大单因子构建与定义 [page::3]

• 采用A股L2逐笔成交数据，识别大单和小单，阈值采用成交金额分位数确定。

- 构建大单买入占比和大单涨跌幅因子，定义全天及早盘版本。

• 回测区间为2013年末至2022年3月末，选股信号基于20日均值RankIC和多空分组表现。

超大单的定义与负向冲击 [page::6][page::7]

• 超大单定义为当日单笔成交金额占当天股票总成交金额比例超过1%的订单。

- 市值小股票受到超大单负向Alpha冲击更明显，体现为超大单买入占比因子IC为负。

• 早盘超大单因子负向效应弱于全天，可能因信息优势增强选股效果对冲部分负面冲击。

量化超大单买入占比和涨跌幅因子表现 [page::7][page::8]

• 超大单买入占比因子全市场多为负IC，市值越小负效应越强。

- 超大单涨跌幅因子表现类似，增强了超大单负向影响的证据。

• 早盘超大单涨跌幅表现较弱，但市值小样本仍显著负相关。

剔除超大单影响后大单因子选股表现的提升 [page::9][page::10]

• 剔除超大单后，普通大单买入占比因子在中证500、中证1000及全指股票池中RankIC提升明显。

- 早盘大单买入占比因子剔除超大单后表现优于未剔除版本，表现更稳健。

• 剔除超大单优化因子后，多空组合回撤减小，收益稳定性增强。

大单涨跌幅因子剔除超大单后的表现改进 [page::11]

• 剔除超大单后的涨跌幅因子选股能力略有提升，小盘优势依旧明显。

- 早盘涨跌幅因子表现优于全天版本，提升了因子信号稳定性。

超大单阈值参数敏感性分析 [page::12][page::13]

• 超大单门槛范围从0.1%至5%变动，因子选股效果表现先提升后下降。

- 在0.5%-2%阈值区间内，多数样本空间获得较优选股表现。

• 剔除超大单对大市值（沪深300）影响不大，中小市值股票选股效果显著改进。

因子信息衰减分析 [page::14]

• 剔除超大单后大单买入占比和涨跌幅因子的RankIC衰减较慢，半衰期约为70个交易日。

- 随着滞后交易日增加，因子信息保持度明显，适合中长期持有策略。

不同形成期与持有期的动量多空收益表现 [page::15]

| 形成期\持有期 | 1周 | 2周 | 4周 | 8周 | 12周 | 25周 | 36周 | 50周 |
|---------------|--------|--------|--------|--------|--------|--------|--------|--------|
| 1周 | 47.39% | 37.10% | 26.17% | 18.63% | 16.31% | 11.42% | 9.80% | 8.29% |
| 2周 | 51.79% | 41.25% | 30.52% | 22.54% | 20.01% | 14.19% | 12.34% | 10.45% |
| 4周 | 48.97% | 41.85% | 33.36% | 25.02% | 22.39% | 16.12% | 14.43% | 12.25% |

• 最优策略形成期在2-4周，持有期在1-2周，且长期持有仍有显著超额收益。

相关性分析 - 与大类因子及量价因子 [page::16][page::17]

• 剔除超大单后，大单买入占比因子与反转因子相关性显著下降，与波动率和换手率相关性上升。

- 大单涨跌幅因子偏好低流动性、低波动率股票，剔除超大单影响后相关性变化较小。

• 大单因子与日间及日内量价因子总体相关性较低，说明独立性较强。

金融研究报告详尽分析报告

报告名称：《超大单冲击对大单因子的影响》

研究团队：朱剑涛、王星星、栾张心怿（东方证券研究所）

发布机构：东方证券股份有限公司

报告发布日期：2022年5月20日

主题：基于A股L2高频数据构建大单因子的优化研究，重点考察超大单对大单因子的冲击及改进方案

---

一、元数据与报告概览

本报告是东方证券研究团队继《基于大单的alpha因子构建》系列研究的延续，聚焦于大单因子中超大单的影响，通过剖析超大单对动量特征的负向冲击，提出剔除超大单的改进方案，提升大单因子的选股效能。报告以A股L2逐笔成交高频数据为基础，系统量化分析大单买入占比和大单涨跌幅两类因子的表现，并利用超大单阈值设定及参数敏感性探讨其对因子表现的影响。在沪深300、中证500、中证1000等不同市值股票池的测试中，报告重点刻画了超大单负向alpha效应尤其在中小市值股票中的显著性。总体来看，报告强调剔除超大单数据能有效强化大单因子的动量属性和选股能力。

