开源量化评论（94）：从高频股价形态到追涨杀跌因子

金融工程专题 2024年6月23日 从高频股价形态到追涨杀跌因子 金融工程研究团队 ——开源量化评论（94） 魏建榕（首席分析师） 魏建榕（分析师）王志豪（分析师） 证书编号：S0790519120001 张翔（分析师） 证书编号：S0790520110001 weijianrong@kysec.cn 证书编号：S0790519120001 追涨杀跌价格形态识别 wangzhihao@kysec.cn 证书编号：S0790522070003 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（分析师） 证书编号：S0790121070009 苏良（分析师） 证书编号：S0790121070008 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 股价作为多空双方博弈的最终结果，蕴含多方面信息。而投资者的某些行为特性 在股票的价格形态中亦有所体现。这使得通过特定价格形态，匹配特定类别投资者的交易行为成为可能。本文从股票价格形态出发，通过识别追涨杀跌的价格形态，衡量个股交易中散户投资者交易占比，构建负alpha因子。对于追涨杀跌价 格形态的识别，我们以分钟涨跌幅的自相关衡量股价追涨杀跌的形态特征。若股票当前时刻t的大幅上涨，伴随下一时刻t+1的跟随上涨，则分钟涨跌幅自相关性较高，股价追涨杀跌特性较强，其交易中散户投资者交易占比较高，个股未来风险相应较高。我们选取过去20个交易日的1分钟频数据，通过计算前后一分钟超额收益序列的余弦相似度，构建简单的全时段追涨杀跌因子。 尾盘追涨因子是更优的负alpha来源 我们从涨跌方向与时间维度对全时段追涨杀跌因子做进一步拆解。涨跌方向上，我们以𝑅�的正负为标签，将追涨杀跌因子拆解为追涨因子与杀跌因子两部分；时间维度上，我们将日内交易时间段拆解，对比不同时段的信息差异。如图4所示，我们通过日内不同时段的数据构建追涨因子与杀跌因子，因子有效性呈现显著规 律性变化：追涨因子负alpha显著强于杀跌因子负alpha；时段越靠近尾盘，因 子负alpha越强。因此，尾盘追涨因子或是更优的负alpha来源。 我们选取过去20个交易日中，每日尾盘90分钟数据，选择超额收益为正的分钟，计算正超额分钟与下一分钟的超额余弦相似度，构建尾盘追涨因子值。因子RankIC均值-9.2%，RankICIR-4.04。因子分组表现分化且单调性良好，多头组年化收益16.5%，月均换手率55%，多头收益贡献显著；多空组合年化收益率25.3%，年化IR3.4，最大回撤7.6%，发生于2024年2月，月度胜率81%，多空表现稳健。 其他尝试：尾盘追涨偏离因子 相关研究报告 我们将尾盘追涨因子与全时段追涨因子作差，构建尾盘追涨偏离因子，衡量个股 价格形态的尾盘时段与全时段追涨特征差异。尾盘追涨偏离因子越大，说明个股相比于自身而言，倾向于尾盘时段追涨特性更强。 《从基金持仓行为到股票关联网络》 -2021.10.02 《从小单资金流行为到股票关联网络》-2022.07.21 《从隔夜价格行为到股票关联网络》 -2023.12.19 《从涨跌停外溢行为到股票关联网络》-2024.04.16 其他尝试：尾盘追涨自回归系数因子 我们将尾盘追涨因子构建步骤中，𝑅�与𝑅𝑡+1之间的余弦相似度指标，变换为自回归的斜率项作为因子值。自回归系数呈现出与余弦相似度指标类似的规律性，因此我们选择尾盘30分钟超额追涨自回归斜率项作为尾盘自回归系数因子。 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、追涨杀跌价格形态识别4 2、尾盘追涨因子是更优的负alpha来源6 3、重要讨论14 3.1、尾盘追涨偏离因子14 3.2、尾盘追涨自回归系数因子15 3.3、尾盘追涨因子周频调仓效果稳健17 4、风险提示18 图表目录 图1：追涨杀跌形态识别示意图4 图2：不同构建方式下，因子多空组合表现对比5 图3：超额收益构建因子RankIC提升月份占比64%6 图4：双维度拆解下，因子有效性对比7 图5：追涨与杀跌的共性与差异7 图6：尾盘时段散户追涨行为特征更加明显7 图7：选择尾盘90分钟构建的追涨因子有效性最佳8 图8：尾盘追涨因子5分组表现分化且单调8 图9：多头组年化收益16.5%8 图10：尾盘追涨因子多空组合表现稳健9 图11：尾盘追涨因子分域多空组合表现对比9 图12：尾盘追涨因子2023年以来逐月多空收益表现10 图13：尾盘追涨因子与Barra因子相关性11 图14：尾盘追涨因子中性化Barra因子及行业后依旧稳健11 图15：沪深300指增表现13 图16：中证500指增表现13 图17：中证1000指增表现13 图18：尾盘追涨偏离因子与Barra因子相关性14 图19：尾盘追涨偏离因子表现稳健14 图20：不同时段追涨与杀跌自回归系数因子有效性对比15 图21：与Barra因子相关性16 图22：尾盘追涨自回归系数因子表现16 图23：尾盘追涨因子周频调仓表现17 表1：全时段追涨杀跌因子构建步骤4 表2：不同构建方式下，因子绩效对比6 表3：尾盘追涨因子构建步骤8 表4：分年度多空组合年化收益率对比10 表5：中性化Barra因子及行业后，多空组合分年度表现11 表6：指增组合超额分年度表现13 表7：多空组合分年度表现15 表8：尾盘追涨自回归系数因子多空组合分年度表现16 表9：尾盘追涨因子周频调仓多空组合分年度表现17 股价作为多空双方博弈的最终结果，蕴含多方面信息。而投资者的某些行为特性在股票的价格形态中亦有所体现。