• 主动买卖因子ACT定义为主动买入金额与主动卖出金额的差异，旨在反映成交的主动强度，用于选股但整体IC值较低，表现不佳。图1显示ACT因子多空对冲净值曲线平稳，表明其选股能力有限[page::2]。

• “因子切割论”方法：根据收益率高低将交易日切分为高收益日和低收益日，分别计算不同单量级（小、中、大、超大单）ACT因子的表现，区别投资者行为。图2至图5展示了小单在低收益端负向选股效应强烈，大单和中单在高收益端具备正向选股效应，超大单表现不明显[page::3][page::4]。

• 超大单因子覆盖率较低，存在拆单现象，因子表现弱于中单和大单因子。不同单量级代表的投资者类别为：超大单为机构，大单为大户，中单为中户，小单为散户[page::4]。

| 指标 | 有 | 无 |
|----------------|-------|-------|
| 超大单买入总量(手) | 2932 | 972 |
| 大单买入总量(手) | 3888 | 16 |
| 中单买入总量(手) | 3897 | 7 |
| 小单买入总量(手) | 3892 | 12 |
| 超大单卖出总量(手) | 3050 | 854 |
| 大单卖出总量(手) | 3885 | 19 |
| 中单卖出总量(手) | 3894 | 10 |
| 小单卖出总量(手) | 3903 | 1 |

• 合成主动买卖因子：基于大单和中单的高收益端正向选股（ACT正向因子），以及小单的低收益端负向选股（ACT负向因子）构建复合因子。通过切割比例λ调节，λ越小说明收益率截取越极端，对冲表现越佳。图6显示λ=10%时，多空对冲收益波动比高达3.06，表2展示了详细绩效指标，表现稳健优秀[page::5]。

表2：ACT正向因子（不同λ下的多空和多头绩效表现）

| λ(切割比例) | 多空年化换手率 | 多空年化收益率 | 多空年化波动率 | 多空收益波动比 | 多空月度胜率 | 多头年化换手率 | 多头年化收益率 | 多头年化波动率 | 多头收益波动比 | 多头月度胜率 |
|------------|---------------|---------------|---------------|--------------|------------|--------------|--------------|--------------|--------------|------------|
| 10% | 8.89 | 16.62% | 5.43% | 3.06 | 88.89% | 8.66 | 25.67% | 29.44% | 0.87 | 57.78% |
| 20% | 8.81 | 17.46% | 5.93% | 2.94 | 85.56% | 8.55 | 26.76% | 29.48% | 0.91 | 60.00% |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |

• 小单的ACT负向因子虽然选股能力较弱，但收益波动比相对稳定；近年表现有所降温，反映大资金主导的市场格局，更多体现机构投资者的选股能力更强（见图7和表3）[page::6]。

• 相关性分析显示合成ACT正向因子与流动性和波动因子负相关性较大，进行行业与Barra风格因子中性化处理后，因子选股效能依然稳健，收益波动比保持较高水平（见表4和表5）[page::7]。

表4：ACT正向因子与Barra风险因子相关性（λ=10%）

| Beta | 价值 | 杠杆 | 盈利 | 成长 | 流动性 | 动量 | 非线性规模 | 波动 | 规模 |
|-------|-------|-------|-------|-------|--------|-------|------------|-------|-------|
| -0.067| 0.096 | 0.004 | 0.095 | 0.017 | -0.194 | -0.015| 0.028 | -0.207| 0.016 |

表5：行业风格中性化后的ACT正向因子绩效（λ=10%）

| 指标 | 年化换手率 | 年化收益率 | 年化波动率 | 收益波动比 | 月度胜率 |
|------------|------------|------------|------------|------------|----------|
| 多空绩效 | 9.04 | 7.79% | 3.25% | 2.40 | 81.82% |
| 多头绩效 | 8.87 | 20.51% | 31.02% | 0.66 | 53.41% |