报告给出的风险提示主要包括量化模型失效风险及极端市场环境对模型表现的冲击风险。

[page::0,1,18]

---

二、逐节深度解读

1. 大单因子的构建（第3-5页）

• 关键论点与定义

报告依据A股L2逐笔成交数据定义“大小单”，通过成交金额的分位数（如30%）区分大单与小单。定义大单基于合同“成交金额大于某一分位数”，并非简单金额阈值。大单买入占比因子定义为当日大买单成交金额占全部大单成交金额的比例；大单涨跌幅因子则基于大单主动成交订单的对数价格变动累计。早盘版本因子限制时间到上午10:00，以捕捉更多信息交易的时段表现。因子测试选取过去20个交易日均值作为选股依据，评估区间覆盖2013年至2022年初。

• 敏感性分析

对不同大单阈值（从1%至80%分位数）进行测试，结论揭示：因子正向alpha并未因阈值降低而减弱，反而在较宽阈值包含更多中单时alpha更强，说明“中大单”而不仅仅是极大单具有动量效应。阈值很小的超大单在小市值股票中产生负向冲击，表明大单因子的选股效用来源较为广泛，信息优势覆盖多个成交金额层级。

• 数据说明

图1（表格形式）汇集了不同阈值下在沪深300、中证500、中证1000及全指的RankIC（月度均值）、年化收益、夏普率等指标，验证阈值变化对因子性能影响的细节，提供了坚实的数据支撑。

[page::3,4,5]

---

2. 超大单冲击的负向效应（第6-8页）

• 定义与动因

报告区分“超大单”与大单的概念，超大单定义为个股日成交金额中单笔订单占比超过1%，该阈值考虑了流动性差异，更适合剥离流动性冲击与过度投机效应。通过案例对比（图2），大市值股票虽单笔金额巨大但占比低，小盘股流动性差单笔占比高，凸显定义合理性与区分效果。

• 因子表现

构建超大单买入占比和超大单涨跌幅因子，实验表明超大单买入占比在中小盘（如中证1000）显著负向RankIC，年化收益近似出现反转，验证超大单确实带有负向Alpha冲击。早盘数据的负向效应不显著，推测早盘大单信息优势抵消部分冲击。超大单涨跌幅因子同样呈现负额关联，且小市值股票效果更显著。

• 表格与数据价值

图3至图6详细展示了各股票池的超大单相关因子表现，有正负IC均值、夏普率、回撤等指标，且行业市值中性后依旧体现负向冲击，数据全面且结论具有稳健性。

[page::6,7,8]

---

3. 剔除超大单影响后的大单因子优化（第8-13页）

• 定义与数学表达

剔除超大单后的“普通大单”买入占比作为改进因子，数学上大单买入占比为普通大单买入占比与超大单买入占比的加权平均，剔除超大单后因子更能体现纯粹的资金动量效应。

• 因子测试比较

图7显示剔除超大单前后大单买入占比因子的RankIC、年化收益和夏普率变化。中证500及以下板块剔除后因子表现有明显提升，沪深300因超大单影响较小差异不明显。剔除超大单后因子组收益单调且回撤降低，意味组合风险更优，稳定性增强。

• 分组与净值曲线

图8、图9呈现剔除超大单后大单买入占比因子在中证全指内的多空收益分组对冲年化收益及月度RankIC波动，显示梯度明显，可见因子选股信号被强化。净值曲线平稳攀升，回撤控制合理。

• 大单涨跌幅因子调整

类似方式剔除超大单数据后，大单涨跌幅因子选股效果得到轻微提升，尤其中证较小市值板块改善较明显。早盘因子信息含量增强，且空头超额收益亦较显著。相关图示（图10-12）支持上述结论。

• 参数敏感性（超大单阈值）

在0.1%~5%的阈值区间测算剔除超大单对因子表现影响，发现过低阈值剔除过多信息导致因子收益下降，过高阈值则未充分剔除负向冲击；1%-2%的阈值区间是性能最优区间。沪深300表现受影响最小，中小市值股票表现提升最明显。

[page::8,9,10,11,12,13]

---

4. 大单因子的因子衰减及多空收益分析（第14-15页）

• RankIC衰减分析

报告采用不同平滑周期（1、3、6、9、12个月）计算因子月度RankIC，考察滞后不同交易日后的因子信号衰减。结果显示大单买入占比和涨跌幅两因子均具较慢衰减，半衰期约为70交易日，滞后80天后的衰减速度放缓，表明因子具有较持久信息。

