20230203-开源证券-金融工程定期_开源交易行为因子绩效月报(2023年1月)_11页_1mb
报告摘要
金融工程研究团队及交易行为因子绩效总结
团队成员
- 魏建榕(首席分析师):证书编号 S0790519120001
- 张翔(分析师):证书编号 S0790520110001
- 傅开波(分析师):证书编号 S0790520090003
- 高鹏(分析师):证书编号 S0790520090002
- 苏俊豪(分析师):证书编号 S0790522020001
- 胡亮勇(分析师):证书编号 S0790522030001
- 王志豪(分析师):证书编号 S0790522070003
- 盛少成(研究员):证书编号 S0790121070009
- 苏良(研究员):证书编号 S0790121070008
- 何申昊(研究员):证书编号 S0790122080094
相关研究报告
- 《港股通量化30组合月报:1月组合收益率 9.69%,2月持仓较为均衡》- 2023.2.2
- 《券商金股解析月报(2023年2月)》- 2023.2.1
- 《资产配置月报(2023年2月)》- 2023.1.31
核心内容概述
本报告主要聚焦于开源交易行为因子的绩效分析,包括其构造方法、历史表现、1月份收益情况以及合成因子的表现。报告强调了交易行为因子在量化投资中的价值,认为稳健的交易行为模式中蕴含着稳健的 alpha 源。
主要观点与关键信息
1. Barra 风格因子表现跟踪
- 2023年1月,小盘风格略微占优,市值因子收益为 -0.55%。
- 成长风格略微占优,账面市值比因子收益为 -0.06%,成长因子收益为 0.41%。
2. 开源交易行为因子概述
- 交易行为因子基于微观交易数据构造,旨在捕捉市场中具有alpha 潜力的交易模式。
- 包括以下因子:
- 理想反转因子:基于大单成交金额切割反转属性最强的交易日。
- 聪明钱因子:通过分钟行情数据识别机构交易行为,构造跟踪聪明钱的因子。
- APM因子:衡量日内不同时间段交易者行为差异。
- 理想振幅因子:基于股价维度切割振幅信息,捕捉不同价态下的结构性差异。
3. 交易行为因子绩效回顾(全历史区间)
| 因子 | IC均值 | rankIC均值 | 信息比率 | 多空对冲月度胜率 |
|---|---|---|---|---|
| 理想反转因子 | -0.053 | -0.065 | 2.72 | 79.2% |
| 聪明钱因子 | -0.036 | -0.058 | 2.76 | 81.0% |
| APM因子 | 0.033 | 0.035 | 2.53 | 78.5% |
| 理想振幅因子 | -0.058 | -0.075 | 3.42 | 88.2% |
4. 1月份因子表现
- 理想反转因子:多空对冲收益为 3.51%,近12个月胜率为 83.3%。
- 聪明钱因子:多空对冲收益为 0.02%,近12个月胜率为 83.3%。
- APM因子:多空对冲收益为 1.18%,近12个月胜率为 83.3%。
- 理想振幅因子:多空对冲收益为 2.33%,近12个月胜率为 91.7%。
5. 交易行为合成因子表现
- 合成因子在全历史区间的 IC均值 为 0.074,rankIC均值 为 0.096,信息比率 为 3.76,多空对冲月度胜率 为 85.3%。
- 2023年1月份,合成因子多空对冲收益为 3.29%,近12个月胜率为 91.7%。
- 合成因子在中证1000中的表现优于中证800,全历史区间信息比率分别为 3.93 和 1.33。
交易行为因子构造方法
5.1 理想反转因子构造方法
- 回溯取股票过去20日数据。
- 计算每日平均单笔成交金额。
- 分别计算高成交金额和低成交金额10日的涨跌幅总和。
- 理想反转因子 = 高成交金额涨跌幅 - 低成交金额涨跌幅。
5.2 聪明钱因子构造方法
- 回溯取股票过去10日分钟行情数据。
- 构造指标 $ S_t = |R_t| / (V_t)^{0.25} $。
- 按 $ S_t $ 从大到小排序,取前20%分钟数据视为聪明钱交易。
- 计算聪明钱交易的VWAP与全交易的VWAP之比作为因子值。
5.3 APM因子构造方法
- 回溯取股票过去20日数据,分别计算隔夜与下午的收益率。
- 回归模型 $ r_i = \alpha + \beta R_i + \varepsilon_i $,得到残差项。
- 计算隔夜与下午残差的差值 $ \delta_t $。
- 构造统计量 $ \text{stat} = \mu(\delta_t) / (\sigma(\delta_t) / \sqrt{N}) $。
- 消除动量因子影响,进行横截面回归,得到最终 APM 因子。
5.4 理想振幅因子构造方法
- 回溯取股票最近20日数据,计算每日振幅(最高价/最低价 - 1)。
- 分别选取收盘价较高25%和较低25%的有效交易日。
- 计算高价与低价交易日的振幅均值。
- 理想振幅因子 = 高价振幅均值 - 低价振幅均值。
风险提示
- 模型测试基于历史数据,在市场波动不确定性下可能存在失效风险。
- 报告适用于专业投资者及风险承受能力为 C3、C4、C5 的普通投资者。
- 不同证券研究机构采用的评级术语和标准可能不同,本报告采用的是相对评级体系,仅表示投资的相对比重建议,不构成投资决策的唯一依据。
法律声明与版权信息
- 本报告仅供开源证券客户使用,未经授权不得复制、分发或用于其他用途。
- 本报告基于公开信息,不保证其准确性或完整性。
- 报告内容不构成投资建议,投资者应自行判断并咨询独立顾问。
- 本报告的版权归开源证券所有,未经许可不得使用。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载