市场微观结构研究系列(18)：大小单资金流alpha探究2.0，变量精筛与高频测算

金融工程专题 2022年12月18日 大小单资金流alpha探究2.0：变量精筛与高频测算 金融工程研究团队 ——市场微观结构研究系列（18） 魏建榕（首席分析师） 魏建榕（分析师）盛少成（联系人） 证书编号：S0790519120001 张翔（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 大小单资金流研究回顾 shengshaocheng@kysec.cn 证书编号：S0790121070009 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 《主动买卖因子的正确用法—市场微观结构研究系列（9）》-2020.09.05 《大单与小单资金流的alpha能力—市场微观结构研究系列（12）》 -2021.06.02 《新型因子：资金流动力学与散户羊群效应—市场微观结构研究系列 （14）》-2022.06.02 对于大小单资金流的研究，在之前系列报告中，我们分别从资金流强度以及相关 性结构两个角度出发，挖掘出了大小单残差以及散户羊群效应因子。其中在大小单残差因子的挖掘中，我们发现剥离收益率缠绕的资金流强度选股效果显著增强。而对于散户羊群效应因子，我们首次从小单资金流的角度进行了定义，选股效果较好且有独立信息增量。通过对两大因子的绩效跟踪，我们发现样本内外皆较为优异，但是其还有进一步改进的空间：1、变量的精筛；2、数据的高频化。 大小单残差因子的改进 对于原始大单残差，其使用的方式为大单资金流回归收益率，但是其中的非主动大单强度与收益率明显不相关，除此之外主动中单残差也具备一定正向选股能力，因此在变量精筛部分我们做的改进为：将主动大单净流入和主动中单净流入相加，计算主动大中单残差，再和非主动大单强度排序相加。相比于原始大单残 差，改进大单残差10分组多空信息比率从3.48提升至4.81。 对于原始小单残差，其使用的方式为小单资金流回归收益率，但是其中主动小单性质在2017年后发生变化，其或和市场成熟度提高，机构的拆单行为有关，所以我们在计算小单残差时不再考虑主动小单，只使用非主动小单残差。相比于原 始小单残差，改进小单残差10分组多空信息比率从3.02提升至3.56。 进一步地，我们对于改进大/小单残差进行高频化测算，最终发现维持日频的做法，即对于资金流强度以及月度收益率的计算，使用每月底回看过去20天的日度资金净流入和日度收益率是较优的做法。 散户羊群效应的改进 对于原始散户羊群效应而言，其计算方式为：当前交易日收益率𝑅�与下个交易日小单净流入𝑆𝑡+1之间的秩相关系数。对于其的改进，我们可以归纳为以下3点： （1）对于𝑅�的计算，使用日内收益率𝑐𝑙𝑜𝑠𝑒𝑡/𝑜𝑝𝑒𝑛�−1代替𝑐𝑙𝑜𝑠𝑒𝑡/𝑐𝑙𝑜𝑠𝑒𝑡−1−1； （2）由于主动小单2017年后性质的变化，我们使用小单非主动净流入代替小单 全部净流入；（3）对于小单非主动而言，使用开盘至10点之间的净流入代表𝑆𝑡+1。 相比于原始散户羊群效应因子，改进散户羊群效应因子10分组多空信息比率从 2.51提升至3.01，最大回撤从8.85%降至3.15%，为较为有效的改进方案。 大小单资金流综合应用方案 我们将改进大单残差、改进小单残差、改进散户羊群效应排序等权合成，将其命名为大小单综合资金流因子，该因子RankIC均值7.89%，RankICIR3.99，10分组多空对冲年化收益率35.36%，信息比率4.82，胜率89.19%，最大回撤2.09%，绩效非常优异。除此之外，该因子在沪深300、中证500、中证1000中多空对冲 收益波动比分别为：1.92、2.71、4.26。