• 多空组合不同形成期持有期表现

引用Jegadeesh和Titman动量研究方法，测试因子在不同形成期（1-50周）和持有期下的多空年化收益。两大类大单因子均能产生显著多空收益，最佳形成期大约为2-4周，持有期为1-2周，且即使形成期和持有期达到3个月仍表现良好，更适合中长期动量策略建设。

[page::14,15]

---

5. 因子相关性分析（第16-17页）

• 与传统大类因子相关性

分析因子截面秩相关系数和RankIC，显示剔除超大单前后大单因子与除流动性和投机性类因子外的常见大类因子相关性较低。剔除超大单后，大单买入占比因子与投机性因子相关性上升，且与反转因子的相关性降低，表明剔除后的因子更偏向动量且减少了反转影响。

• 与量价因子相关性

剔除超大单后的大单买入占比因子与反转相关性显著下降，而与波动率、换手率的相关性升高，且大单涨跌幅因子与低流动性和低波动股票相关性较强。大单因子和常见日内量价因子（如温和收益）相关性较弱，体现了大单因子的独立信息来源。

[page::16,17]

---

6. 报告结论及风险提示（第18页）

总结如下：

• 大单因子不单依赖极大订单，中大订单均具动量效应。

- 超大单（占当日成交金额比例超1%）通常带来短期负向alpha冲击，尤其在小票中更显著。

• 剔除超大单后，大单因子的正向alpha和选股效果明显增强，尤其在中小市值股票中优势突出。

- 剔除后的因子衰减速度慢，动量特征明显，形成长期有效选股工具。

• 剔除超大单后，大单买入占比因子与反转因子的负相关显著降低，与波动和换手率的正相关增加，增强了因子稳定性和解释力。

风险方面，模型未来存在失效风险，特别是极端市场环境可能导致策略收益不理想，投资者需密切监控模型表现。

[page::18]

---

三、图表深度解读

重要表格与图形详解

• 表：剔除超大单前后大单买入占比与因子表现（首页首表）

该表含沪深300、中证500、中证800、中证1000及中证全指样本下的大单买入占比因子各项指标。可以清楚看到剔除超大单后，RankIC由中证全指的3.19%提升至8.58%；年化收益和夏普率均有增强，尤其是在中证500及中证1000中提升明显，最大回撤和月胜率整体改善，凸显因子稳定性提升。

• 图1（页5）不同大单阈值大单买入占比测试结果

随大单阈值从1%上升至50%、80%，IC月度均值和年化收益并未下降反升高，表明除极大单外，中等大单也贡献显著正向信号，且在小市值股票中超大单买入占比因子表现出负向alpha，验证了超大单存在反转效应。

• 图2（页6）大票与小票超大单订单金额对比

清晰展示大市值股票单笔订单虽金额大，但占比低，小市值股票单笔订单金额小但占比高，说明用「占比」定义超大单更能体现典型冲击，合理区分流动性差异，定义科学严谨。

• 图3、4（页7）超大单买入占比因子表现

中证1000、全指超大单买入占比IC为显著负值（约-4%），而在大市值沪深300区分不明显，兼具夏普、最大回撤指标，这组图强化了超大单带来的负向价格冲击。

• 图5、6（页8）超大单涨跌幅因子表现

超大单涨跌幅因子负向IC最大在中证1000范围达到约-6.6%，早盘数据相关性减弱；这一信息强化了上述结论：超大单体现了短期负向冲击尤其对中小盘影响大。

• 图7（页9）剔除超大单前后大单买入占比对比

图表及指标层面对比，剔除超大单后因子IC、年化收益及夏普率均有显著提升，中小市值板块更为明显，同时因子噪音减少，表现更为稳定且波动更小。

• 图8、9（页10）剔除超大单后大单买入占比分组收益和月度RankIC序列

显示从最弱组到最强组收益递增，最高组年化超越9%，月度RankIC稳定在正区间，净值上升序列体现其策略稳定性和相对收益贡献。

• 图10-12（页11）剔除超大单前后大单涨跌幅因子表现

大单涨跌幅因子与买入占比因子表现类似，剔除超大单后改善有限，但小盘选股效能增强，早盘因子表现优于全天因子。

• 图13、14（页12-13）超大单阈值参数敏感性分析

透视选择超大单阈值对因子表现的影响，发现阈值在0.5%-2%区间因子表现最佳。较低阈值虽剔除负面影响多，但剔除信息过多反而削弱因子；较高阈值则剔除不足，保留负向噪音。

