交易行为因子总体表现回顾 [page::0][page::2]

• 理想反转因子长期信息比率2.17，2019年累计收益12.7%，月度胜率66.7%，主因大单成交驱动反转效应。

- 聪明钱因子历史信息比率3.21，2019年累计收益20.7%，月度胜率91.7%，基于高价量指标识别机构活跃资金参与。

• APM因子表现较弱，2019年收益3.33%，信息比率仅0.58，反映日内不同交易时间段反转差异。

- 复合交易行为因子表现最优，历史信息比率4.11，2019年收益19.1%，月度胜率75%，尤其在中证1000成分股中表现优异。

理想反转因子详情及绩效统计 [page::2][page::3]

| 年份 | 年化收益率 | 年化波动率 | 收益波动比 | 最大回撤 | 月度胜率 |
|------|------------|------------|------------|----------|----------|
| 所有年份 | 17.79% | 8.22% | 2.17 | 8.63% | 73.50% |
| 2019年 | 12.70% | 9.93% | 1.28 | 5.75% | 66.67% |

• 因子依据过去20日内平均单笔成交金额高低分组，反转信号由高成交金额日前涨跌幅差计算得出。

聪明钱因子详情及绩效统计 [page::3][page::4]

| 年份 | 年化收益率 | 年化波动率 | 收益波动比 | 最大回撤 | 月度胜率 |
|------|------------|------------|------------|----------|----------|
| 所有年份 | 22.37% | 6.98% | 3.21 | 2.63% | - |
| 2019年 | 20.69% | 4.95% | 4.18 | 0.18% | 91.67% |

• 以分钟级行情计算价量特征识别聪明钱交易，构造成交量加权平均价比率作为因子值。

APM因子绩效与行为逻辑 [page::4][page::5]

| 年份 | 年化收益率 | 年化波动率 | 收益波动比 | 最大回撤 | 月度胜率 |
|------|------------|------------|------------|----------|----------|
| 所有年份 | 14.75% | 7.33% | 2.01 | 3.57% | 67.09% |
| 2019年 | 3.33% | 5.77% | 0.58 | 3.57% | 41.67% |

• 基于回归残差差异衡量上午与下午价格反转差异，剔除动量效应后的残差构成因子。

交易行为合成因子与绩效概览 [page::5][page::6]

| 年份 | 年化收益率 | 年化波动率 | 收益波动比 | 最大回撤 | 月度胜率 |
|------|------------|------------|------------|----------|----------|
| 所有年份 | 33.03% | 8.04% | 4.11 | 4.65% | 87.69% |
| 2019年 | 19.12% | 6.25% | 3.06 | 1.44% | 75.00% |

• 合成因子加权采用过去12期因子ICIR；在中证1000样本中信息比率显著高于中证800。

交易行为因子构造方法总结 [page::6][page::7]

• 理想反转因子通过过去20日平均单笔成交金额高低切割，计算高低成交日涨跌幅差。

- 聪明钱因子通过过去10日分钟级价量数据筛选“聪明钱”成交区间，并计算VWAP比率。

• APM因子利用上午和下午收益回归残差差异，剔除动量影响后构造。

- 三因子均体现基于微观结构的交易行为逻辑，参数优化少且样本外验证稳定。

交易行为因子的2019年年度报告详尽分析

---

一、元数据与报告概览

报告标题： 《交易行为因子的2019年 ——市场微观结构研究系列（2）》
报告作者： 魏建榕（分析师），高鹏、傅开波（联系人）
发布机构： 开源证券股份有限公司金融工程研究团队
发布日期： 2019年12月28日
研究主题： 以A股市场微观结构为基础，从交易行为视角出发，研究构造交易行为选股因子，进而评估其绩效与稳定性。

核心论点及目标：
该报告延续2016年以来金融工程团队对基于微观交易行为的量化选股策略研究，重点呈现三个交易行为因子（理想反转因子、聪明钱因子、APM因子）及其合成因子的表现。报告系统回顾了三大因子的历史及2019年单年的收益与风险指标，阐述各因子的构造逻辑及具体衡量方法，并对综合因子的优异表现提出及时跟踪和应用建议。总体体现了交易行为因子在量化投资策略中的稳健性及alpha获取能力，尤其强调样本外的长期稳定性和实际应用价值。[page::0,2]

---

二、逐章节深度解读

1. 引言

• 关键内容：

阐述了研究团队自2016年开始基于交易行为的选股因子研发历程，及三个因子背后不同的交易行为逻辑：
- 理想反转因子基于大单成交的反转微观来源，通过“每日平均单笔成交金额”切割出反转最强交易日。
- 聪明钱因子利用分分钟级价量数据，通过识别机构活跃度构建跟踪“聪明钱”流入的因子。
- APM因子 捕捉日内不同时间段交易者行为及其对应的价格反转强度差异。

