订单簿上的alpha-天风证券-20190905
由qxiao创建，最终由qxiao 被浏览 290 用户
摘要
微观结构与高频数据
以往的研究对于A股市场的日间低频数据分析已有较为深厚的积累，但对日内微观情境下的市场结构特征我们仍缺乏足够的认知。本文希望借助高频数据对微观交易特征进行初步探索；在此基础上我们希望从高频的市场微观特征中归纳总结出增量的低频alpha信息
基于订单簿的Spread指标
若短期价格取决于当前多头需求量和空头供给量构建的均衡价格，那么盘口信息将是判断个股短期走势的重要依据。根据每个Tick上的买卖挂单强度，我们构建了Spread指标以度量当前时间的盘口买卖挂单的强弱差异。从5个Tick到200个Tick的预测窗口，我们发现Spread指标对股价短期走势具有显著预测能力，在买盘挂单相对越厚的时点股价短期上行概率将越大。0
将指标调整为日频后，我们发现Spread指标在日频率与Tick频率窗口下的含义具有明显差异。在日频率上，盘口委买挂单相对越厚的股票在当日实际承受了越强的主动卖压，二者之间相关性显著，因此这部分股票在截面上的相对收益应该越低。
从“高频时序”到“低频alpha”
我们将高频数据低频化后构建了月度的Spread选股因子，从2010年至2019年8月30日的回溯区间内，因子表现出显著的选股能力。因子中性化后多空组合年化收益为14.6%，多空组合IR达到2.01；因子IC均值-4.0%，ICIR达到-2.10，IC胜率为75.7%。我们分别在沪深300指数、中证500指数、中证800指数以及中证1000指数成分股中回溯了因子的选股能力，各股票池中因子IC均值均超过4.0%，因子选股能力呈现出较好的稳健性。此外，Spread因子相对于反转、波动、换手、流动性等量价指标具有较高的独立性，截面相关系数均值分别为13.6%，-10.4%、11.7%、-15.1%，因子能带来较显著的增量信息。风险提示：因子失效风险，模型失效风险，市场风格变动风险。
正文
/wiki/static/upload/88/8852ffa8-47c2-4dcb-a831-d3e4bf842ca9.pdf
\