高频价量数据的因子化方法-多因子Alpha系列报告之四十一-广发证券
由small_q创建，最终由small_q 被浏览 164 用户
报告摘要
高频因子的优势：与低频因子相比，高频数据在量化选股中的优势主要体现在：因子拥挤度相对较低、因子多样性好、检验因子的独立样本多。
研究内容：本报告从四类不同的角度构建因子：日内价格相关因子、日内价量相关因子、盘前信息因子、特定时段采样因子。考察了 46 个因子周频选股的表现。
其中，日内价格相关的因子是由日内收益率的高阶统计量和日内价格形态衍生的因子；日内价量相关因子包括成交量分布以及用价量关系构建的因子；盘前信息因子主要是从开盘集合竞价信息中提炼的因子；特定时段采样因子主要是指根据一定规则筛选出重要时段，在该时段采样提取的因子，主要包括尾盘数据构建的因子和大成交量时段构建的因子。
实证分析：采用因子 IC 和多空收益进行分析，筛选出 12 个周度选股能力较好的因子：real_skew（已实现偏度）、ret_intraday（日内收益率）、ratio_volumeH8（尾盘半小时成交量占比）、corr_VP（日内价量相关性）、corr_VRlag（量与滞后收益率相关性）、Amihud_illiq（Amihud非流动性因子）、ret_open2AH1（开盘价相对第一阶段集合竞价最高价的收益率）、ret_open2AL1（开盘价相对第一阶段集合竞价最低价的收益率）、ret_H8（尾盘半小时收益率）、real_skewlarge（大成交量已实现偏度）、corr_VPlarge（大成交量价量相关性）、corr_VRlaglarge（大成交量量与滞后收益率相关性）。从因子表现来看，本报告筛选出来的因子都展示出了不错的多空超额能力。但除了 Amihud_illiq 因子外，其他因子的正 Alpha 收益显著弱于负 Alpha 收益。在扣除交易成本之后，因子选股组合相对基准的超额收益降低了很多。除了 Amihud_illiq 因子具有较高的相对 500 指数的超额收益，其他因子的多头年化超额收益（费后）基本上处于-1%~9%之间。
风险提示：策略模型并非百分百有效，市场结构及交易行为的改变以及类似交易参与者的增多有可能使得策略失效。