选股因子系列研究(十九)——高频因子之 股票收益分布特征-海通-170515
由qxiao创建，最终由qxiao 被浏览 53 用户
随着传统因子研究的深入，通过使用日级别数据已经很难发现能够在传统技术选股因子之外提供额外选股能力的因子了。考虑到传统因子多使用日级别数据刻画股票日间的形态特征，通过引入日内高频数据刻画股票日内的特征也许能够为模型带来新的信息以及Alpha。
这一观点也在本系列前一篇研究（《选股因子系列研究十八——价格形态因子》）中有所印证。本报告主要使用了股票1分钟价格数据构建了相关因子，对于股票高频收益分布特征（方差、偏度以及峰度）进行了刻画。
报告主要分为三部分，第一部分讨论了因子的构建以及计算方式。第二部分从单因子的角度对于因子的选股能力进行了分析。第三部分对比分析了加入高频因子的改进模型以及未加入高频因子的原始模型的表现差距。
高频偏度因子在不同计算方法、不同数据频率下皆具有选股能力。不同频率、不同计算方式下因子的rankIC的绝对值基本维持在0.05~0.06左右，ICIR的绝对值普遍高于2.5，因子IC月度胜率接近80%。结合因子分组收益情况，我们认为高频偏度因子具有进一步研究分析的空间。
正交高频偏度因子同样具有选股能力。考虑到因子与换手率之间的相关性，本文对于高频偏度因子进行了正交化处理并剔除了行业、市值、非线性市值、换手、特异度以及反转因子的影响。正交后的高频偏度因子选股效果虽然有所减弱，但是因子依旧具有选股能力。1分钟的高频偏度因子IC绝对值下降至0.03附近，但ICIR绝对值依旧在2以上。5分钟高频偏度因子受到的影响较大，IC绝对值下降至0.02附近，ICIR绝对值在1.5~1.7之间。
从Fama-MacBeth回归检验来看，高频偏度因子具有额外选股能力。使用2010年1月至2017年3月底之间的数据可分别对于原始模型以及改进模型进行Fama-MacBeth回归检验。观察新增因子回归系数均值以及T统计量可知，各计算频率以及计算方法下的高频偏度因子在回测时间段中具有显著选股能力。此外，1分钟偏度因子选股效果强于5分钟偏度因子选股效果，这一点在回归系数绝对值以及回归系数T统计量绝对值大小上皆有所体现。
改进模型TOP100组合相比于原始模型TOP100组合改进幅度有限。在加入1分钟偏度因子后，TOP100纯多头组合在年化收益、收益回撤比以及信息比率上皆有所提升。在加入5分钟偏度因子后，部分改进模型在年化收益上并未出现改进，仅在收益回撤比以及信息比率上有所提升。
1分钟高频偏度因子打分权重略高于5分钟高频偏度因子。改进多因子模型中1分钟高频偏度因子权重占比约为10%，5分钟偏度因子权重占比约为5%。
风险提示。市场系统性风险、资产流动性风险以及政策变动风险会对策略表现产生较大影响。
/wiki/static/upload/bc/bcdde266-4046-4d13-b1e8-6e268a84a371.pdf
\