资金流因子识别与MOD修正法提升选股效果 [page::0][page::5][page::8]

• 利用逐笔数据设定44个金额阈值重定标大、小单资金流，提出MOD修正法剥离资金流与涨跌幅的正相关影响，提高资金流因子纯净度。

- 修正后的NIRMOD因子多空信息比率由2.63提升至4.76，多空收益由17.28%提升至27.16%，最大回撤降低，表现更优。

资金流中最优大单阈值低于传统标准 [page::9][page::10]

• 参数敏感性测试显示，划分大单的最优金额阈值远低于20万元，约为2万元时资金流因子效果最佳。

- 2万元阈值下，NIRMOD因子多空对冲收益达32.16%，回撤幅度更小于7%，明显优于传统划分（20万元）。

选股Alpha主要来自大单资金，资金流Alpha命题分析 [page::11][page::12]

• 大单NIR_MOD因子选股能力显著强于小单，年化收益超25%，小单更多提供流动性支持，Alpha贡献较小。

- 净流入因子Alpha呈两极分化，低阈值小单呈负Alpha，高阈值大单呈正Alpha。成交金额因子呈稳定负Alpha，反映流动性风险补偿。

主力资金阈值存在分域差异与拆单行为影响 [page::13][page::14]

• 沪深300和中证500等大票股票上的主力资金阈值较高且模糊，拆单行为更频繁，小票市场主力阈值显著偏低，更加平滑。

- 机构拆单和交易活跃度是阈值差异主要原因，公募持仓数据支持大票由机构主导，小票委托单拆分较细。

CNIR因子构建及显著选股优势 [page::16][page::17][page::18]

• 将Wind超大单、大单和中单合并定义为“广义主力资金”，构造CNIR因子跨市场测试，月度Rank IC和多头收益稳定且显著。

- CNIR因子多头年化收益达27.86%，多空IR为4.91，远优于未修正的NIR因子，展现强Alpha能力，因子收益呈现一定月度波动，2月表现较弱。

CNIR因子在不同选股域表现及板块配置分析 [page::17][page::20]

• CNIR因子在中证1000和全市场的选股表现优于沪深300，中证1000五分组IR达3.27，显示小票股票Alpha表现更强。

- 持仓分析发现，多头组合2021年以来超配大金融及大科技板块，主力资金净流入与公募持仓变动相关性明显。

因子低相关性与独立Alpha来源测试 [page::19]

• CNIR因子与Barra风格因子及交易行为因子相关性较低，剔除这些因子后依旧保持较好收益和高胜率，具备独立Alpha。

因子换手率与投资周期 [page::21]

• CNIR因子的换手率较低，20日调仓持仓组合换手率约为70%，调仓频率提高到每周或双周换手率进一步下降，反映策略适中持仓稳定性。

金融工程研究团队 “大小单重定标与资金流因子改进” 报告详尽分析

---

1. 元数据与概览

报告信息：

• 标题： 大小单重定标与资金流因子改进 ——市场微观结构研究系列（16）

- 发布日期： 2022年9月4日

• 发布机构： 开源证券研究所，金融工程研究团队

- 首席分析师及分析师团队成员： 魏建榕（首席）、张翔、高鹏、傅开波等多名资深分析师

• 研究方向/主题： 基于逐笔交易数据，重新划定深市大单和小单定义，优化资金流因子的构造，剥离涨跌幅负面影响，挖掘资金流中主力资金的Alpha信息，提供更有效的选股因子。

核心论点：
报告批判传统资金流向因子用的划分标准（如20万元大单门槛）不合理，提出基于逐笔挂单金额的reshape方式重新划分大小单，尤其“降低”大单划分门槛至约2万元，获得更强的资金流选股能力。通过MOD修正法剔除资金流与涨跌幅的固有相关性，显著提升资金流因子选股表现。进一步整合Wind数据构造更加便捷且提高选股收益的CNIR因子。研究揭示资金流Alpha来源主要是主力资金而非小单，且在不同市场域（大票/小票）表现不同。报告最后指出资金流因子独立性强，低相关于经典风格因子，具备实用价值。

