利用高频数据拓展盘口数据:买卖压力失衡-天风证券-20170801
摘要
高频数据应用于股票市场的关键点在于高频数据到低频信号的降频逻辑
一是利用高频数据的独特性对数据进行定性,进而加工高频数据,得到低频信号;
二是收集高频数据路径上的信息汇总到低频,得到信息含量更大的低频数据。
运用日内成交价作为探针,探测个股挂单数据
我们利用ti
由qxiao创建,最终由qxiao更新于
高频数据应用于股票市场的关键点在于高频数据到低频信号的降频逻辑
一是利用高频数据的独特性对数据进行定性,进而加工高频数据,得到低频信号;
二是收集高频数据路径上的信息汇总到低频,得到信息含量更大的低频数据。
运用日内成交价作为探针,探测个股挂单数据
我们利用ti
由qxiao创建,最终由qxiao更新于
我们在本篇报告中将目光聚焦于日内价量信息和交易特征,使用分钟数据构建一系列高频因子,并对比各因子在股票和期货中的表现
高频因子分类
高频因子可以分为收益率分布、成交量分布、量价复合、资金流和日内动量等几个主要的类别,各类因子还可以做进一步的细化,例如收益率分布因子包括已实现
由qxiao创建,最终由qxiao更新于
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
由sc30bug创建,最终由sc30bug更新于
随着定价模型的深入研究,因子的覆盖范围也不断拓宽。技术引领金融数据不断创新,市场的有效性逐渐增强,承载着更多信息的高频数据因子应运而生。在金融市场中,由于交易的连续性,信息对股票价格的影响是连续的,数据采集的频率越高,更能全面真实地刻画市场微观结构。本文从市场微观结构出发,构造了有别于
由qxiao创建,最终由qxiao更新于
由于国内股票市场T+1交易制度的限制,投资者目前最为关心的仍然是以日为单位的短线、中长线投资机会,对日内交易机会关注甚少。不过随着ETF、股指期货等创新产品的推出,融资融券信用交易模式的实行,投资者已经可以直接或变相的实现T+0交易,攫取证券市场日内交易的丰厚利润。我们在本报告中详细探
由qxiao创建,最终由qxiao更新于
由crisvalentine创建,最终由crisvalentine更新于
本文利用高频的逻辑挖掘出盘口数据中有价值的信息,并将其处理得到两大类共14个高频因子,最后降为月频的低频因子,在单因子回测中取得优秀的选股效果。其中MPC5_neut因子IC均值-7.62%,年化IR为-3.09,年化多空收益达到30.63%,夏普比率高达2.88,总体选股效果是所有因
由kyrie_fu创建,最终由kyrie_fu更新于
从高频到低频
机器学习在高频量化策略上应用更加容易
从线性到非线性
机器学习下的非线性比线性更能榨取数据的价值,但也更容易过度拟合,因此需要合理使用
从单次分析到推进分析
推进分析更加符合实盘状态下盘后更新模型的实际情况
从分类到回归
回归
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
文献来源:Brogaard, J., & Garriott, C. (2019).High-Frequency Trading Competition. Journal of Financial and Quantitative Analysis, 54(4), 1469-14
由crisvalentine创建,最终由crisvalentine更新于
高频因子
高频选股因子与低频因子具有较大的差异。以月、季为持仓周期的低频选股因子主要来自于财务指标,其从盈利、成长、估值等维度综合评估上市公司;而以日为持仓周期的高频因子主要从股票量价信息中衍生而得。高频因子挖掘与低频因子相比更显复杂和神秘。相比于低频基本面因子的挖掘由主动管
由qxiao创建,最终由qxiao更新于
随着技术的进步和竞争的加剧,越来越多的投资已经开始关注日内高频数据,高频数据一般指分笔数据(Tick)、快照数据(Quote)以及衍生出来的分钟数据、资金流量数据等,本文涉及主要是日内5分钟行情数据。
本文主要想考察股票的日内价格行为特征和股票未来收益率之间关系,度量股票
由qxiao创建,最终由qxiao更新于
不同频率级别信息含量不同
一般而言,频率越高数据信息含量越高,主要体现在两方面:切片数据细化带来量价波动的信息含量提升;逐步分解的盘面数据对于交易行为辨识度的提高