最后，我们对大小单综合资金流因子进行行业风格中性化，纯净新因子多空对冲信息比率依旧可达3.83。 风险提示：模型测试基于历史数据，市场未来可能发生变化。 金融工程研究 金融工程专题 开源证券 证券研究报 告 目录 1、大小单残差因子的再思考4 1.1、原始大小单残差因子样本内外绩效皆较为优异4 1.2、原始大单残差因子的改进：变量精筛5 1.3、原始小单残差因子的改进：变量精筛7 1.4、改进大小单残差因子的高频化测算9 2、散户羊群效应的再思考10 2.1、原始散户羊群效应的历史绩效较为优异10 2.2、原始散户羊群效应的改进：变量精筛10 2.3、原始散户羊群效应的改进：高频化的新发现11 3、大小单资金流因子综合应用方案13 3.1、大小单综合因子在其他样本空间依旧具备一定选股能力14 3.2、大小单综合因子剔除Barra风格因子后选股效果依旧优秀14 4、其他相关讨论：日内散户羊群效应15 5、风险提示16 图表目录 图1：以大单为例：原始大单残差alpha来源的解释5 图2：原始大小单残差因子选股效果皆较为优异5 图3：除了超大，其他三类资金流主动和非主动净流入强度与收益率相关性差别较大5 图4：大中单残差和非主动大单强度排序相加后，10分组多空信息比率4.816 图5：相比于原始大单残差，改进后的大单残差多空信息比率从3.48提升至4.817 图6：非主动小单残差10分组信息比率3.568 图7：小单主动强度在2017年前和2017年后与收益率相关性差别较大8 图8：相比于原始小单残差，改进后的小单残差多空信息比率从3.02提升至3.569 图9：随着参数N的变化，改进大单残差RankICIR在15：00效果最优9 图10：随着参数N的变化，改进小单残差的RankICIR变化不明显，在15：00时也是相对较优的状态9 图11：小单错位相关性的alpha来源10 图12：原始散户羊群效应的10分组多空对冲表现优异10 图13：主动小单2017年后的羊群效应明显弱于2017年前11 图14：2017年后，主动小单净流入在散户羊群效应中的贡献基本消失11 图15：对于散户羊群效应因子中𝑹�的计算，日内收益率为更优的选择12 图16：对于散户羊群效应因子中𝑺�+�的计算，使用开盘至10：00前的非主动小单净流入为更优的选择12 图17：相比于原始散户羊群效应，改进散户羊群效应10分组多空对冲从2.51提升至3.0113 图18：改进散户羊群效应的10分组分层绩效较为优异13 图19：大小单综合资金流因子的10分组多空对冲信息比率达4.8214 图20：大小单综合因子提纯后的10分组多空信息比率3.8315 图21：日内散户羊群效应全A中位数为负值16 表1：资金流净流入强度因子的标准化方法5 表2：改进散户羊群效应与改进大/小单残差相关性较低13 表3：大小单综合因子在其他样本空间依然具有一定选股能力14 表4：大小单综合因子与传统Barra因子相关性不高14 资金流行为通过逐笔成交数据计算得到,反映了股票的微观供求信息。按照通常习惯，资金流向被依据挂单金额的大小，分为四种类型进行统计：超大单（>100万元）、大单（20-100万元）、中单（4-20万元）和小单（<4万元）。资金净流入意味着该类资金持有的筹码增多，资金净流出则意味着持有的筹码减少。对于大小单资金流的研究而言，在之前系列报告中，我们分别从资金流强度以及相关性结构两个角度出发，挖掘出了大小单残差以及散户羊群效应因子，具体结论陈列如下： （1）在《大单与小单资金流的alpha能力》中，我们发现：大单资金流强度与涨跌幅显著呈同步正相关，且存在正向预测作用；相反，小单资金流强度与涨跌幅显著呈同步负相关，且存在负向预测作用；进一步，我们构造了剥离“反转缠绕效应”的大单和小单资金流强度，选股能力大幅提升。 （2）在《新型因子：资金流动力学与散户羊群效应》中，我们首次从小单资金流的角度来定义散户羊群效应，具体为：针对某只股票而言，计算当前交易日收益 率𝑅�与下个交易日小单净流入𝑆𝑡+1之间的秩相关系数，该因子选股效果较好且有独立信息增量。 对于大小单残差和散户羊群效应而言，样本内外的绩效皆较为优异，但是我们发现其还有进一步改进的空间，主要的改进维度有如下两点：1、变量的精筛；2、数据的高频化。 1、大小单残差因子的再思考 1.1、原始大小单残差因子样本内外绩效皆较为优异 对于原始大小单残差而言，其本质为：剥离收益率缠绕的资金流强度。就alpha的理解，我们以大单为例，给出其切分示意（图1）。大单资金流强度因子具有正向alpha，我们可以将整体alpha切分为正向alpha和负向alpha两部分。我们假设大单资金流强度因子的多头组合对应大单的净流入，而大单净流入往往伴随股价上涨，因此组合会负向暴露反转因子贡献负向alpha；另外，由于大单本身具有正向预见性，这一部分贡献正向alpha，也即剥离涨跌幅影响后的大单残差资金流强度因子。 在2013/01/01-2022/10/31期间，以全体A股为研究样本（剔除ST、停牌以及上市不足60个交易日的次新股），市值行业中性化后进行10分组回测（后续回测若无明确说明，皆为市值行业中性化）。原始大单残差的RankIC均值6.71%，RankICIR3.44，10分组多空对冲年化收益率26.62%，信息比率3.48，胜率79.49%，最大回撤4.21%。原始小单残差的RankIC均值-5.56%，RankICIR-2.90，10分组多空对冲年化收益率23.04%，信息比率3.02，胜率82.91%，最大回撤3.38%。 从回测绩效来看，原始大单残差和原始小单残差的多空信息比率都达到了3以 上，而且从图2可以看出，二者样本外的表现依旧较为稳健，其中原始大单残差的效果会更加优异一些。 图1：以大单为例：原始大单残差alpha来源的解释图2：原始大小单残差因子选股效果皆较为优异 资料来源：开源证券研究所数据来源：Wind、开源证券研究所 1.2、原始大单残差因子的改进：变量精筛 针对4类资金流超大、大、中、小单而言，主动与非主动的区分是否会对资金 流属性：“与收益率相关性”产生影响？为了找到这一答案，每月底回看过去20天， 我们将4类资金流按照主动/非主动拆分开，计算这8类资金流净流入强度。由于考虑到不同股票净流入量级的差别，在计算时需要对其进行标准化，这里沿用之前报告《大单与小单资金流的alpha能力》里的方式，如表1所示。最后，对于每类资金流，我们分别计算与20天累积收益率的相关性，结果如图3所示。 标准化方法标准化方法公式标准化方法含义 表1：资金流净流入强度因子的标准化方法 ∑� 𝑏𝑢𝑦�−𝑆𝑒𝑙𝑙� 分母是过去T个交易日个股的大单净流入金 ∑ 净流入金额绝对值𝑆3=𝑡−� 资料来源：开源证券研究所 � 𝑡−� |𝑏𝑢𝑦�−𝑆𝑒𝑙𝑙𝑡| 额绝对值之和进行标准化 图3：除了超大，其他三类资金流主动和非主动净流入强度与收益率相关性差别较大 数据来源：Wind、开源证券研究所 从图3我们可以发现，除了超大单的主动和非主动净流入强度与收益率的相关 性方向和幅度差不多，其它三类资金流差别皆较大。大单的非主动净流入强度与收益率基本无相关性；中单的主动和非主动净流入强度与收益率的相关性是反向的；小单主动与非主动净流入强度与收益率相关性虽然都是负向的，但主动净流入强度与收益率的相关性较弱。 对于原始大单残差，其使用的方式为大单资金流回归收益率，但是其中的非主动大单强度与收益率明显不相关，我们改进的方式可以为：计算主动大单残差以及非