高频多因子模型预测表现优异 [page::3][page::4]

• 高频多因子模型在RB上的样本外R²达到20.74%，FU为15.05%，均优于参考文献10%的中位数。

- LASSO和LGBM表现最佳，OLS及随机森林预测效果较差。

• RB上的方向准确率最高64.86%，FU为62.97%，LASSO模型表现最优。

学习曲线揭示过拟合与样本量效应 [page::5][page::6]

• 增加训练样本量对预测效果提升有限，2天数据已足够。

- FU品种模型过拟合程度高于RB。

• LGBM模型训练表现优于LASSO，但测试集表现无明显提升，过拟合严重。

高频因子核心构成及特征重要性分析 [page::7][page::9][page::10]

• 关键因子包括报价不平衡（LobImbalance）、成交收益（TransactionReturn）、实际下行波动率（RealDownVariance）。

- 报价不平衡因子短期内卖方挂单多导致价格下跌，长期数据表现不同；短期信号最有效。

• 成交收益因子负相关，近期成交均价低于当前中价时预测价格下跌；信息主要集中在较短回溯期。

- 实际下行波动率因子在较长回溯期表现显著，历史价格大幅下跌预示未来持续下跌。

| 因子 | 回归系数方向| 最显著回溯周期 | 特征重要性差异 |
|----------------|-------------|----------------|-----------------------------|
| 报价不平衡因子 | 短期负，长期正| 1 Tick | LGBM捕捉非线性，差异显著 |
| 成交收益因子 | 负相关 | 1-16 Tick | 短期信息优越 |
| 下行波动率因子 | 负相关 | 中长周期 | 短期不显著，长周期有效 |

预测区间及日内效应分析 [page::11][page::12]

• 预测区间从10 Tick延长至120 Tick，预测效果（R²）从20.74%下降到4.94%，方向准确率从64.86%下降至53.97%。

- 日内模型预测表现早盘和下午开盘较弱，午盘表现优于早盘，因开盘信息流动和市场波动带来噪声。

• 详细分时预测指标表明多数时段预测表现稳定，早盘部分时段稍弱，午间有所恢复。

高频因子驱动的下单算法优于传统算法 [page::13][page::14][page::15]

• 采用模型预测未来5秒收益，结合时间和拆单次数动态下单，避免不利时机买入。

- 传统算法：TWAP（均匀时间分配）、VWAP（基于历史成交量加权分配）。

• 模拟测试显示模型下单算法在样本外有约75%概率获得最优成交价格，平均滑点较传统算法低0.15跳。

- 下单时间和拆单次数不同组合下，模型算法表现稳定优于传统方法。

| 时间（分钟） | 拆单次数 | TWAP最优概率(%) | VWAP最优概率(%) | ModelPrice最优概率(%) |
|--------------|----------|-----------------|----------------|-----------------------|
| 1 | 10 | 23.54 | 30.50 | 76.23 |
| 5 | 20 | 5.14 | 24.38 | 75.30 |
| 10 | 30 | 2.16 | 24.40 | 75.22 |

| 时间（分钟） | 拆单次数 | TWAP平均滑点 | VWAP平均滑点 | ModelPrice平均滑点 |
|--------------|----------|--------------|--------------|--------------------|
| 1 | 10 | 0.503 | 0.503 | 0.401 |
| 5 | 20 | 0.471 | 0.477 | 0.330 |
| 10 | 30 | 0.306 | 0.342 | 0.151 |

• 该策略改善了滑点表现，降低交易成本，对增强高频交易策略的实际应用价值显著[page::15]

高频收益如何及何时量化可预测专题报告详尽分析

---

一、元数据与报告概览

报告标题：高频收益如何及何时量化可预测专题预报告测（2024年4月8日）
作者与机构：华泰期货研究院量化组，高天越等多位研究员
发布日期：2024年4月
研究主题：基于国内期货市场高频数据，探讨高频多因子模型的收益预测能力、学习曲线、特征重要性及实际交易应用，重点研究模型的预测效果及在下单策略中的应用表现。