这使得通过特定价格形态，匹配特定类别投资者的交易行为成为可能。本文从股票价格形态出发，通过识别追涨杀跌的价格形态，衡量个股交易中散户投资者交易占比，构建负alpha因子。 1、追涨杀跌价格形态识别 对于追涨杀跌价格形态的识别，我们以分钟涨跌幅的自相关衡量股价追涨杀跌的形态特征。如图1所示，若股票当前时刻t的大幅上涨，伴随下一时刻t+1的跟随上涨，则分钟涨跌幅自相关性较高，股价追涨杀跌特性较强，其交易中散户投资者交易占比较高，个股未来风险相应较高。 图1：追涨杀跌形态识别示意图 2.0% 1.5% 1.0% Ret(t+1) 0.5% 0.0% -0.5% -1.0% -1.0%-0.5%0.0%0.5%1.0%1.5%2.0%2.5% Ret(t) 数据来源：Wind、开源证券研究所 基于以上逻辑，我们选取过去20个交易日的1分钟频数据，通过计算前后一分钟超额收益序列的余弦相似度，构建简单的全时段追涨杀跌因子。（构建步骤详见表1） 表1：全时段追涨杀跌因子构建步骤 第1步选取股票过去20个交易日1分钟频率交易数据； 第2步分别计算时点t的当前分钟超额收益和下一分钟t+1的超额收益，分别记作𝑅�和𝑅𝑡+1；第3步计算𝑅�与𝑅𝑡+1之间的余弦相似度，作为追涨杀跌因子值。 资料来源：开源证券研究所 在全时段追涨杀跌因子的构建中，有两点处理值得讨论： （1）绝对收益vs超额收益：我们选择分钟超额收益（绝对收益-市场中位数），以剔除市场beta对分钟收益的影响； （2）相关系数vs余弦相似度：从相关系数与余弦相似度的计算公式可知，二者区别仅在于余弦相似度计算中没有与收益均值作差，从而更好地兼顾方向跟随与 幅度跟随。 相关系数： 𝑡=1 ∑𝑛−1(𝑅�−𝑅̅̅̅𝑡)(𝑅𝑡+1−𝑅̅̅̅𝑡̅+̅1̅) �= √∑𝑛−1(𝑅�−𝑅̅̅̅𝑡)2∑𝑛−1(𝑅𝑖+1−𝑅̅̅̅𝑡̅+̅1̅)2 余弦相似度： 𝑡=1 𝑡=1 ∑𝑛−1𝑅𝑡𝑅𝑡+1 �=𝑡=1 √∑𝑛−1𝑅𝑡2∑𝑛−1𝑅𝑡+12 𝑡=1𝑡=1 我们按照以上两点处理方式做两两组合，构建4个不同的全时段追涨杀跌因子， 对比4个因子表现。无特殊说明，本文的测试区间均为20140101至20240329，因子回测采取月频调仓、费率双边千三的处理方式。从多空组合表现来看，相关系数与余弦相似度指标构建的因子效果并无明显区别；选择超额收益的因子效果明显优于选择绝对收益的因子效果。相较于绝对收益。选择超额收益构建的因子月度RankIC明显提升，月度RankIC提升月份占比64%（如图3所示），多空组合年化收益从18%提升至20%，年化IR从2.3提升至2.5。 图2：不同构建方式下，因子多空组合表现对比 绝对收益_余弦相似度 超额收益_余弦相似度 绝对收益_相关系数 超额收益_相关系数 6.8 5.8 4.8 3.8 2.8 1.8 20140130 20140506 20140730 20141030 20150126 20150428 20150723 20151026 20160119 20160420 20160718 20161019 20170112 20170417 20170713 20171012 20180105 20180410 20180706 20181008 20190102 20190403 20190703 20190926 20191226 20200330 20200630 20200922 20201223 20210325 20210624 20210916 20211220 20220322 20220622 20220915 20221215 20230317 20230615 20230911 20231212 20240314 0.8 数据来源：Wind、开源证券研究所 图3：超额收益构建因子RankIC提升月份占比64% 超额收益_余弦相似度 绝对收益_余弦相似度 20.00% 10.00% 0.00% -10.00% -20.00% -30.00% 20140130 20140530 20140930 20150130 20150529 20150930 20160129 20160531 20160930 20170126 20170531 20170929 20180131 20180531 20180928 20190131 20190531 20190930 20200123 20200529 20200930 20210129 20210531 20210930 20220128 20220531 20220930 20230131 20230531 20230928 20240131 -40.00% 数据来源：Wind、开源证券研究所 表2：不同构建方式下，因子绩效对比 绝对收益 余弦相似度 相关系数 超额收益 余弦相似度 相关系数 IC均值 -4.38% -4.38% -4.95% -4.95% ICIR -1.88 -1.88 -2.11 -2.11 秩IC均值 -7.12% -7.12% -7.93% -7.94% 秩ICIR -2.69 -2.69 -2.98 -2.97 多空年化收益率 18.43% 18.25% 20.13% 20.13% 多空年化波动率 7.92% 7.92% 8.13% 8.15% 多空年化IR 2.33 2.30 2.48 2.47 多空最大回撤 9.34% 9.20% 13.74% 13.64% 多空月胜率 71.31% 71.31% 72.95% 73.77% 多头年化收益率 16.27% 16.19% 16.37% 16.38% 多头年化波动率 25.94% 2