[page::0,1]

---

2. 逐章深度解读

2.1 资金流因子的两个关键点：识别与修正

2.1.1 大、小单的重定标：绝对金额法与相对金额法

• 关键论点：

市场中常用的资金流分类按绝对金额设定四级门槛（超大单>100万，大单20-100万，中单4-20万，小单<4万），这种划分存在两个主要缺陷：
1. 阈值不合理，部分散户挂单远低于4万元，中大额单缺乏显著断层，且机构通过拆单行为使得超大单表现稀缺。
2. 分类复杂且不明确，不易对交易主体的行为特点做出精准区分，易引发误解。

• 数据分析与方法：

作者通过统计近几年买卖挂单金额分位值（金字塔图，图1），发现中位数挂单金额仅约1万元，且4万元位于80%以上分位，显示多数挂单金额低于4万元。由此提出：应降低大单划分阈值，并采用统一的绝对金额方法，舍弃相对金额法的弊端（同一投资者在不同股票挂单金额相同但被归为不同类）。
重标方法：（图2）提取深市逐笔挂单，按金额阈值λ划分大单、小单，然后统计资金流数据。通过44个不同阈值测试资金流因子，确保划分合理覆盖。

• 参数敏感性检查：

图3显示，随着阈值从0.5万至90万变化，大单累积成交比例较均匀，无显示跨度过大区域分布；图4数据显示，沪深300数据覆盖度最高，有利后续选股因子测试。

[page::3,4,5]

2.1.2 资金流与涨跌幅的相关性处理：MOD修正法

• 问题认识与解决方案：

大单资金流因子与涨跌幅呈正相关，但大单买卖不平衡产生的反转效应会掩盖资金流的纯粹Alpha，导致反转因子污染资金流因子收益。
解决方案：设买入卖出金额比率IMB=ln(B/S)，利用截面回归剥离涨跌幅对IMB的解释，取残差部分重构资金买卖金额，实现去反转效应，称为MOD修正法。

• 实证分析：

- IMB指标与涨跌幅散点图显示：（图6）大单IMB与正相关，R²约0.062；（图7）小单IMB与负相关R²更高及预期吻合；
- 通过绘制IMB与涨跌幅的秩相关系数热力图（图8），发现低阈值大单且计算短周期时相关性最高，提示主力资金信息主要来自较低阈值大单及短期行为。

• 资金流因子改进效果：

采用MOD法后，资金流因子如 NIRMOD选股能力有显著提升（图9）。
以NIRMOD表现最佳，Rank ICIR提升至4.2，多空IR回升至4.76以上，夏普率提升且最大回撤显著减小。

[page::5,6,7,8]

2.2 资金流因子的微观结构

2.2.1 主力资金的泛定义争议

• 以2万元作为大单划分门槛在实证测试中表现优秀，远较市场默认门槛20万元优越（图12-14）。

- 不同资金流定义（NI, NIR, NIPCT）均体现类似规律，最优阈值均明显低于传统标准（图15-16）。

2.2.2 资金流Alpha主要来自大单

• 比较大、小单NIRMOD因子，发现大单因子多空收益明显领先小单（图17），

- 逻辑上，大单反映主力资金投资信息，准确率高；小单多承担流动性提供角色，其资金流Alpha呈负相关。

• 结论：资金流因子应聚焦主力资金，大单定义应下移。

2.2.3 资金行为进一步分析

• 细分资金区间，剖析净流入（NIMOD）和成交金额因子Alpha分布（图18-19）。

- 净流入因子Alpha呈“两极分化”形态，低档资金表现负Alpha，中间区间无效，高档资金区间保持正Alpha，呈抛物线趋势；成交金额因子则表现持续负Alpha，表征流动性风险溢价。

• 资金流Alpha有效区间与资金规模存在复杂博弈，中间档资金作用有限。

2.2.4 大单与对手方小单的相关性

• 资金区间间净流入相关系数矩阵（图20）显示，金额较大的大单资金与金额较小小单资金负相关性较强，表明大单成交的交易对手大多为小单，支持“小单提供流动性”的逻辑。