核心论点与目标：

• 高频多因子模型在RB（螺纹钢）和FU（燃料油）期货品种上具有显著的预测能力，样本外R方分别达到20.74%和15.05%，超越文献10%的中位数。

- 模型预测能力对样本量增长相对不敏感，FU较RB更容易过拟合，且LGBM模型较LASSO更易过拟合。

• 关键特征包括报价不平衡、成交收益及实际下行波动率因子。

- 高频收益的可预测性随预测区间延长显著下降，短期信号更有效。

• 日内不同时间段预测效果显著差异，早盘和下午开盘时段表现较弱，午盘优于早盘。

- 在实际下单策略中，基于高频多因子模型的下单算法相较传统TWAP、VWAP策略，在交易成本和滑点控制方面均表现优越。

---

二、逐节深度解读

2.1 摘要与核心观点

摘要概述了本报告作为系列报告的延伸，重点呈现国内期货市场基于高频多因子模型的实证结果，涵盖模型预测表现、学习曲线、特征重要性以及实际下单算法的模拟测试结果。核心观点指出，RB和FU两个标的的最佳模型样本外R方分别为20.74%和15.05%，高于文献10%的中位数预测水平。强调了特征如报价不平衡因子对预测贡献最大，同时揭示预测精度随预测区间延长而下降，且模型在模拟下单中的交易成本优化明显。[page::0]

2.2 国内实证结果

2.2.1 预测表现

借鉴国外文献5秒（10个Tick）作为预测区间的设置，模型在40天样本外测试集表现出良好的收益率预测能力。图1-2分别展示了RB和FU的各类模型的样本外R方，LASSO、LightGBM和Ridge三类模型表现较优，OLS和随机森林逊色。其中RB各模型R方值明显优于FU；随机森林表现最差，推断原因包括训练时长及超参数调优效率低下。整体来看，该多因子模型引入丰富的订单簿特征，显著提升国内数据的高频收益率预测能力。[page::3]

2.2.2 方向预测

方向预测同样保持较好准确度，尤其LASSO模型在RB和FU上均为最优，方向准确性分别为64.86%和62.97%，接近文献中的64%。图3-4验证了这一点。基于此，后续分析聚焦LASSO与LGBM两大模型。[page::4]

2.2.3 学习曲线

对模型的偏差-方差权衡深度解读。较高偏差表现为模型欠拟合，训练误差和测试误差接近且偏大；高方差表现为过拟合，训练误差远小于测试误差。通过图5和图6展示学习曲线的典型形态。

具体到实证，图7-10显示LASSO和LGBM模型在RB和FU品种的训练/测试MSE随训练集样本长度（1到10天变化）的关系：

• 训练集增加对测试集MSE影响不大，说明2天数据已足够训练。

- FU有更明显过拟合迹象，训练误差很低而测试误差仍较高。

• LGBM训练误差更低，但测试误差无明显改善，体现了过拟合。换言之，LASSO模型更稳健。[page::5][page::6]

2.2.4 特征重要性

报告精细剖析了三个核心因子的表现：

• 报价不平衡因子（LobImbalance）：度量盘口最佳报价处买卖挂单量不平衡，是所有因子中最有效的。其短期回归系数为负，意指卖方挂单大时短期价格趋向下跌；长期回归系数为正，暗示长时间的不平衡状态可能是买方主动成交抑制价格下跌的反映。LGBM能更好捕捉该因子的非线性特征，故在某些回溯区间显示更高排名。该因子在短期1Tick回溯区间内信息密度最高。图11-12及表1-2中详示这些特征的回归系数和排名差异。[page::6][page::7][page::8]
• 成交收益因子（TransactionReturn）：基于区间内平均成交价与当前中价的比值，反映近期成交价格趋势。其回归系数一致为负，表示成交均价小于中价时有下跌趋势。因子对短期数据敏感，超过16 Tick后信息增加减弱。图13-14及表3-4展示了具体回归结果和排序。[page::8][page::9]
• 实际下行波动率因子（RealDownVariance）：衡量回溯区间内价格下跌波动率。该因子的回归系数均为负，表明过去较大下跌波动提示未来价格更可能延续下跌趋势。不同于前两个因子，该因子在较长回溯区间（16到128 Tick）上更显著。图15-16和表5-6提供了具体数值。[page::9][page::10]

