分的影响。对于中|小买大卖因子而言，其主动买卖因子均有明显的衰减情况，而其主动买入因子衰减更为剧烈，在2022年后IC方向发生反转，这也导致中|小买大卖因子在2022年后选股效果逐渐弱于其主动卖出因子。大买中|小卖因子及其主动买卖因子均呈现非常明显的风险因子特性，主动买卖因素的加入无法对于其风险因子特性产生实质影响。对于大单净买入因子而言，其主动净买入因子会一定程度遏制其因子衰减的效应，但遏制效果并不非常明显。总结来看，除了大买大卖因子在叠加主动买入特性后有非常明显的选股效果，尤其是时序选股效果稳定性的提升之外，主动买卖因素并不能根本改变因子的整体方向，对于因子选股效果的遏制效应并不明显。包含大单的成交占比因子衰退可能源自于市场结构的变化，无论买卖，大单有效性来自于对于市场高定价能力订单的捕捉，其具有单个订单成交金额较大的特性。然而随着算法交易的普及，尤其是2021年之后，机构算法交易比例的提升，很多决定市场趋势的交易订单不再具有订单成交金额较大这一特征，从而使得2021年之后大单因子表现出现明显的下滑。从这种假想出发，我们考察大单最后一笔成交之后，股票短期走势是否受到大单影响。如果大单没有使股票短期朝着其交易方向运行，则调低该大单绩效，在计算大单相应占比因子时，不计入该大单金额，从而进一步提纯出真正能够影响市场走势的大单并构建因子。我们计算每个大单成交之后30秒内的股票涨跌幅与市场涨跌幅，在剔除新股和ST股票后，将全市场股票分为沪深300成分股，中证500成分股以及其他股票三组，每个股票再减去所在分组股票的涨跌幅均值，得到股票超额收益率。如果大单为买单而30秒超额涨跌幅为负，或者大单为卖单而30秒超额涨跌幅为正，则认为该大单为无效大单，计算相应因子时不再计入。进行调整后，我们考察改进前后分年度的大单净买入，中|小买大卖，大买大卖及其构成部分开盘半小时占比因子分年度IC，如下表：金融工程研究金融工程专题报告102016201720182019202卖合计后合计卖合计后合计卖合计合计后合计合计合计合计进后合计由上表可得，改进方案在2016年并没有取得很好的效果，但从2017年开始，改进能力逐步凸显，且越靠近最近，因子IC的改进幅度越发明显。对于大买大卖而言，其主动卖出部分因子改善明显，而主动买入部分因子表现却被显著削弱。与之相反，中买大卖以及小买大卖因子的主动买入部分因子表现改进较为明显，主动卖出部分并没有显著改善效果，这说明该改进方案对于主动买入与主动卖出的效果在不同类型的订单成交金额上有不同的效果。考虑到无论大买大卖，中买大卖还是小买大卖，其因子均由主动买入和主动卖出复合而成，因此我们只保留各自改进前后较为明显的部分，即保留改进前的大买大卖的主动买入和改进后的主动卖出并复合大买大卖，保留改进前的中买大卖以及小买大卖的主动卖出和改进后的主动买入并复合中买大卖，小买大卖，中|小买大卖因子，并分别考察其2016年1月到2021年6月，如下表：金融工程研究金融工程专题报告11合计后合计合计后合计合计合计后合计合计合计合计合计以及2021年7月到2024年7月的表现，如下表：金融工程研究金融工程专题报告12合计后合计合计后合计合计后合计合计合计合计合计如上两个表所示，在进行复合改进后，主动买入的大买大卖，主动买入的中买大卖，主动买入的小买大卖均有明显的因子表现改善。而比较2016年到2021年6月，以及2021年7月到2024年7月，时间越靠近最近，其因子表现提升幅度更加明显，这说明这种改进方式可以一定程度的扭转2021年以来大单因子逐步失效的情况。当然，相比较早期的因子优异表现，这种改进方式虽然对因子表现有一定的提升，但提升后的因子表现依然难以恢复到早期强势的状态，大单因子表现整体的下滑趋势有所遏制但并未彻底扭转。我们以非线性市值，ROE，SUE，券商高评分数，换手，特质波动，反转非流动性，买入意愿强度，尾盘成交占比，深度学习高频动量因子以及深度学习日频动量因子，分别不叠加成交占比因子，加入改进前的大单净买入因子，加入改进后的大买大卖占比，中|小买大卖因子，分别构建中证500与中证1000组合，考察不同利用不同因子组合所构建的指数增强组合表现差异。其中，中证500增强组合个股暴露控制在1%，中证1000增强组合个股暴露控制在0.5%。各自行业暴露均控制在2%，市值、估值因子暴露控制在0.3。对应组合净值相对强弱如下图：金融工程研究金融工程专题报告13如果分年度考察组合超额收益收益，如下图：最后，分别统计组合从2017年1月到2021年6月以及2021年7月到2024年7月两个区段表现，如下表：信息比年化收益年化波动信息比最大回撤加入大单净主买加入大买大卖、中|小买大卖加入大单净主买加入大买大卖、中|小买大卖如上表所示，加入大单净主买因子以及改进后的大买大卖、中|小买占比因子后，组合超额均有了一定程度的提升。相比较原始的大单净主买因子而言，改进后的占比因子在近期的提升效果更为明显，尤其对于近一年的组合表现，相比较不加入占比因子组合而言，组合超额年化均能提升1%左右，尤其对于中证1000增强组合而言，因子改进完全修正了原始大单净主买因子由于选股效果退化，在近3年对组合收益的拖累作用。大单因子作为常用的高频因子，近几年选股效果退化尤为明显，这说明基于市场价量特征所构建的因子，其有选股有效性也会随着市场结构的变化产生变化，这需要我们更加关注因子构建的底层逻辑，根据市场结构的不同，对于所构建的因子有所调整。然而，虽然可以用叠加信息的方式一定程度改进大单净买入因子选股效果，但很明金融工程研究金融工程专题报告14显其因子特性无法得到根本逆转。结合过往因子开发的经验，当使用相同的基础量价数据构建因子，如都使用逐笔成