多层次订单失衡与订单斜率因子定义及投资逻辑 [page::1][page::3]

• 订单失衡因子（OFI）通过买一卖一等多个档位订单买卖量和价格的变化，量化市场买卖力量的不平衡，反映市场情绪和方向。

- 订单斜率因子衡量订单价格变化对订单量变化的敏感度，是流动性指标，因子值大通常对应较差流动性和流动性溢价。

• 高频OFI因子为正推动股价短期上涨，低频阶段相关性减弱且多表现为均值回复，中长期影响不显著；订单斜率因子则长期体现正向流动性风险溢价。

高频因子转低频及因子特征分析 [page::4][page::5][page::6]

• 高频分钟因子通过等权平均转为日因子，剔除市场趋势影响后再利用时间衰减加权生成月频因子。

- 高频OFI1因子分钟级别IC达到15.7%，但月频IC衰减至-0.08%，显示降频影响因子效能，需取绝对值对中间值打分。

• OFI因子10分位年化收益表现中间优于两头极端，负向或正向极端异动预示下月股价出现明显下跌。

- 月频绝对值OFI因子IC呈负值且随着档位提高IC绝对值增大，显示高档位订单信息更有价值，订单斜率因子月频IC为正，支持长期流动性风险溢价逻辑。

订单失衡及斜率因子与传统因子相关性分析 [page::6]

• OFI类因子与动量类因子呈正相关，LogQuoteSlope与盈利类因子（ROE、ROA等）呈较强负相关，且与换手率显著相关，表明需对市值及换手率做中性处理。

- 各档位OFI因子相关性高，信息相近。

订单失衡及斜率因子单因子测试结果 [page::7][page::8][page::9]

• 订单失衡因子OFI各档位IC均在-3.26%至-5.06%之间，年化多空收益在17.07%-21.11%区间，夏普比率均超过1.9，最大回撤低，选股效果显著稳定。

- MOFI_Weight加权因子表现最佳，IC均值-4.76%，年化收益21.68%，夏普比率2.1，胜率达74.29%。

• 订单斜率因子LogQuoteSlope表现良好，IC均值5.19%，年化收益21.09%，多头收益占比超过70%，夏普比率1.34，虽波动较大但具有更佳多头表现。

金融研究报告深度分析报告

报告标题与元数据概览

• 报告标题：建投金工深度专题105：多层次订单失衡及订单斜率因子

- 作者：陈升锐、丁鲁明

• 发布机构：中信建投证券股份有限公司，金融工程研究团队

- 发布日期：2021年7月10日

• 核心主题：基于高频盘口数据，构建多层次订单失衡因子（Order Flow Imbalance, OFI）及订单斜率因子（LogQuoteSlope），应用于月频选股因子开发与回测。

- 报告目的：揭示通过解析多层次盘口数据的订单买卖压力失衡及订单价差对量的敏感性，构建高频量价因子，转换为低频选股因子，用以捕捉短期价量冲击及中长期流动性溢价，实现优异选股效果。

---

1. 报告主体结构与内容解析

1.1 多层次订单失衡及订单斜率因子定义和投资逻辑

• 核心内容总结：

限价订单簿（LOB）中买卖双方的价格和对应委托量的变化反映了市场参与者对未来价格方向的预期。基于盘口数据，报告构建多档位订单失衡因子（OFI）及订单斜率因子（LogQuoteSlope）。OFI因子反映多空双方主动买卖力量的抗衡，订单斜率因子衡量价格对订单量的敏感性，侧面反映流动性特征。

• 因子构建数学表达：

订单失衡因子（OFI）在每个时间段 t 通过买方与卖方委托量增减差异定义：

$$
OFIt = \Delta Vt^B - \Delta Vt^A
$$

其中：

$$
\Delta Vt^B = \begin{cases} -V{t-1}^B & Pt^B < P{t-1}^B \\ Vt^B - V{t-1}^B & Pt^B = P{t-1}^B \\ Vt^B & Pt^B > P{t-1}^B \end{cases}, \quad
\Delta Vt^A = \begin{cases} Vt^A & Pt^A < P{t-1}^A \\ Vt^A - V{t-1}^A & Pt^A = P{t-1}^A \\ -V{t-1}^A & Pt^A > P{t-1}^A \end{cases}
$$

- $Pt^B$, $Pt^A$：买一价和卖一价
- $Vt^B$, $Vt^A$：买一和卖一的委托量

通过以上定义，OFI考虑了委托量及价格变动对订单失衡的动态影响，较传统VOI有更全信息覆盖。

报告进一步将不同最高至五档的OFI因子进行加权求和：

$$
MOFI = \sum{i=1}^5 OFI^{(i)}
$$

及加权版本：

$$
MOFI\Weight = \frac{\sum{i=1}^5 wi \times OFIi^{(i)}}{\sum{i=1}^5 wi }, \quad wi = \frac{i}{5}
$$

