《2022年度量化投资破 局新思路》由会员分享，可在线阅读，更多相关《2022年度量化投资破 局新思路（29页珍藏版）》请在金锄头文库上搜索。
1、东兴证券深度报告金融工程： 量化投资破局新思路P5DONGXING SECURITIES1. 量化投资面临的问题传统多因子模型换仓频率相对较低，所用因子以基本面因子、低频量价因子为主，据跟踪计算，八大类量化选股因子除一致预期因子外，IC 及多空收益均有显著下降。随着传统量化因子赛道越来越拥挤，传统量化模型策略的收益及稳定性呈现逐年下降趋势。面对股指期货长期处于贴水状态，量化对冲策略的表现收到贴水拖累，被动优化移仓时点带来的改善也非常有限。为解决当前的量化投资困境，本文将从高频数据因子、股指期货对冲成本优化和 A 股网下打新三个维度提出量化投资破局新思路。我们对八个大类选股因子 2021 年以来
2、在不同的股票池中（全部 A 股、沪深 300 和中证 500）的表现进行跟踪。从今年以来选股因子多空净值的趋势上来看，除了一致预期因子表现最为突出，在三个股票池都取得了显著的多空收益，其他因子均表现不佳，都不能取得显著的多空收益。图1：今年以来大类因子多空收益（截止 11 月 26 日）全部A股沪深300中证500一致预期市值成长反转质技术价值波动率量80%60%40%20%0%-20%-40%资料来源： Wind， 从 2020 年以来大类因子的多空净值走势可以看到，除一致预期因子外，其他大部分因子在今年呈现明显的收益下降和波动放大的趋势，价值、市值以及反转因子的多空净值均在今年产生较大回撤
3、，波动率、技术和质量因子也未能延续 2020 年的强势表现，多空收益明显下降。敬请参阅报告结尾处的免责声明东方财智 兴盛之源图2：2020 年以来大类因子多空净值（截止 11 月 26 日）质量技术价值波动率1.81.61.41.210.80.62019/12/272020/4/172020/7/312020/11/132021/2/262021/6/112021/9/24资料来源： Wind， 图3：2020 年以来大类因子多空净值（截止 11 月 26 日）一致预期市值成长反转1.61.51.41.31.21.110.90.80.70.62019/12/272020/4/172020/7/
4、312020/11/132021/2/262021/6/112021/9/24资料来源： Wind， 2. 基于高频数据的行为追踪因子2.1 高频新赛道针对股票周频、日频以及分钟级的量价数据研究已经非常的深入与透彻，投资者在构建策略模型时可以将高频行情数据作为新的切入点，去寻找市场微观结构维度的额外信息，以获取超额收益。本章节从高频数据的角度探究市场的日内微观结构，寻找符合经济学逻辑的有价值的因子，为量化模型提供额外信息。我们认为 高频数据领域可以成为量化选股的新赛道。2.2 高频数据介绍高频数据主要可以分成两大类，快照数据和逐笔数据。快照数据又称 tick 行情数据，展示的是 3 秒一次的最
5、新市场行情，包含的数据包括 tick 级的量价数据以及盘口委托挂单数据。tick 级量价数据记录了当前 tick 时间范围内的量价数据，包括高开低收价格、成交量、成交额以及成交笔数等数据。盘口挂单数据能够体现不同时刻投资者的买入卖出意愿，可以从挂单维度展现股票不同走势情形下的买入卖出压力。逐笔数据可以分为逐笔成交数据和逐笔委托数据。逐笔成交数据是市场真实的单次成交状况，能够完整的展示市场买卖单撮合的具体情况，而逐笔委托数据是市场内投资者具体的挂单委托清单，能真实反映投资者买卖情绪。根据逐笔成交数据和逐笔委托数据，我们能够较为清晰的分析市场大小资金的流动、买卖单对手盘具体分布情况。2.3 基于快
6、照数据因子的构建2.3.1 高低价格区间买卖行为的探究股票在日内高低价格区间的波动会影响投资者的买入卖出意愿，如果股票在日内低价格区间交易量较大，尤其大资金活跃度较高，一定程度上体现了机构投资者对股票未来走势的信心，股票后续上涨可能性相对较高。我们探究使用快照数据追踪不同投资者在高低价格区间的买卖行为，以实现对未来收益的预测。为了探究高低价格区间的市场微观结构是否对股票未来收益有预测作用，我们首先希望对股票日内走势区间的划分。过往量价因子在高低价格区间的判定往往是在日内最高最低价范围内进行线性划分，我们应用高频快照数据能在时序维度更精细地划分高低价格区间。2.3.2 高低价格区间成交笔数占比因
7、子高低价格区间成交笔数占比因子是价格区间内所有快照的成交笔数累加与全天成交总笔数的比值。𝑁𝑚𝑎𝑡𝑐𝑖𝑡𝑒𝑚𝑠 𝐼*𝑗𝑠𝑒𝑡_𝑎+高低价格区间成交笔数占比 = 𝑗=1𝑁𝑗=1𝑚𝑎𝑡𝑐𝑖𝑡𝑒
8、;𝑚𝑠𝐼*𝑗𝑠𝑒𝑡_𝑎+表示快照所属区间的判断，其中，set_a 代表处于高低价格区间的快照集合，例如将 20%作为价格区间判定标准，则计算高价格区间相关因子时，set_a 即为按照价格排序的前 20%快照的集合。2.3.3 高低价格区间成交量占比因子高低价格区间成交量占比因子是价格区间内所有快照的成交量数累加与全天成交总成交量的比值。𝑁𝑣𝑜𝑙𝑢𝑚𝑒