• 图15（页14）RankIC因子衰减曲线

研究平滑期与滞后日数对因子活力的影响，因子信息持久，半衰期约70交易日，稳定性强，适于多周期构建。

• 图17、18（页15）形成期与持有期下多空收益表

显示不同形成及持有期组合下的年化收益水平，2-4周形成期、1-2周持有期内表现最佳，但长持有期仍持续产生正向收益，提供构建灵活中长期量化策略的依据。

• 图19-21（页16-17）因子与主流因子及量价因子的相关性矩阵

以L2F0~L2F7表示八类大单因子，显示与价值、盈利能力、增长、治理、流动性、投机性及分析师预期等因子低到中度相关。而剔除超大单后，大单买入占比因子与反转因子相关性显著下降，与波动率及换手率相关性上升，因子更多捕捉纯粹的资金动量与流动性特征，减弱了反转特征的影响，因子独立性和稳定性提升。

整体上，图形与表格互为补充，数据支撑扎实，结构清晰，逻辑自洽。

[page::5-17]

---

四、估值分析

报告不涉及具体证券个股的估值模型或目标价设定，属于量化模型性能研究及因子研发类报告，未开展DCF、市盈率或企业价值倍数分析，也无目标价格。其关注重点是因子的Alpha表现、风险调整收益、信息衰减及因子与市场其他因子相关性。

---

五、风险因素评估

报告明确提及两类主要风险：

1. 量化模型失效风险：基于历史数据建模的因子可能在未来表现不佳，尤其在市场结构变化或因子飙升被市场认知后alpha减少。
2. 市场极端环境风险：极端市场波动可能导致模型表现大幅偏离，产生显著亏损。

报告未明确对应的风险缓释措施，暗示投资者需持续跟踪模型表现，谨慎使用，结合实际风控体系。

[page::0,18]

---

六、批判性视角与细微差别

• 数据依赖与模型健壮性

因子基于高频L2逐笔成交数据，数据质量和样本覆盖是因子表现基础。报告虽提及多种样本池测试，但对历史市场结构变异、多周期稳定性讨论略显不足。

• 市场微结构变动影响

超大单定义依赖当日成交金额占比，理论上能适应流动性差异，但极端市场条件（比如停牌频繁、小票流动性骤变）可能影响因子稳定性。

• 风险提示较简略

报告也未充分深入探讨因子因流动性约束、交易成本带来的实际操作风险及模型的潜在过拟合风险。

• 策略应用限制

报告侧重因子表现，未对实现层面如成本、滑点、数据滞后等实际问题详细展开讨论，现实应用中需要进一步验证。

• 时间窗口选择的偏向

形成期及持有期设计基于等权多空组合，在不同行情和风格轮动中灵敏度表现未完全展开。

总结报告仍较为专业严谨，但投资者在使用过程中需结合宏观及微观市场环境动态调整。

[page::0-18]

---

七、结论性综合

本报告为基于A股高频数据的大单因子研究提供了深刻的见解：

• 大单因子不仅仅依赖极端大单（超大单），中到大单均含有动量信号。

- 超大单（单笔订单超过当日成交金额1%）往往引发短期股价反转，即负向alpha，特别在中小市值股票中更为突出，疑因流动性冲击和过度投机。

• 剔除超大单后，调整的大单买入占比和大单涨跌幅因子在中小盘股票中的选股能力和稳定性显著提升。

- 因子信息衰减缓慢，半衰期约70交易日，显示其具有较长期的预测能力，且在多种形成期和持有期组合中均具有显著正收益，适合构建多空量化策略。

• 因子剔除超大单后与反转因子的负相关减弱，与波动及换手等流动性相关指标相关性增强，说明优化后因子更偏向真实资金动能而非反转或投机特征。

- 相关图表充分展示了因子不同阈值选择、剔除超大单前后的效果对比，支撑结论科学严密，具有较高的实用价值。

风险提示充分，提醒投资者关注模型失效及极端环境风险。

整体而言，该研究推动了大单因子构建的理论与实证边界，为量化投资者在挑选股票时提供了更为纯净有效的资金动因因子，具有较强的策略落地意义和理论价值。

[page::0-18]

---

结束语

本报告以清晰逻辑结构、详实数据及广泛样本测试，系统揭示了超大单对传统大单因子的负向冲击及改进路径，为后续因子研发与多空策略提供了宝贵的实证基础和方法指导。未来研究可聚焦因子信号的动态调节、策略实现成本及跨市场适用性，进一步深化量化选股框架。

---

本分析报告根据原文内容及相关图片数据细致解读完成，严格遵从溯源及客观要求。

报告