开源金工线上会议总结
会议核心内容
本次会议是开源金工团队的传统线上会议，主题为“开源量化之声”，主要回顾了过去两年团队在量化策略开发、权益定量研究、资产配置模型和基金产品研究方面的成果。会议聚焦于三个核心议题：交易受限情况下的因子策略开发、订单流挂单方向的长期记忆性分析、以及高频与AI结合的应用路径探讨。
订单流长期记忆性分析
- 现象：高频订单中的委托序列具有长期记忆性，表现为连续委托方向的相似性。通过编码买入和卖出订单并计算自相关系数，发现订单序列之间存在显著的正相关性，且该现象普遍存在于全市场所有股票中。
- 原因：订单流长期记忆性可能源于交易行为，尤其是拆单现象。投资者倾向于将大额订单拆分为多个小单，导致相同方向的订单在报盘时时间相近，形成连续性买单。
- 量化分析：通过计算不同阶次的相关系数并与自相关系数进行回归分析，构建了衡量订单流长期记忆性的因子。该因子在不同规模股票样本中表现稳定，但多头组合表现存在局限性。靠近盘口的订单相关系数更强，而远离盘口的订单相关系数较弱。
订单大小规律
- 小单特征：研究发现，小单的价格表现在不同时间段上存在显著差异。21年之后，盘中阶段小单的价格表现明显强于其他时段，可能与价值结构或市场行为变化有关。
- 大单特征：高价股在2018年至2021年期间表现出更强的接单特征，这与当时机构集中交易高价股板块的策略有关。21年后，高价股与低价股的接单规律发生逆转，高价股表现不如低价股。
订单流多维度分析
- 时间、价格与数量：通过优化股票关系描述方法（如计算横指标、均值转差、偏度、峰度等统计指标），改进了IC值和R值，提高了胜率，特别是在多空投占比上表现显著。流动性差异也被纳入因子中，进一步提升了方法有效性。
- 时间序列分析：为解决统计指标的参数敏感问题，引入信号处理工具进行时间序列分析。通过负列变换和蝴蝶变化观察数据规律，发现21年底至22年初交易量增加，自相关系数显著增强，暗示市场结构或行为模式的改变。
长期接单连续性探讨
- 来源：长期接单连续性主要源于大订单拆解为小订单形成的健康连续性，而非羊群效应或大交易拥挤。对比A股和美股数据，发现美股中能观察到订单来源的差异性（同一交易者发出的一系列订单具有相似性），中国市场同样适用。
- 趋势：长期接单连续性随市场微观结构变迁而变化，与算法交易和信息化交易发展紧密相关。高频交易可利用简单计算指标获取稳定结果，结合AI技术处理大规模数据，构建更精准的组合模型。
高频与AI结合
- 应用路径：会议强调了高频与AI结合的潜在应用，通过简化计算方法、减少内存占用，并结合AI技术处理大规模数据，优化交易策略和信号处理。
