撤单视角下的算法交易识别与Alpha捕捉

核心观点与关键数据

• 算法交易识别：通过分析下单-撤单时间差，发现撤单在特定时间点（如1s、5s、10分钟内的3s整数倍）呈现脉冲式集中，推测为算法交易预设的撤单规则。
• ACCR因子构建：统计算法交易驱动的撤单与全部撤单的比例，构建ACCR因子。ACCR因子在2017.01-2025.08期间，全区间RankIC达到0.052，ICIR为0.458。
• BABR因子构建：进一步细分撤单的买卖方向，构建BABR因子（买单算法交易撤单笔数/全部买单撤单笔数）。BABR因子在全区间RankIC达到0.059，ICIR达到0.555，IC胜率70.1%。
• ACE因子构建：引入信息熵概念，构建ACE因子（算法交易买卖撤单熵），描述算法撤单中买卖双方的意见一致性。ACE因子RankIC达到0.047，ICIR为0.479。
• 合成因子构建：将ACE与BCBR分别排序转化为百分比排名后相加，得到合成因子。合成因子全区间RankIC达到0.069，ICIR为0.851，IC胜率达到81.5%。

研究结论

• ACCR因子表现优于ACVR因子：撤单笔数统计特征更稳定，信息纯度更高，更能反映交易意图。
• BABR因子选股效果最优：综合IC和多头超额收益表现，基于买单计算的因子比基于卖单计算的因子选股效果更优。
• 合成因子选股能力提升显著：2022-2024年选股效果相较单因子提升显著，多空收益稳定，单调性显著。
• 合成因子策略表现：选取合成因子值前100的股票等权组合，双周调仓，策略年化收益率为13.03%，超额年化收益率为13.77%，信息比率为1.44。

风险提示

• 数据质量风险
• 模型与假设风险
• 历史规律失效风险
• 市场风格变化风险