2.2.5 预测区间效应

模拟实证验证文献观点，随着预测区间从10 Tick延伸至120 Tick，RB品种LASSO模型样本外R方显著下降，从20.74%降至4.94%，方向准确率从64.86%下降至53.97%。图17-18直观反映该趋势。说明高频收益率主要具有短期可预测性，长周期预测效力迅速衰减，提示高频策略开发应侧重短线信号。 [page::11]

2.2.6 日内效应

日内不同时段模型表现有明显差异。报告将日盘分割为15分钟段落，结果显示早盘和下午开盘时段的预测能力明显低于其他时段，午盘表现相对优于早盘。合理解释是开盘期市场受隔夜及全球市场消息影响大，波动剧烈、噪声多，因子信号受扰。表7-10详细列出了各时段的样本外R方和准确率，证实该观察。[page::11][page::12]

2.3 实际应用 - 基于下单算法的交易成本优化分析

2.3.1 传统下单算法介绍

算法包括TWAP（时间加权平均价格）和VWAP（成交量加权平均价格），分别通过均匀分配订单和依据历史成交量加权拆单，以降低市场冲击和滑点。[page::13]

2.3.2 模拟测试设计

假设投资者需快速买入200手，采用对价单（买单挂卖一价，假设可即时成交），对比TWAP、VWAP和基于高频多因子模型的“ModelPrice”算法。ModelPrice先均匀拆分订单和时间段，随后在每时间段内仅当模型预测5秒收益率为正时才下单，未触发则等待至时段结束强制下单。此设计旨在利用模型收益预测减少不利价格成交。[page::13][page::14]

2.3.3 测试参数与评估指标

测试变量包括下单总时长（1、5、10分钟）和拆单次数（10、20、30次）。评估指标为“价格最优概率”（历史交易中最优价格获胜概率）和“平均滑点”（成交价与最新价的跳数差异）。[page::14]

2.3.4 模拟结果

• ModelPrice算法在大部分参数组合中均显示约75%的最优价格获取概率，领先TWAP和VWAP。

- 平均滑点方面，ModelPrice平均滑点约低至0.15跳，高于两传统算法。

• 部分情况下TWAP和ModelPrice结果一致，说明因下单价格的更新频率对结果影响较大。

- 表11至14详细展示了各参数组合与算法间的对比数据，证明高频因子驱动的下单策略显著改善交易成本表现。[page::14][page::15]

---

三、图表深度解析

图1-4 （模型预测表现）

• 展示RB和FU中六种模型样本外R方和方向准确率。LASSO、LightGBM和Ridge模型表现最优，随机森林最差，原因在于过拟合和训练效率。

- 图像红色柱状明确直观表示优劣排序，有力支持文本对模型表现的描述和优劣判断。[page::3][page::4]

图5-10（学习曲线）

• 图5和图6清晰展现欠拟合（高偏差，训练与测试误差相近且较高）与过拟合（低偏差，高方差，训练误差低但测试误差高）两种典型状态。

- 图7-10显示了LASSO和LGBM针对RB和FU的样本外误差随训练集长度变化趋势，揭示2天训练数据充分，FU模型更易过拟合，LGBM相对于LASSO过拟合更明显。[page::5][page::6]

图11-16（核心因子回归系数）

• 三因子回归系数图清晰展现短中长期回溯区间内特征的正负相关和重要性分布。其中报价不平衡在最短区间最显著，实际下行波动率则在较长区间才显著。

- 表格为模型排序提供辅助，显示LGBM与LASSO对同一特征的不同侧重，反映模型差异。

• 正负号的细节说明了因子与价格未来走势的内在机制和经济含义。[page::7][page::8][page::9][page::10]

图17-18（预测区间表现）

• 显示随预测区间增大，R方和方向准确率逐步下跌，图形趋势平滑，验证了报告关于短期高频收益预测能力递减的结论。[page::11]