9、19868;*𝑗𝑠𝑒𝑡_𝑎+高低价格区间成交量占比 = 𝑗=1𝑁𝑗=1𝑣𝑜𝑙𝑢𝑚𝑒𝐼*𝑗𝑠𝑒𝑡_𝑎+表示快照所属区间的判断，其中，set_a 代表处于高低价格区间的快照集合。高低价格区间成交量占比因子能够体现价格区间内交易资金量大小，直观体现交易的活跃程度。股票日内快照数据中的成
10、交量与成交笔数的相关性很高，但又包含不同的信息，成交量直观地体现了当前参与交易的资金量，成交笔数一定程度上反映了参与交易的投资者数量、下单的模式以及买卖方撮合的情况。2.3.4 高低价格区间平均每笔成交量占比因子高低价格区间平均每笔成交量因子是将目标价格区间内的平均每笔成交量与全天平均水平进行比较。𝑁 𝑣𝑜𝑙𝑢𝑚𝑒 𝐼*𝑗𝑠𝑒𝑡_𝑎+ / 𝑁 𝑚Ү
11、86;𝑡𝑐𝑖𝑡𝑒𝑚𝑠 𝐼*𝑗𝑠𝑒𝑡_𝑎+𝑗=1高低价格区间平均每笔成交量因子 = 𝑗=1𝑗=1𝑁𝑗=1𝑣𝑜𝑙𝑢𝑚 / 𝑁𝑚𝑎𝑡𝑐𝑖
12、19905;𝑒𝑚𝑠𝐼*𝑗𝑠𝑒𝑡_𝑎+表示快照所属区间的判断，其中，set_a 代表处于高低价格区间的快照集合。高低价格区间平均每笔成交量因子能够衡量大小资金在股票日内高低价格区间的活跃程度。若价格区间内平均每笔成交量相对全天水平较大，则说明在这个区间内大资金相对活跃。2.4 因子的测试2.4.1 高频数据因子的日频换仓测试为了评估高频数据因子的有效性，我们采用因子 IC 测试和构建分位数组合的方法进行研究。考虑到中证 500 股票池市值适中，是最为常用
13、的投资标的之一，我们将高低价格区间成交笔数与成交量占比因子和平均每笔成交量因子在中证 500 股票池范围内进行测试，回测时间范围为 2016 年 7 月至 2021 年 8 月，因子回测分组数量为 5 组，换仓频率为日频，换仓时间点为开盘。三类高频快照因子的 IC 统计如下表所示，高价格区间成交笔数占比因子与股票未来收益呈现显著的负相关性，20%价格区间的高价格区间成交笔数因子 IC 达到-3.01 %，ICIR 达到-0.29。高价格区间成交量占比因子与股票未来收益呈现显著的负相关性，20%价格区间的高价格区间成交笔数因子 IC 达到-3.87 %，ICIR 达到-0.38。低价格区间平均每
14、笔成交量因子与股票未来收益呈现正相关性，10%价格区间因子的 IC 达到 2.81%，ICIR 为 0.42。表1：三类高频快照因子 IC 统计因子价格区间平均值标准差最小值最大值ICIRt 统计量高价格区间成交笔数因子20%-3.01%10.28%-31.60%40.28%-0.29-10.37高价格区间成交笔数因子30%-2.90%10.25%-31.01%42.41%-0.28-10.01高价格区间成交量因子20%-3.87%10.06%-33.05%37.90%-0.38-13.61高价格区间成交量因子30%-3.81%10.06%-34.74%41.19%-0.38-13.39低价格
15、区间平均每笔成交量10%2.81%6.76%-25.31%26.93%0.4214.70低价格区间平均每笔成交量20%2.82%7.01%-25.13%26.89%0.4014.24低价格区间平均每笔成交量30%2.73%7.12%-26.15%26.48%0.3813.54资料来源： Wind， 高价格区间成交笔数因子与高价格区间成交量因子相关性较高，多空组合净值均呈现稳步增加趋势，高价格区间成交笔数因子的多空组合的年化收益率为 31.89%，夏普比率为 3.36，高价格区间成交量因子多空组合的年化收益率为 46.50%，夏普比率为 5.02。图4：高价格区间成交量因子（20%）分位数组合与
16、多空组合净值1.81.61.41.210.80.60.40.20TopBottom市场L-S（右轴）8765432102016/7/42017/5/22018/2/232018/12/172019/10/172020/8/112021/6/9资料来源： Wind， 低价格区间平均每笔成交量因子的多空组合收益与净值显示，多空组合净值呈现稳步增加趋势，多空组合的年化收益率为 33.00%，夏普比率为 5.36，多空净值的最大回撤仅为 5.64%。图5：低价格区间平均每笔成交量因子（10%）分位数组合与多空组合净值21.81.61.41.210.80.60.40.20TopBottom市场L-S（右
17、轴）54.543.532.521.510.502016/7/42017/5/22018/2/232018/12/172019/10/172020/8/112021/6/9资料来源： Wind， 2.4.2 高频数据因子的周频换仓测试回测股票池为中证 500，回测时间范围为 2016 年 7 月至 2021 年 8 月，因子回测分组数量为 5 组，换仓频率为周频，换仓时间点为周初，交易价格为开盘价。我们对日因子进行低频化处理，采用简单移动平均和加权移动平均两种方法。三类高频快照因子在不同处理方式下的 IC 统计如下表所示，使用多日因子值合成后的因子的预测效果显著好于单日因子，高低价格区间成交笔数与成交量占比因子在 5 日加权平均处理后在周频换仓测试下效果较好，