- 机构拆单使大单资金分布连续，且小单发挥撮合市场流动性功能。

2.2.5 市场域差异：大票vs小票

• 在大盘蓝筹股如沪深300和中证500，主力资金最优阈值呈现模糊且较高的水平，小票如中证1000最优阈值明显偏低（图21）。

- 原因或包括机构持仓集中度高，小票流动性差导致拆单频繁，资金分类颗粒度差异；2022年中证800公募持仓集中度高达78%（约四分之三为大票），小票市场拆单更细。

2.2.6 资金流Alpha整体拆解模型示意（图22）

• 大单资金因信息优势体现正Alpha特征；小单资金因流动性属性表现负Alpha；中间拆单区域为博弈区，Alpha曲线呈抛物线。

2.2.7 主动买卖资金流无额外增益

• 按照成交主动卖出/买入划分大单资金流因子（NIACTMOD等），并通过MOD修正，主动资金流因子表现不及传统买卖金额构造的因子（图23）。

- 综上，主动买卖划分未带来明显选股能力提升，未来仍需进一步探索更合理划分方法。

[page::9-16]

2.3 基于大、小单重定标的资金流因子改进

2.3.1 从NIRMOD到CNIR因子

• 由于逐笔数据处理难度大，设计CNIR因子整合Wind超大单、大单和中单，称为“广义主力资金”，利用资金流向与涨跌幅MOD修正，构造净流入率因子（表2）。

- CNIR因子在全市场表现出稳健的选股能力，Rank IC稳定，多头收益稳定（图24、25），多空信息比率达到4.91，明显优于单纯NIR或NIRMOD。

2.3.2 因子月度表现与不同市场域表现

• CNIR因子整体月度收益分布均衡，但存在“二月魔咒”，2月表现较弱（图28），可能受贸易冲突、新冠等特殊事件影响。

- 按市场板块分，CNIR在中证1000（小票）表现最佳，沪深300（大票）次之（图29，表3）。

• 分析表明，小盘股对资金流因子的感受更强，主力资金操作更明显。

2.3.3 因子独立性及相关分析

• CNIR与Barra风格因子和交易行为因子相关性较低（图30、31），尤其与规模相关性低于0.2，表明抓取独立Alpha来源。

- 剔除风格因子和交易因子后的纯Alpha仍丰厚，多空信息比率稳定在4.48左右（图32），年化收益仍达23%以上，表现稳健。

2.3.4 持仓行为及资金流与公募持仓关系

• CNIR因子持仓换手率适中，调仓频率决定换手率，可实现相对低换手（图36）。

- 板块配置分析（图33）显示，2020年至2021年底主力资金偏好大科技板块，2022年资金避险偏好大金融板块。

• 与公募基金持仓数据对比（图34、35），主力资金净流入与基金持仓变动呈正相关，秩相关系数约0.3，显示资金流能反映机构持仓动态。

[page::16-21]

2.4 风险提示

• 模型基于历史回测，未来市场结构变化可能导致因子失效或表现波动风险。

[page::0,21]