表7-10（日内分时表现）

• 分时段详细展示样本外R方和准确率，支持早盘及下午开盘时段表现较弱结论，午盘稍优，对建模时段因素考虑提供数据支撑。[page::12]

表11-14（下单算法性能对比）

• 显示各种时间、拆单次数设定下，三种下单算法最优概率和平均滑点数据。ModelPrice优势明显，特别是在滑点控制上的优势显著，直接映射交易成本节省效果。[page::15]

---

四、估值分析

报告未涉及传统财务估值方法，焦点在于高频交易预测建模及其交易应用，估值部分无相关内容。

---

五、风险因素评估

报告整体未专门设风险章节，但隐含风险可梳理如下：

• 模型过拟合风险：FU品种及LGBM模型过拟合较严重，可能导致预测结果对未来数据稳定性不足。

- 市场结构变化风险：预测模型基于历史高频数据，市场微观结构、交割规则或流动性变化可能影响模型效果。报告特别提及交易所最新交返规则对市场流动性影响。

• 数据和模型适用性风险：因子与模型在其它品种或不同市场环境下效果可能不及预期。

- 模拟假设偏差：下单模拟采用对价单假设成交，不考虑部分真实交易时序、排队、成交概率等复杂因素。
报告未对这些风险给出明确缓解策略或发生概率评估，需用户结合市场动态谨慎应用。

---

六、批判性视角与细微差别

• 过拟合现象突出：报告客观指出LGBM过拟合问题，无过度美化深度模型，体现分析审慎。

- 模型泛化性或受限：样本外测试数据为40天、2天训练窗口，时长相对有限，未来长期表现尚需进一步验证。

• 下单模拟简化假设：直接对价下单且假设对价成交，未对排队价和成交概率建模，可能高估预测下单算法的实际表现。

- 特征重要性解读有一定推测：如报价不平衡长期正系数解释为买方主动成交推动价格维持，尚需更多实证验证支持。

• 数据截取和分时划分的外推性：如开盘波动解释基于15分钟分段，日内市场行为复杂多变，需结合更多市场微观结构研究。

---

七、结论性综合

本报告系统地展现了基于高频多因子模型的预测体系在国内期货市场上的应用实践和优势。通过样本外测试，发现在RB和FU上模型表现均优于国际文献中值，特别是LASSO和LGBM模型表现出稳定的方向预测和收益率解释力。模型的有效预测特征主要聚焦于报价不平衡、成交收益和实际下行波动率，且信息集中于短周期内，高频预测能力随时间窗口延长而衰减明显。具体而言：

• 预测能力上：短期（10个Tick）样本外R方最高达到20.74%，方向准确率最高达64.86%，远超传统模型和简单统计指标。

- 学习曲线揭示：2天训练集已足够避免欠拟合，但LGBM模型有过拟合风险，FU品种更为明显。

• 日内效应明显：模型性能在全天不同时间有差异，早盘和下午开盘阶段预测能力下降，这与市场高波动性和噪声相符。

- 实际应用角度：利用高频收益预测构建的下单算法，在仿真回测中对比TWAP及VWAP有显著的交易成本优势。下单成本和滑点均降低，实盘推广潜力大。

• 图表支持：各类图表直观展示了模型在绩效、学习趋势、特征贡献及时间效应上的关键证据，模拟测试数据进一步佐证结论的实践价值。

总体而言，报告呈现了高频多因子量化策略深度挖掘国内期货市场高频信号的有效路径，并通过实证验证及模拟交易充分体现了其实际应用前景，为市场参与者提供了值得关注的新思路和工具。基于LASSO模型的稳健表现及基于高频信号的下单算法，未来值得继续投入资源优化和测试。有限训练样本及模拟假设仍需警惕，后续可加强模型稳定性、实时回测及风险管理研究。

---

参考文献

• Aït-Sahalia, Y., Fan, J., Xue, L., & Zhou, Y. (2022). How and When are High-Frequency Stock Returns Predictable? (NBER Working Paper No. w30366) [page::16]

---

（全文引用均标注页码，确保内容源自报告原文。）

报告