|
“订单簿的温度”系列研究（一）反转因子的精细结构观点 A股市场是订单驱动型市场。从动力学的角度讲，股票行情的所有演化过程，都能由订单簿（order book）自下而上精确决定。逐笔成交与逐笔委托数据的信息量非常丰富。本系列研究取名为“订单簿的温度”，旨在分享我们在逐笔数据层面的研究心得。 作为“订单簿的温度”系列研究的第1篇，本篇报告我们从最简单的数据入手，考察了“成交笔数”这个指标。所谓成交笔数，即撮合交易的次数，是从逐笔成交数据中汇总出来的统计量。我们将看到，这个简单朴实的信息量，被用于传统反转因子的改进，有着令人震撼的效果。 在本报告中，我们借助成交笔数的信息，对传统反转因子进行切割，首次提出一个理想反转因子，其IC均值为-0.057，rankIC均值为-0.070，五分组净值曲线排序良好，且多头组合与其他4组区分显著。多空对冲的年化收益为19.3%，年化波动为7.68%，月度胜率为74.3%，信息比率高达2.51。在剔除Barra风格因子和行业因子的影响之后，信息比率提升至2.97。
微信截图_20190823103812.png[size=1em]571x592 155 KB
风险提示：模型的测算基于历史数据，市场未来可能发生较大变化。 内容目录- 引言
- 反转因子的切割问题
- 反转因子的 W 式切割
- 理想反转因子
- 若干重要的讨论
- 风险提示
图表目录
图 1：以往模型的交易行为逻辑
图 2：传统反转因子的稳定性不佳（Ret20 因子，分 5 组，多空对冲）
图 3：反转因子的切割问题
图 4：因子回测（信息比率与月度胜率的计算是按反转因子使用）
图 5：理想反转因子 M 的五分组与多空对冲
图 6：理想反转因子 M 的分年度表现
图 7：因子间的相关系数矩阵
图 8：理想反转因子 M 剔除 Barra 因子与行业因子后的选股能力
图 9： N=20,40,60 三种情况下的切割效果（月度 IC 的均值）
图 10：沪深 300 成分股上的选股能力（多空对冲净值）
图 11：多空对冲收益的累积过程（T+0 为月初建仓日）
图 12：分组比例的影响（纵坐标为 M 因子的信息比率）
图 13：单笔成交金额的日内模式
| 