• 逻辑支持：

这三类因子均具备较少参数调试且样本内外均表现稳健的优点，说明其来源于市场真实且持久的微观交易行为模式。团队强调对这些因子进行合成与动态跟踪，以提升稳定收益能力。

2. 交易行为因子的绩效回顾

2.1 理想反转因子

• 表现概览：

- 全历史区间信息系数（IC）均值为-0.058，rankIC均值-0.072，信息比率为2.17。
- 2019年累计收益12.7%，信息比率1.28，月度胜率66.7%。
- 2月份曾出现回撤。

• 图表说明：

- 图1展示2010年3月至2019年12月理想反转因子5分组多空对冲净值的稳步上升，表现出强烈且持续的超额收益能力。
- 表1数据显示年化收益达17.79%，波动率8.22%，收益风险比高达2.17，最大回撤控制在8.63%。 2019年单年相对弱化但仍表现出较好的盈利和风险控制。

• 意义解读：

该因子通过对单笔成交额的高低切割，有效捕捉了A股中大单引发的价格反转，体现了交易行为中来自大户买卖力量的有效信息。值得注意的是，2月份的回撤预示因子在特定市场环境下或受限，提示模型需关注市场结构变化。[page::2,3]

2.2 聪明钱因子

• 表现概览：

- 全历史IC均值-0.046，rankIC均值-0.075，信息比率3.21，表现优于理想反转因子。
- 2019年累计收益20.7%，信息比率4.18，月度胜率91.7%，表现极为出色。

• 图表说明：

- 图3中可见聪明钱因子净值稳步上涨，保持了从2013年至2019年底的稳健增长。
- 表2显示年化收益22.37%，波动率6.98%，收益波动比3.21，最大回撤仅2.63%。
- 图4反映2019年绝大多数月份正收益，胜率高，风险控制好。

• 意义解读：

因子通过以价量关系推断机构交易动向，有效捕捉到市场中的“聪明钱”流入和流出，因其流动性与信息源头特性，在收益稳定性和回撤控制上表现领先。显示了微观行情数据结构化挖掘的成功案例。[page::3,4]

2.3 APM因子

• 表现概览：

- 全历史IC均值0.039，rankIC均值0.036，信息比率2.01。
- 2019年表现相对疲软，累计收益3.33%，信息比率0.58，月度胜率仅41.7%。

• 图表说明：

- 图5显示净值曲线增速明显低于前两个因子，且2019年表现波动较大。
- 表3中2019年收益及胜率均明显下滑，显示疲软态势。
- 图6揭示月度收益波动不稳定，有多个月份亏损。

• 意义解读：

APM因子通过衡量日内上午与下午的价格行为差异常被市场动量等其他因素干扰，因此单独表现不佳。但其历史表现尚可，表明其策略逻辑背后仍有部分市场异象。此因子的劣势提示需要结合其他因子进行综合利用。[page::4,5]

3. 交易行为因子的合成

• 方法论：

将三个交易行为因子经中信一级行业内部去极值及标准化处理，权重基于过去12期内因子的ICIR动态赋值，构建合成因子。

• 关键数据点：

- 全历史区间信息比率4.11，明显优于单一因子。
- 2019年累计收益19.1%，信息比率3.06，月度胜率75%。
- 在不同市场样本空间表现差异显著，中证1000表现尤为突出，信息比率高达4.75，而中证800仅1.91。

• 图表说明：

- 图7显示合成因子净值稳步上升并持续超额收益。
- 表4突显高收益与较低波动率结合的优越风险调整表现。
- 图8的月度收益柱状图反映多数月份盈利。
- 图9展示合成因子在沪深300、中证500、中证800、中证1000不同板块的表现差异。

• 意义阐述：

说明单一因子存在局限而合成策略能够有效降低噪音，实现多样化风险分散，提高整体收益的稳定性和持续性。合成因子的优异表现强调了交易行为因子在量化投资中的潜力，尤其中小盘股票（中证1000）适用性更强。[page::5,6]

4. 交易行为因子的构造方法详解

• 4.1 理想反转因子构造步骤：

通过近20日数据计算每日平均单笔成交金额，将高低成交金额的涨跌幅累加后取差，反映大单资金驱动的价格反转强度。

• 4.2 聪明钱因子构造步骤：

利用分钟线数据构造指标 $\mathrm{St} = |Rt|/\sqrt{Vt}$，选取指标最高20%对应时间段的成交量（视为机构参与），进一步计算聪明钱成交量加权价与整体成交加权价的比值，衡量机构交易的相对价位高低。

• 4.3 APM因子构造步骤：

统计过去20日内上午和下午的收益残差差值$\deltat$，计算标准化统计量stat，控制动量因子后取回归残差，衡量日内不同交易时间段价格行为差异，反映市场参与者行为差异。

• 逻辑总结：

各因子基于不同的市场微观结构视角，分别侧重于大单成交、机构流入分布和日内交易差异，构成多维度的交易行为因子体系。[page::6,7]

5. 风险提示

• 强调模型表现基于历史数据，未来市场格局可能变化，可能影响因子效果和策略收益。提醒投资者需谨慎对待历史表现，注意市场环境的动态变化。[page::0,7]