• 参数敏感性测试表明，不同回看天数（20、40、60天）对ACT正向因子表现影响有限，因子相对稳定，适用性良好（见表6）[page::7][page::8]。
• 不同样本空间测试：在沪深300和中证500股票池中，ACT正向因子的选股能力依然具备显著表现，收益波动比均保持在稳健水平，说明因子具有较好的泛化能力和稳健性（见表7）[page::8][page::9]。
• 风险提示：量化模型基于历史数据构建，未来市场环境可能发生变化，模型表现有不确定性[page::0][page::9]。

《主动买卖因子的正确用法》报告详尽分析

---

一、元数据与概览

• 标题：《主动买卖因子的正确用法》

- 研究团队：金融工程研究团队，主要分析师包括魏建榕（首席分析师）、傅开波、苏俊豪等

• 发布机构：开源证券研究所

- 发布日期：2020年9月5日

• 报告主题：深入探讨A股市场主动买卖因子（ACT因子）的本质、内在结构及其在量化选股中的应用价值，尤其关注不同类型交易者的主动买卖行为对股价未来表现的预测能力。

- 核心论点：
- 传统意义上的主动买卖因子整体选股能力较弱，不具备理想的预测效果。
- 通过“因子切割”方法，对不同规模订单（超大单、大单、中单、小单）下的ACT因子进行精细化分析，可以揭示不同单子在市场上涨和下跌时具有不同的选股效应。
- 将大单和中单（代表机构和大户）的正向因子与小单（散户）的负向因子进行合成，构建出具有较强选股能力的综合因子。

• 作者传达的主要信息：主动买卖因子的效用并非一刀切，需通过量化切割和合成方法，解构不同交易尺度下的活跃买卖行为，方能挖掘有用的选股信号，同时该因子存在流动性和波动性等风格因子的联系，需中性化处理。

---

二、逐章深度解读

1. 主动买卖因子：基本不具备选股能力

• 关键论点：

- A股市场的交易者主要根据订单金额划分为机构（超大单>=100万元）、大户（20-100万元）、中户（4-20万元）和散户（<4万元）。
- 主动成交（主动买入或卖出）行为承载了更多未来价格走势的信息，因而被用于构建选股因子，即ACT因子。
- 传统ACT因子简单计算为“主动买入金额 - 主动卖出金额”，反映主动净买入强度。
- 实证结果发现，随着订单规模从小单到超大单，ACT因子的IC（信息系数）从负逐步变正，但绝对值普遍较小，显示选股能力有限。

• 数据与支撑：

- 月末取过去20日ACT均值作为股票因子值，剔除停牌、风险警示股及低交易活跃股票。
- 图1显示，超大单与小单的IC均为极低值甚至负值，多空对冲净值增长趋势也不明显，整体选股能力不达预期。

• 逻辑：

- 由于市场结构复杂及“拆单”等交易行为，原始ACT因子不能有效捕捉各种交易者的真实意图和信息，从而限制了其预测力。

2. 主动买卖因子的精细结构：上涨看大中单，下跌看小单

• 关键论点：

- 提出“因子切割论”，认为市场行为的复杂性部分源于粗糙的代理变量选择，通过切割变量，更精准地捕捉因子的内在结构。
- 具体方法是根据收益率的高低，将交易日切割成高收益日和低收益日，分别计算ACT因子在各自子集的平均值，观察其选股效应。

• 具体步骤：

1. 计算过去20个交易日每日ACT值。
2. 按收益率排序取高收益端𝜆比例和低收益端𝜆比例交易日。
3. 分别计算高收益和低收益交易日中的ACT均值，得出ACThigh和ACTlow。

• 数据与趋势：

- 图2-5显示：
- 小单ACT在低收益日表现出明显负向选股效应（IC负值显著）。
- 中单和大单ACT在高收益日呈现较强正向选股效应。
- 超大单表现平平，无明显正负选股效应。
- 表1显示超大单指标覆盖率低，存在“拆单”行为，导致其因子表现不佳。

• 推论：

- 机构投资者（大单、中单）主动买入倾向反映对股价上涨的信心，因而在高收益日展现正相关。
- 散户（小单）在下跌时往往出于恐慌卖出，导致低收益日ACT表现负向选股效应，但这种恐慌卖出的股票有回升可能。
- 超大单因子由于数据不完善和拆单影响，难形成稳定信号。

