流动性风险

{{membership}}

https://bigquant.com/codeshare/ffad41f4-0b34-4997-9702-5b7753950675

\

适用于AIStudio3.0.0的版本:

https://bigquant.com/wiki/doc/%5Fnew-iH7DEZCRpf

{{membership}}

https://bigquant.com/codeshare/5a5dd498-4590-44c2-8109-ae4501f49494

\

【此文档为旧版策略】具体可参考新版文档：

https://bigquant.com/wiki/doc/103-ai-LpsqDhu8mG

https://bigquant.com/experimentshare/dd9cff01459a41f9be40d7e660164795

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

\

策略源码

{{membership}}

https://bigquant.com/codeshare/41bf4005-7f89-45a6-921e-51b1dcc771d9

\

\

\

\

摘要

在高频观市系列的第一篇报告《量化交易对市场特征有何影响》中，海外研究结果对于高频交易对于市场的影响有分有合。其中高频交易对市场流动性与波动性的影响是争论的重心。因此，我们在本篇报告中将对流动性和波动率这两类微观指标进行构建，并以这两个角度作为切入点对市场进行观察与分析。

指标构建

结合国外研究成果，我们利用日内高频数据构建出一系列刻画流动性与波动率的诸多细分指标，并基于这些指标进一步构建出综合流动性指标与综合波动指标。同时，在上述指标的基础上，利用市场主流宽基指数与行业指数的权重计算出主流指数的各类微观特征。

1. 使用日内tick和level1级别数据，构建微观流

摘要

伴随着2017 年量化产品收益的弱化，量化模型所产生的稳定性也饱受质疑。此中，越来越多的投资者意识到风格配置的重要性，部分投资者逐渐尝试对风格进行主动暴露以博取收益。

我们构建了 ILLIQ 指标，其刻画了单位成交金额所负载的信息含量。基于此，我们进一步将全市场的股票区分为安全池和风险池。

根据市场流动性对于安全池和风险池的偏好情况，我们将投资者的风险偏好定义为稳健和激进两种状态。

9 大类风格因子里多数受风险偏好的影响，其收益在不同风险偏好下有显著区别。当风险偏好较低，投资者趋于稳健的时候，更倾向于配置市值大、估值低、动量强势、异质波动较低的股票。相对地，当市场风险偏好抬

\

摘要

本文基于盘口挂单数据构建流动性溢价因子以盘口的买单数据为撮合交易的基础，以插值的方式增加虚拟订单，每日得到一定交易金额下模拟交易的市值和按照均价交易的市值，取过去21天市值的总和，两者之间的相对差距即为流动性溢价因子。

流动性溢价因子可以更快地反映市场变化流动性溢价因子和传统的流动性因子呈负相关，不同参数下的因子截面相关性均值在50%到70%之间，其半衰期为72天，在前30天信息衰减速度最快，累积IC在60天基本达到最大值。不同参数下的因子IC均值在7%左右，IC_IR在0.5附近。

流动性溢价因子是一个相对有效的因子流动性溢价因子可以较为稳定地获得选股超额收益，在剥离市值因

摘要

本文基于盘口挂单数据构建流动性溢价因子以盘口的买单数据为撮合交易的基础，以插值的方式增加虚拟订单，每日得到一定交易金额下模拟交易的市值和按照均价交易的市值，取过去21天市值的总和，两者之间的相对差距即为流动性溢价因子。

流动性溢价因子可以更快地反映市场变化流动性溢价因子和传统的流动性因子呈负相关，不同参数下的因子截面相关性均值在50%到70%之间，其半衰期为72天，在前30天信息衰减速度最快，累积IC在60天基本达到最大值。不同参数下的因子IC均值在7%左右，IC_IR在0.5附近。

流动性溢价因子是一个相对有效的因子流动性溢价因子可以较为稳定地获得选股超额收益，在剥离市值因

摘要

随着新冠疫情在全球范围内的扩散以及OPEC与俄罗斯之间的石油冲突爆发，近期外围市场出现了剧烈的波动，其中以美国市场的波动最为明显。在过去短短的数10天之内，美股出现了4次熔断。一时之间，“股市流动性”成为投资者们关注的热点话题。

该如何度量股市流动性？美国股票市场发生了“流动性危机”吗？A股市场的流动性情况如何？本期“拾穗”专题，我们从微观市场结构的研究视角出发，介绍几种度量市场流动性的指标，并对中美两市近期的流动性情况进行比较，以供投资者参考。

“流动性是市场的一切”

市场微观结构理论是研究交易价格的形成与发现过程与交易运作机制的一个金融分支，市场结构的研究主要包

摘要

本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到2个高频因子（买单流动性因子mci、卖单流动性因子MCI，最后降为月频的低频选股因子，在单因子回测中取得优秀的选股效果

其中mci因子IC均值6.89%，年化多空收益26.58%,夏普比率2.71，总体选股效果是所有因子里最好的。mci和mci均对原来的指数增强模型有显著的提升

正文

[/wiki/static/upload/b1/b15163c1-e042-4fc0-97d7-e628ebd57b64.pdf](/wiki/static/upload/b1/b15163c1-e042-4fc0-97d7-

摘要

与已有研究的两点区别

本文构建的流动性因子，关注短期价格变动幅度和流动性冲击持续度，同时排除信息冲击的影响。

与现有流动性研究两点不同

第一，因子从价格变动幅度和冲击持续度两个层面度量流动性冲击；

第二，采用数学方法严格推理，用中长期收益波动率作为信息冲击代理变量，用日内两阶段价格关系衡量流动性冲击，过滤信息冲击，提取较为纯粹的流动性冲击

基于日内信息构建的流动性因子在全市场及主要宽基指数成分内有效性较为显著。2007年1月-2020年6月，月度调仓，剔除调仓期间停牌、风险预警ST股票以及上市不满180日次新股，构建的股价弹性因子在中证全指、沪深300、

摘要

随着对金融市场的研究不断深入，许许多多的因子早已被研究者与市场参与者们挖掘出来。然而近年来数据维度的不断提升，又使得我们回头重新审视那些作为股票属性代理变量的因子，它们的代理精度是否可以再次提升？选股效果能否得以再次加强？在本文中将利用高频数据的信息，构造代理精度更高的非流动性因子——K线最短路径非流动性因子。

非流动性代理变量的经典定义及对其缺陷的改进。由于大部分的非流动性度量方式都较难直接测量或获取，非流动性程度往往是通过定义一些代理变量来间接地表达。经典定义方式试图通过单位成交量对收益率的影响来刻画该股票交易的市场冲击。然而该定义往往在日内震荡行情下失效。针对这种情况，我

https://bigquant.com/experimentshare/4f0628d6e9814924a0b0dbf375356d06

\

https://bigquant.com/experimentshare/a12d5ef8030d4bf284a49c400fbb56a9

\

\

\

策略案例

https://bigquant.com/experimentshare/dc13d0aed4b64f48803af3f764129b44

\