---

三、图表深度解读

理想反转因子图表（图1-2、表1）

• 净值曲线（图1）表现稳步攀升，尤其样本内表现突出，样本外依然保持增长势头，表明因子稳定有效。

- 月度收益分布（图2）反映大部分月份正收益，且亏损集中在2月，提示季节性或市场结构性风险。

• 表1数据支撑稳健的风险收益比，最大回撤控制较好。

聪明钱因子图表（图3-4、表2）

• 净值提升稳健且持续（图3），说明“聪明钱”因子的解读正确，且具备较强可操作性。

- 月度收益图（图4）几乎全为正，极高的月度胜率（91.7%）是该因子收益稳定性的直接体现。

• 表2最大回撤很低，表明策略具备良好的风险缓释能力。

APM因子图表（图5-6、表3）

• 净值（图5）增速缓慢，且2019年曲线趋于平稳甚至波动，反映该因子成熟度和信号强度不足。

- 月度收益波动（图6）起伏较大，亏损月份偏多，表明因子信号噪音较大。

• 表3数据量化显示收益与波动控制较弱。

合成因子图表（图7-9、表4）

• 净值增长（图7）明显强于单一因子，收益复合效果突出。

- 月度收益（图8）反映出合成策略几乎弃用极端亏损的月份，月度表现更加稳健。

• 不同样本空间表现对比（图9）展现了策略对中小盘股更敏感且效果更佳的事实。

- 表4重大年化收益（33.03%）、低波动与高收益波动比（4.11），最大回撤进一步缩小，月度胜率87.69%，显示极佳的稳健性。

图表总结

各因子图表提供的时间序列净值和月度收益数据形成了全面验证的双重维度，数据来源权威（Wind、开源证券），图表的时间跨度和样本外表现均体现因子有效性和实操性。合成策略的图表尤其充分展示了多因子优势及应用可行性。

---

四、风险因素评估

• 所有因子均基于历史数据，面对未来市场结构的潜在变化，因子表现可能出现衰减。

- 理想反转因子在特定月份可能遭遇大幅回撤（如2019年2月），显示市场微观结构变化对策略有效性的影响。

• APM因子表现波动大，信号稳定性较差，提示个别因子存在周期性失效风险。

- 方法层面对冲策略依赖于数据可得性及质量，一旦分钟线数据或交易规则发生变化，因子构造可能受损。

• 报告指出风险提示，但未详细给出缓解策略，建议投资者持续模型监测和动态调整权重。

- 投资者需关注因子在不同市场空间表现差异，避免过度集中带来的行业或规模风险。

---

五、批判性视角与细微差别

• 报告对因子长期有效性持肯定而审慎态度，特别强调样本外验证，规避单纯靠样本内拟合的风险。

- 然而理想反转因子与聪明钱因子的IC均呈现负值（如理想反转IC均值-0.058），但信息比率高，暗示IC定义与因子对冲策略的业绩关联较复杂，需细读方法论。

• APM因子虽然源自独特日内市场行为分析，但收益及稳定性不佳，报告对其表现的弱势指出有限，实际投资者需谨慎使用。

- 合成因子的权重动态调整逻辑值得肯定，但具体权重计算细节未充分披露，投资者需评估其调仓频率和交易成本影响。

• 风险部分较为简略，未涉及潜在因子失效的根本原因分析及市场突变情景模拟，是报告未来改进空间。

- 报告整体结构严谨，数据完整，具有较强实操指导意义，但因子内生逻辑与统计表现关系依然需投资者自己验证。

---

六、结论性综合

本报告系统回顾并明晰了基于交易行为研究构建的三大因子体系及其合成因子在A股市场上的良好表现，核心论点为：交易行为因子真实反映了市场微观结构中蕴含的稳健alpha信号，尤其聪明钱因子和合成因子在历史及2019年均展现了卓越的收益和风险调整能力。

表格及图表数据充分证明理想反转因子与聪明钱因子具备持续盈利能力，尽管存在个别月份回撤风险，且APM因子表现相对疲软，但其作为多因子组合的补充，有助于丰富策略维度和风险分散。合成因子的优势在于大幅提升了信息比率、降低回撤、稳固月度胜率，特别在中证1000等样本空间表现优异，适合追求高alpha的中小盘量化投资。

因子构建方法细致，贯穿于分钟级交易数据深度挖掘，利用量化指标有效捕捉大单资金流动、机构参与和日内行为差异，展现了市场微观结构研究的雕琢成果。风险提示基于历史数据限制，呼吁投资者动态调整，紧密跟踪市场行为变化。

综上，报告体现了交易行为因子在量化投资策略中的重要地位，评级隐含积极态度，推荐投资者关注该类因子的实用价值及合成策略的配置潜力。投资者应结合自身风险偏好，做好因子稳定性和市场环境适应性的持续考察，以实现量化投资的稳健收益。[page::0-7]

---

报告相关图表示例：

• 理想反转因子净值曲线

- 聪明钱因子净值曲线

• 合成因子净值曲线

- 交易行为合成因子不同样本空间表现

（数据来源：Wind，开源证券研究所）

报告