3. 主动买卖因子的合成：大中单正向因子优于小单负向因子

• 论点：

- 根据切割分析结果，分别构建代表大中户的正向主动买卖因子 $\mathsf{ACT}{\underline{\tau}\sharp \mathbf{\tau}}$，和代表散户的小单负向因子 $\mathrm{ACT}{\mathfrak{A}\sharp\sharp}$。
- 通过对收益率高低截取，得到合成因子。

• 逻辑与结果：

- 该合成活跃买卖因子，在不同𝜆切割比例下均表现出优异的选股性能，且𝜆越小效果越明显。
- 图6显示，当𝜆=10%时，多空对冲收益波动比高达3.06，表明多空策略收益与波动比表现极佳。
- 表2展示多头和多空绩效均稳健，且收益波动比保持较高水平。

• 对比分单因子情况：

- 图7和表3呈现小单负向因子收益虽稳定，但整体选股能力呈下降趋势，说明大资金主导市场，代表大中户的因子优于散户因子。

4. 相关性分析与中性化处理

• 相关性分析：

- 表4显示该合成因子与Barra风险因子中的流动性和波动性因子呈显著负相关，而与价值、成长等因子关联较弱。

• 中性化处理：

- 对因子进行行业和Barra风格因子中性化调整后，依然保持强劲表现。
- 表5反映中性化后的因子在多空和多头端均有优异收益波动比，说明因子能力独立于常见风格因子，拥有真正的选股增益。