区分积极买入与保守买入,构建买入情绪因子
积极买入,投资者所下订单主动与盘口卖盘挂单成交;保守买入,
由tby123创建,最终由tby123更新于
我们在本篇报告中将目光聚焦于日内价量信息和交易特征,使用分钟数据构建一系列高频因子,并对比各因子在股票和期货中的表现。
高频因子分类。高频因子可以分为收益率分布、成交量分布、量价复合、资金流和日内动量等几个主要的类别,各类因子还可以做进一步的细化,例如收益率分布因子包括已实现偏度、已
由qxiao创建,最终由qxiao更新于
我们从行业层面的量价数据入手,根据量价因子的本质含义对其进行归类,将量价因子分为动量、交易波动、换手率、多空对比、量价背离、量幅同向六大类。
我们对这六大类中的量价因子进行单因子测试,包括因子分组测试和因子IC值分析,最终得到了11个较为有效、逻辑性强的月
由small_q创建,最终由small_q更新于
尾部相关系数是指二维分布中尾部数据的相关系数。反映了两个资产在极端情况下同涨或同跌的可能性。尾部相关系数分为两种,上尾相关系数和下尾相关系数。
我们基于copula方法来度量股票和市场之间的上下尾部相关系数,从结果看,上下尾部相关系数原始值和行业市值中性化后因子值在中证全
由qxiao创建,最终由qxiao更新于
桥水基金创始人达利欧(RayDalio)在其著作《原则》中提到低相关资产可以有效地提高组合的收益风险比,海外相关文献也证明了低相关因子在海外市场的有效性。但是我们发现,与海外市场的结论不同,在A股市场高相关股票的表现要优于低相关股票。我们通过对
由small_q创建,最终由small_q更新于
A股的原始收益在短期内表现出很强的反转效应,但是在中长期内并没有发现在海外市场普遍存在的动量,本篇报告尝试通过对股票原始收益进行分解找到真正驱动动量或者反转效应的收益成分
我们将原始收益拆分为隔夜收益部分和盘中交易部分,在5分钟收益率数据的基础上借鉴因子极值处理的方法将盘中交易部
由qxiao创建,最终由qxiao更新于
众所周知,波动率具有整体负向的选股效果。但从波动率因子分组收益来看,波动率因子的多空组合主要是空头端贡献的,无论在中证全指还是中证800内,波动率最低的那组长期也是没有超额收益的
我们基于海外对于波动率异像的研究对A股的结果做了综合的测试,主要测试了分析师偏好,基金偏好,投资者彩
由qxiao创建,最终由qxiao更新于
由于时间和精力的有限性,投资者更倾向于交易自己关注的股票,涨跌幅排行榜上的股票更容易进入投资者视野,由于做空约束,这类股票更倾向于被买入,导致股价高估,未来收益率较低。
以搜狗指数作为代理变量,我们发现股票单日涨跌幅和关注度存在明显的U型关系,只有涨幅或者跌幅特别靠前的股
由qxiao创建,最终由qxiao更新于
在之前的行业轮动系列报告中,发现基本面、宏观、情绪面和估值类因子,对于行业轮动的驱动效果稳定,超额收益走势平稳,唯独量价类的技术因子表现震荡较大,在使用过程中造成一定困难。本篇报告主要针对技术类因子的用法进行探讨,试图寻找有效提升因子稳定度的用法。
对于表现较差的趋势因子,可以尝试通
由small_q创建,最终由small_q更新于
本文由浅入深实证了普通动量策略和增强动量策略在行业配置上的应用本文由浅入深实证了动量策略在行业配置上的应用:
由small_q创建,最终由small_q更新于
(一) 主要内容
本篇报告首先对基础动量因子进行细致分析,发现基础动量存在较多不足并提出改进思路的二维矩阵,之后对每个改进维度的切入点、逻辑链条和改进方法进行详细阐述,最后测试了各个改进因子的提升效果。
(二 ) 基础动量刨析
由bqzctyfs创建,最终由bqzctyfs更新于
报告通过计算事件因子的超额收益、ic 值和 t 值寻找当下热点事件,以期持有热点事件相关个股从而获得超额收益。
事件因子主要从股东行为、分红制度、业绩预报与固定报告增长以及定向增发五个事件角度描述个股。
由vampire7777创建,最终由vampire7777更新于
自陆股通开通以来,北上资金较高的浮盈引起了市场中投资者较大的关注。在本篇报告中,我们对陆股通持股数据有效性进行了分析,据此构建相关策略并进行回测。
主板超配比例持续处于下降趋势,由最初的10.5%至最新的1%;对于创业板,持续处于低配状态,且比例变动很小
由cmm0305创建,最终由cmm0305更新于