体现高档位权重较高，信息含金量更大。

订单斜率因子定义：

$$
LogQuoteSlopek = \frac{\log(Ak) - \log(Bk)}{\log(Nk^A) + \log(Nk^B)}
$$

- $Ak$ 和 $Bk$：卖一价和买一价
- $Nk^A$ 和 $Nk^B$：卖一量和买一量
该因子反映价格差对订单量差的敏感度，取对数确保数据平稳，视为流动性的度量。

• 投资逻辑解读：

- 订单失衡因子反映市场买卖力量短期博弈。高频上该因子与价格正相关，预期因子越大，短期价格上升概率越高。
- 从中长期看，订单压力失衡导致的价格超额收益有均值回归的趋势，超额收益无法持续，说明短期冲击效应显著，但长期恢复平衡。
- 订单斜率因子代表流动性，数值越大表明买卖价差与订单量关系异常，流动性越差，因而该因子长期存在流动性风险溢价，表现优良。

---

1.2 高频转低频因子构造方法和特征分析

• 转化流程：

- 分钟因子至日因子：采用等权平均所有分钟数据因子值。
- 日因子截面标准化：剔除市场趋势影响，具体为日因子减当日全市场均值后除以标准差。
- 日因子至月因子：距离调仓日越近的数据权重越大，采用线性衰减加权。

公式简述如报告第四节所述。

• 高频与低频IC对比（见表1）：

- 高频OFI1因子IC均值为15.70%（显著正相关）。
- 转为月频后IC均值约为-0.08%，有效性显著衰减。

• 低频特征：

低频OFI因子呈“中间强、两头弱”的收益表现，表明极端高或低失衡值反而对应较低的未来收益（见图3）。这是由于极端失衡通常伴随着快速价格调整或反转，体现短期冲击行为。

• 极端因子异动案例解释（见图4、图5）：

- 当OFI因子出现负向大幅异动时（骤降），对应未来一个月的价格出现明显下跌趋势。
- 意外的是，正向大幅异动时股票下月仍可能下跌，因市场短期过度买卖压力消退导致反转。

这说明月频OFI因子不能简单直接用于趋势判断，应结合绝对值和其他信息进行综合处理。

---

1.3 订单失衡因子与常用因子相关性分析

• OFI类因子与动量类因子（过去1个月与3个月动量）高度正相关（相关系数0.4-0.6），这说明短期订单压力失衡与价格动量存在一定共振。

- LogQuoteSlope因子与盈利能力指标（ROE、ROA、ROIC）呈显著负相关，同时也与换手率有较明显的相关性，表明其与流动性及基本面盈利情况相关。

• 各档OFI因子相关性较大，包含了较相似信息，适合进行加权整合处理。

此部分分析为因子中性化处理（市值和行业中性化）提供逻辑支撑，避免因子载荷冗余导致模型扭曲。

---

1.4 高频订单失衡及价差因子测试回测结果

• 测试周期：2014年12月至2020年10月5年数据

- 回测样本：全市场股票，剔除停牌、ST、一字板及上市未满半年股票，月频调仓。

• 数据处理：因子极值处理（三倍标准差剔除），缺失值剔除；OFI1、OFI2、LogQuoteSlope因子进行市值及行业中性化。

各档OFI因子选股效果（IC均值、年化IR、夏普比率及累计收益）如下（数据均为月频指标）：

| 因子 | IC均值 | 年化IR | 年化多空收益 | 夏普比率 | 胜率 | 最大回撤 | 收益回撤比 |
|------------|----------|--------|--------------|----------|--------|----------|------------|
| OFI1 | -3.26% | -1.74 | 17.07% | 1.93 | 68.57% | 3.08% | 5.54 |
| OFI2 | -4.11% | -2.25 | 16.36% | 1.99 | 74.29% | 4.78% | 3.42 |
| OFI3 | -4.71% | -2.51 | 20.28% | 2.20 | 77.14% | 4.33% | 4.69 |
| OFI4 | -4.64% | -2.48 | 19.81% | 2.20 | 68.57% | 4.37% | 4.53 |
| OFI5 | -5.06% | -2.60 | 21.11% | 2.31 | 77.14% | 3.85% | 5.48 |
| MOFI | -4.45% | -2.40 | 19.09% | 2.01 | 72.86% | 4.78% | 3.99 |
| MOFIWeight| -4.76% | -2.55 | 21.68% | 2.10 | 74.29% | 4.10% | 5.29 |
| LogQuoteSlope | +5.19% | +1.56 | 21.09% | 1.34 | 68.57% | 19.00% | 1.11 |

• 数据来源：图6至图13的各期统计图表及表格数据

- 主要结论：
- OFI因子均为负IC，意味着其反向排序（取绝对值）更具选股能力。
- MOFIWeight因子（加权档位整合）表现最佳，IC均值最大，收益和夏普率均领先。
- 订单斜率因子为正IC，反映流动性风险溢价，表现稳定但波动与最大回撤相对较高。
- 各因子均展现较高胜率（62%-77%区间），并伴随良好风险调整收益。