---

3. 图表深度解读

图1（挂单金额金字塔）

• 显示2013-2021年深市买卖挂单金额的分位变化，数据形状类似畸形金字塔，底部极宽（大多数挂单金额低），顶部尖细。

- 4万元挂单金额位于80%以上分位，表明绝大多数交易的挂单金额远小于4万元，传统阈值划分“散户”临界点过高。

• 资金流分类存在明显分布偏态，需重新评估金额阈值合理性。

图3（不同阈值的累计成交金额分布）

• 显示44个大单阈值对应的累计买入和卖出金额占比，分布均匀。

- 表明阈值设定灵活，覆盖率合理，便于测试不同阈值下资金流因子表现。

图6、图7（大单/小单IMB与涨跌幅散点图）

• 大单IMB与涨跌幅呈正相关，说明大单买卖不平衡推动价格上涨；小单IMB呈负相关，反映小单流动性提供及价格压力。

- 验证大单和小单资金流表现的不同市场角色。

图8（IMB与N日涨跌幅秩相关系数矩阵）

• 颜色最亮的区域（低阈值大单，短周期）对应最高相关系数，表明主力资金信息在较低门槛而且短时间窗口更为显著。

- 低阈值大单定义更合理，套利空间较大。

图9（修正后资金流因子选股能力）

• 修正资金流后（MOD），资金流因子ICIR和多空IR平均提升约2倍，收益和回撤均改善，表现意味着剔除涨跌幅负面影响能显著净化因子Alpha。

图10、11（NIRMOD超额收益和多空净值）

• NIRMOD因子超额收益更单调且多空净值曲线更稳健，上升幅度更快，回撤幅度减小，说明MOD修正提高了因子稳定性和收益率。

图12-14（阈值敏感性测试与2万元标准表现）

• 图12左图显示曼哈顿状图形：阈值2万元处多空IR达峰值，IC和多空收益也最好。

- 图13、14对比20万元传统阈值与2万元的新阈值，2万元标准多空对冲收益提升近6%，且最大回撤明显减少。

图17（大单和小单NIR_MOD选股能力）

• 大单因子选股能力明显优于小单，年化收益率相差约4%，小单主要提供流动性支撑，Alpha来源小。

图18、19（净流入和成交金额因子Alpha分布）

• 净流入因子呈两极分化，低金额区块为负Alpha，中高金额区有稳定正Alpha，凸显资金规模对Alpha贡献的非线性。

- 成交金额因子整体为负Alpha，符合流动性风险补偿机制。

图20（大单与小单净流入相关性热力图）

• 资金规模不同的资金流净流入相关性表现明显，表明大单资金与小单资金存在结构性对应，支持拆单、流动性匹配的微观结构解释。

图24、25（CNIR因子Rank IC和五分组多头收益）

• CNIR因子Rank IC月度相对稳定且累计上升，多头组合表现显著，保持稳定增长趋势。

图26、27（三阶资金流因子迭代及收益提升）

• 从传统NIR到MOD修正再到CNIR叠加资金跟随策略，因子收益逐级改善，证明新方法显著优化资金流Alpha捕捉能力。

图28（月度对冲收益分布，二月魔咒）

• 除二月因收益表现下滑，其他月份收益均衡且稳健。该波动与宏观事件关联需持续关注。

图29（选股域多空净值）

• CNIR因子在小票、中盘、大盘全部实现正收益，小票和全市场表现最好，反映资金流Alpha在流动性较差市场更明显。

图30、31、32（因子相关性及剥离风格、行为因子后的表现）

• CNIR与Barra传统风格因子和交易行为因子低相关，剥离后仍显著有效，说明因子具备独立的Alpha来源。

图33至36（持仓特征与换手率）

• 行业权重呈现资金偏好演变，25%以上配于大金融、科技和大消费，换手率保持中等，因子兼顾了收益和适度交易成本，具备实用性。

---

4. 估值分析

报告未涉及传统意义的股票估值分析，重点在于因子和策略层面的研发和优化。资金流因子通过数学模型（截面回归剥离涨跌幅影响）及参数调整（资金划分阈值）进行“估值”式优化，最终通过信息比率、收益率和回撤评估选股能力的“价值”。

核心改进方法：

• MOD修正法基于线性截面回归修正资金流买卖比，剔除反转影响，提升因子纯净度。

- 资金流阈值优化，确认2万元为表现最优的划分节点。

• 构造CNIR因子，整合多档资金连续性，降低采集难度，显著提升指标稳定性和选股收益。

---

5. 风险因素评估

• 历史数据依赖风险： 因子构建基于历史数据和统计规律，市场结构变化可能削弱其有效性。

- 流动性风险： 低阈值锁定更细致资金流也可能带来更多噪音和流动性风险。

• 拆单和交易策略影响： 复杂拆单策略和隐蔽交易行为对因子的解释力构成挑战。

- 主动交易划分未知风险： 当前主动买卖划分方法未显著提升因子有效性，其准确性和普适性尚需验证。

• 市场极端情况风险： 如贸易摩擦、疫情反复可能导致因子在特定月份（2月）表现异常。

报告对风险提示语简练，只强调历史统计局限，建议在实务应用中结合市场环境动态调整。

[page::0,21]