5. 参数敏感性及样本空间验证

• 回看天数敏感度：

- 表6和相关描述显示不同回看天数（20、40、60天）下，因子表现稳健，收益波动比均保持较好水平，证明参数设定较为稳健且非过拟合。

• 样本空间扩展验证：

- 表7进一步验证因子在沪深300和中证500两个核心指数样本内依然有效，表明因子适应较广泛的市场环境，具备较好的普适性。

6. 风险提示

• 明确指出量化模型基于历史数据构建，未来市场变化可能导致模型表现波动或失效，风险不可忽视。

---

三、图表深度解读

图1：ACT因子5分组多空对冲净值

• 显示原始ACT因子根据交易者单子类型划分后的多空对冲净值走势。

- 发现整体净值曲线浮动有限，超大单和小单IC均为负或约零，说明强大的单子规模并不简单转化为预测力。

• 有效揭示传统ACT指标选股能力低的实证现实。

图2-5：不同挂单水平ACT因子切割分析

• 图2（小单）：高收益端IC轻微正向，低收益端IC明显负向，说明小单买卖行为在股价下跌时具备反向指标价值。

- 图3（中单）：高收益端正向IC显著，低收益端负向IC较小，显示中单代表的中户积极买入信息较为可靠。

• 图4（大单）：同样在高收益端表现正向IC，表明大户资金买入对后续上涨有较强引导作用。

- 图5（超大单）：高低收益端IC均无明显趋势，原因可能为单子拆分和因子覆盖不完整。

• 该系列图表清楚展示了不同资金规模对市场走势的差异影响，支持“因子切割论”方法论。

图6：合成正向因子多空对冲净值表现

• 明显的分层走势，不同𝜆切割比例下表现有差异，𝜆越小，收益越突出。

- 净值长期上升且平稳，支持该合成因子的强劲选股能力。

图7：合成负向因子多空对冲净值

• 净值曲线趋缓且收益逐渐降低，反映小单负向因子选股能力减弱。

- 说明市场主导权逐步集中于大资金持有者。

表1-7数据解读

• 表1揭示超大单指标的覆盖率不足，存在样本盲区，影响因子表现。

- 表2和表3分别展示正向和负向合成因子在不同𝜆比例下的绩效，详细列出年化收益、波动率、收益波动比以及月度胜率数据，体现不同参数下因子的表现趋势和稳定性。

• 表4展示Barra因子相关性，表明因子与流动性及波动性等风格因子的负相关关系。

- 表5对中性化因子的多空和多头表现进行量化，验证因子样本独立性。

• 表6和表7涉及参数灵敏度和样本验证，确认因子稳健性和适用度。

---

四、估值分析

本报告主要围绕主动买卖因子的实证分析和因子构建，并未涉及具体的股票或行业估值模型，不涉及传统估值技术（DCF、市盈率等），故不包含估值分析环节。

---

五、风险因素评估

• 主要风险：历史回测的量化模型存在局限，未来市场结构、行为和政策环境变化可能导致模型失效。

- 风险提示明确告知投资者，依赖历史回测结果构建的因子不能保证未来稳定收益，提示投资决策需谨慎。

---

六、批判性视角与细微差别

• 报告谨慎评价了原始ACT因子的选股能力，避免过度乐观，体现了客观严谨的分析风格。

- 对于超大单因子表现不佳，报告合理解释了“拆单”现象和覆盖率不足带来的影响，体现对市场微观结构的深刻理解。

• “因子切割论”作为创新方法，有效解决了因子过于粗糙导致的表现不足问题，但仍基于历史数据，未来表现需进一步观测。

- 负向因子表现逐渐退化的描述，也体现出市场主导力量正在从散户向机构转移的宏观趋势，这一推断合理且符合市场实际。

• 从报告结构和用词看，无明显内在矛盾，分析条理严密。

- 但因因子构建依赖于过去20天数据窗口，尽管后文做了参数敏感性测试，仍需关注在更极端和非典型市场环境下的有效性。

• 报告中因子符号部分出现了杂乱字符（如 $\mathbf{ACT}_{\I E\mid\circ\jmath}$ ），可能因排版或OCR识别问题，需结合上下文还原理解。

---

七、结论性综合

本报告系统、深入地分析了A股市场上传统主动买卖因子（ACT因子）的性能及改进路径。核心发现包括：

• 原始ACT因子整体预测力弱，尤其是超大单和小单层面的因子表现不佳，IC值极低。

- 通过创新的“因子切割论”，以收益率为切割标准区分高收益与低收益交易日，针对不同资金规模切分ACT因子，揭示了：
- 大单和中单（机构及大户）在高收益端表现出显著正向选股效应。
- 小单（散户）在低收益端表现出较强的负向选股效应。
- 超大单因子因覆盖率及拆单限制，缺乏显著表现。

• 基于上述现象，构建了合成主动买卖因子，分别体现大中单的正向活跃买卖和小单的负向活跃买卖。

- 合成的正向主动买卖因子表现出优异的选股能力，尤其在切割比例低（如𝜆=10%）时，收益波动比达3.06，远超传统ACT因子。

• 该因子与常见风格因子存在一定负相关，但在行业和Barra因子中性化后仍表现稳健，说明其力量独立且具有增盈空间。

- 因子对参数设置不敏感，在沪深300和中证500等不同市场样本中均有较好适用性，显示较强稳健性和普适性。

• 风险方面，量化因子基于历史数据构建，未来环境变化可能制约其效果，投资者应保持警惕。

综上，报告创新揭示了主动买卖行为的微观结构特征，提出了更具实用价值的主动买卖因子合成方法，为市场量化选股提供了重要理论基础和实证支持，论述严密，数据详实，方法创新，极具参考价值。[page::0,1,2,3,4,5,6,7,8,9]

---

附：报告中的主要关键图表示意

• 

图1：ACT因子各单子类别多空对冲净值及IC值，突出整体选股能力不足。

• 

图2：小单ACT因子切割后低收益端负向选股效应显著。

• 

图3：中单ACT因子切割后高收益端正向选股效应明显。

• 

图4：大单ACT因子切割后高收益端正向选股效应突出。

• 

图5：超大单ACT因子切割后选股效应不明显。

• 

图6：合成正向ACT因子多空对冲净值，收益稳定且分层明显。

• 

图7：合成负向ACT因子多空对冲净值，收益逐年放缓。

---

以上分析结构清晰，深入剖析了报告的所有关键逻辑、数据、图表及推断结论，体现了报告中主动买卖因子研究的完整脉络及价值。

报告