---

2. 图表及表格深度解读

• 图1（OFI因子示意图，页码2）：清晰描绘t时刻与t+1时刻买卖价及委托量变化如何影响OFI值，直观表现OFI定义的动态变化特征。

- 图2（订单斜率因子示意，页码3）：表明价格对数量的对数对应关系，确认因子稳定性和经济含义。

• 表1（高频与低频IC对比，页码4）：呈现OFI因子高频有效性显著，低频有效性消失，验证短期冲击特征。

- 图3（OFI1因子月频十分位收益，页码5）：突出“中间强，两头弱”收益结构，提示极端失衡值遭遇反转风险。

• 图4-5（OFI1正负向异动与下月股价表现，页码5）：极端案例支持失衡因子对后续价格走势有预示作用，但预示方向复杂。

- 表2（高频因子月频IC比较，页码6）：清晰展示不同档位OFI因子绝对值与选股能力递增趋势，强调高档位重要性及斜率因子长期价值。

• 表3（因子相关性，页码6）：揭示选股因子间结构性相互关系，指导因子中性化处理及组合构建。

- 图6-13（各因子IC统计及累计净值，页码7-9）：完整呈现因子选股绩效多维数据，支撑结论可信有效。

---

3. 估值、风险与策略建议

• 估值方法：报告主要关注量化因子构建与回测，未涉及传统估值方法（如DCF、市盈率等）。

- 风险因素：因子呈现负IC但反向有用，短期极端失衡造成价格波动大，对短线策略有风险；订单斜率因子虽正面，但波动率和最大回撤较高。

• 风险缓解：中性化处理、去极值操作、衰减加权等均体现为控制风险与提升信息有效性的手段。

- 应用建议：因子适合用月频定期调仓，结合绝对值及多因子整合；流动性斜率指标适合捕捉长期流动性风险溢价，建议校正换手率、盈利指标的共同影响。

---

4. 审慎视角与细微差别

• OFI因子高频有效但低频弱，提示其信息存在时效性和噪音问题，需谨慎对待长期趋势预测。

- 两者异动均伴随逆向大幅价格变动，揭示市场短期过度反应的行为金融特征。

• 相关性分析表明因子与部分经典因子关联度高，需控制混杂效应确保因子独立贡献。

- 尽管单因子表现优秀，但多因子融合和实际交易成本影响尚待充分评估。

---

5. 结论性综合

本报告系统地定义与构建了基于高频盘口订单数据的多层次订单失衡因子和订单斜率因子，利用订单价格与量的动态关系反映了市场短期买卖双方力量对比及流动性特征。报告对因子进行频率转换、统计检验与实证回测，得出以下关键结论：

• 订单失衡因子（OFI）：

高频状态下，OFI因子呈显著正相关价格变动，体现为短期买卖力量优势信号。转换为月频后，因子有效性减弱，表现为负IC，提示短期压力冲击带来价格波动，且超额收益存在均值回归。对OFI因子取绝对值后选股能力明显增强，高档位OFI含金量最高，给予加权提升效果最佳。单因子回测显示该因子年化多空收益高达21.68%，夏普比率约2.1，选股表现优秀。

• 订单斜率因子（LogQuoteSlope）：

衡量价格差对订单量的敏感度，反映流动性紧缩与风险溢价。因子IC正向且稳定，年化多空收益约21.09%，但波动和最大回撤较大。多头收益贡献占比超过70%，强调其在多头策略上的潜力。

• 实际应用指引：

因子具有显著的解释力与预测力价值，适合结合数据中性化及多因子融合应用于月频量化选股模型。以上因子能有效捕获市场参与者行为信息及流动性风险，辅助构建高效选股策略。

• 图表数据支持侦测：

本报告通过详尽图表展示，从高频价格与量的动态关系建模示意（图1、图2），到因子月频IC统计（表2）、相关性分析（表3），再到多层OFI分档及加权回测（图6至图13），层层印证了理论与实证的匹配，且选股因子多空收益及稳定性指标优异。

综合来看，本报告为利用盘口数据挖掘市场行为和流动性特征提供了一套科学且实用的因子构建与验证框架，为量化投资的订单流研究和选股提供了坚实的理论及实证基础，具有较高的专业参考价值和实际应用潜力。

---

参考文献

• Sim M K, Deng S. Estimation of level-I hidden liquidity using the dynamics of limit order book. Physica A: Statistical Mechanics and its Applications, 540.

- Aurélien Alfonsi, Schied A F & A. Optimal execution strategies in limit order books with general shape functions. Quantitative Finance, 2010.

• Seppi H D J. Common factors in prices, order flows, and liquidity. Journal of Financial Economics, 2001.

---

溯源

本分析严格依据报告页码标注相关内容见证：
目录及报告元数据见[page::0]，因子定义及投资逻辑分析见[page::1, page::2, page::3]，高频转低频处理及IC分析见[page::4, page::5, page::6]，因子相关性及回测结果见[page::6, page::7, page::8, page::9]，总结部分见[page::10]，风险及免责声明见[page::14]。图表均已系统引用并详细解读。

---

谢谢！

报告