---

6. 批判性视角与细微差别

• 报告严谨分析基础上，聚焦深市因逐笔数据完整性考虑，沪市未能完全纳入，可能限制部分结论的推广。

- 资金流因子定义复杂，主动买卖划分谨慎看待，报告对其结论保留，体现科学态度。

• 报告对监管或数据采集限制（如缺少上交所委托逐笔数据）透明说明，增强可信度。

- 关于因子阈值的优化，虽然结论明确偏低于行业传统认知，但未深入探讨背后机构拆单策略的多样性及动态调整机制，未来研究空间大。

• 报告强调因子收益独立于传统风格，但仅有基于统计上的剥离验证，未深入探讨与宏观和微观市场因素的可能相关，存在后续扩展空间。

---

7. 结论性综合

本报告通过对中国A股深市逐笔交易数据的深刻挖掘，系统地分析和优化了资金流因子的核心构建方法，主要贡献与结论包括：

• 重新定义大、小单划分阈值： 传统20万元大单划分不合理，最优阈值约2万元左右，能更好捕捉主力资金的资金流Alpha。

- MOD修正法创新： 通过剔除资金流向数据与涨跌幅间的内蕴反转效应，提纯资金流中主力买卖行为信息，大幅提升因子选股能力和收益稳定性。

• 深度揭示资金流微观结构： 大单资金反映主力资金Alpha，表现为正收益，小单资金多承担市场流动性提供，负向相关；交易对手行为呈现大单与小单资金流负相关，体现市场微观撮合机制。

- CNIR因子构造优化： 整合Wind超大单、大单和中单，结合MOD修正法与跟随资金理念，实现更易应用且收益更优的新型资金流因子。

• 因子表现突出且独立： CNIR多头年化收益近28%，多空信息比率超过4.9，胜率高，选股收益稳定；其与传统Barra风格因子和交易行为因子相关性极低，显示独立有效的Alpha来源。

- 不同市场分层表现不同： 因子在小盘股中表现更佳，在大盘股中阈值表现模糊且存在拆单拆分行为影响，须关注不同市场环境差异。

• 持仓行为合理： 调仓频率和换手率适中，板块配置动态合理，表现受公募基金持仓变动一定程度驱动。

- 风险提示清晰： 该因子基于历史数据，未来市场若发生结构性变化可能影响因子表现，投资时应警惕流动性和极端事件风险。

报告图表全面涵盖了资金流统计分布、IMB与价格相关性、MOD修正流程及优化效果，资金流Alpha分解与资金区间相关性，因子多维度表现比较与持仓分析等，系统性极强。

综上，报告为中国A股市场资金流向因子的量化分析及优化提供了深厚实证基础，提出了科学的资金流因子改进方案，展现了资金流因子作为投资决策工具的有效性和潜力，建议专业投资机构监测利用相关因子洞察主力资金动态，实现超额收益。

[page::0-21,23]

---

参考溯源页码：

• 报告总览、团队、研究背景及核心观点：页0-1

- 资金流划分及重标原理，挂单金额金字塔：页3-4

• 资金流因子定义与选股表现，MOD修正法逻辑及实证：页5-9

- 大单、小单阈值敏感性测试及资金流Alpha结构探讨：页9-13

• 大单与小单净流入相关性及选股域差异：页13-15

- CNIR因子构造及表现，因子独立性，持仓分析及换手率：页16-21

• 风险提示及声明页：页21-23

---

该分析严格基于报告内容，详尽解释了报告的每一个重要论点和数据，深度分析了图表，并进行了风险与批判性讨论，符合要求的专业和详尽解读标准。

报告