因子手工作坊系列(5)：知情交易的微观行为特征与因子挖掘

金融工程专题报告 西部证券研发中心2026年3月17日 分析师|冯佳睿S0800524040008邮箱地址：fengjiarui@xbmail.com.cn分析师|马毓婕S0850123070090邮箱地址：mayujie@xbmail.com.cm 机密和专有未经西部证券许可，任何对此资料的使用严格禁止 核心观点核心观点 •【核心结论】本文融合交易量与交易时间间隔两个维度，构建了捕捉知情交易者“均匀下单”这一微观行为的IT因子，在A股市场具有较好的收益预测能力。 •【报告亮点】融合交易量与时间间隔，构建捕捉知情交易“均匀下单”这一微观行为的因子。 •【主要逻辑】 ➢知情交易者的微观行为特征 ✓基于知情交易者“隐藏”交易意图和降低成本的动机，提出其交易行为会呈现“成交量分布”和“交易时间间隔”双重均匀的特征。 ➢因子构建与验证 ✓创新性地融合交易量(V)与交易间隔(Δt)，构建IT因子。✓该因子的收益预测能力较强，双周RankIC均值约0.064。 ➢策略应用价值 ✓IT因子构建的多头组合（Top100）年化收益率达25.9%，显著跑赢万得全A。✓单独用于指数增强策略，可在中证1000中产生较为稳定的超额收益率。 •风险提示：数据来源第三方，或有遗漏、滞后、误差；选股研究框架及筛选指标为西部证券自建，或有考虑不周之处；股票历史业绩不代表未来表现，研究框架也会随时间变化。 01 捕捉知情交易02 知情交易因子03 CONTENTSCONTENTSCONTENTS 组合构建04 05 核心推论：知情交易者倾向于核心推论：知情交易者倾向于““均匀下单均匀下单”” ➢知情交易者：拥有非公开、高价值信息的市场参与者，其交易行为旨在利用信息优势获取收益。 ➢知情交易者面临的权衡： Ø总交易成本=机会成本（延迟交易导致的盈利损失）+冲击成本（大单发出后的连锁反应）。 快速成交的迫切性：信息具有时效性，知情者需在价格充分反应前完成建仓。 隐藏意图的必要性：大单直接进入市场会造成较大的冲击成本，并暴露意图引发其他投资者跟风或反向操作。 ➢核心推论： Ø在信息价值衰减压力相对较小的假设下，我们认为，知情交易者倾向于运用算法交易等手段，拆分订单、控制冲击成本、隐藏真实意图，因而其交易行为呈现出“均匀”的特征。 01知情交易的微观行为猜想 02 知情交易因子03 CONTENTSCONTENTSCONTENTS 组合构建04 05 维度一：成交量分布的维度一：成交量分布的““均匀性均匀性”” ➢在捕捉交易的行为模式时，成交量分布是最直接的观测维度之一。 ➢在区间总成交量和交易间隔都相同的情况下，每笔成交的量有“均匀”和“非均匀”的区别。 维度二：易被忽视的交易时间间隔维度二：易被忽视的交易时间间隔 ➢度量交易的“均匀性”时，每笔交易之间的时间间隔是易被忽视的维度之一。 ➢在区间总成交量和每笔交易的成交量都相同的情况下，交易间隔也有“均匀”和“非均匀”的差异。 资料来源：西部证券研发中心 知情交易行为刻画：融合知情交易行为刻画：融合““量量””与与““时时”” ➢我们认为，需要同时结合成交量与交易时间间隔，刻画知情交易者的行为。 ➢对股票𝑠的第𝑖笔交易，构建如下交易聚集性指标（TC，tradeclustering）： •其中，𝑉𝑖,𝑠是单笔成交量，Δ𝑡𝑖,𝑠是该笔交易与上一笔交易的时间间隔。•比值越高，意味着该笔交易出现得“又大（成交量异常高）又急（交易间隔异常短）”。我们认为，不符合知情交易者的行为。 标准化处理：构建横向可比值标准化处理：构建横向可比值 ➢不同股票的交易活跃度存在较大差异，为了便于股票之间的横向比较，将比值标准化。 ➢使用股票自身过去一段时间（如，10日）的日平均成交量(𝑉𝑠)和平均交易间隔(𝐷𝑠)作为基准，进行标准化处理，得到： 因子构建：因子构建：ITIT（（InsideInsideTTraderade））因子因子 ➢为识别连续行为模式，在一个观察窗口内，汇总每个股票的“标准化后的交易聚集性指标”。 ➢构建股票𝑠的知情交易因子（IT,InsideTrade）：过去10个交易日内（即，[𝑇−10,𝑇]）标准化交易聚集性指标的均值： 其中， ✓𝑖为每笔交易的序号，𝑉𝑖,𝑠为股票𝑠第𝑖笔交易的成交量，Δ𝑡𝑖,𝑠为和上笔交易的时间间隔，𝜏𝑖,𝑠为该笔交易发生的时刻。 ✓𝑉𝑠为股票𝑠过去10个交易日的平均成交量，𝐷𝑠为股票𝑠过去10个交易日的平均交易间隔。 因子含义：因子含义：ITIT如何如何捕捉捕捉““量量””的均匀性的均匀性？？ ➢分子（衡量“量”的均匀性）：区间总成交量和交易间隔都相同时，单笔交易量的分布越均匀，因子值越小。 因子含义：因子含义：ITIT如何捕捉如何捕捉““时时””的的均匀均匀？？ ➢分子（衡量“时”的均匀性）：区间总成交量和单笔交易量都相同时，交易间隔的分布越均匀，因子值越小。 推论推论验证：验证：RaRankICnkIC显著为负显著为负，，验证知情交易的均匀模式验证知情交易的均匀模式 ➢IT因子的RankIC为负，这证实了前文的猜想：交易模式越“均匀”（即，IT值越低），越可能对应着知情交易，股票的预期收益也越高。 ➢为便于后续分析和组合构建的直观性，将因子乘以-1，调整为正向。 01知情交易的微观特征 捕捉知情交易02 03 CONTENTSCONTENTSCONTENTS 组合构建04 05 因子表现：高胜率因子表现：高胜率、、多空收益率显著多空收益率显著 ➢回测设置：调仓频率为双周，预测目标为t+1至t+11的VWAP收益率；同时剔除ST、ST*、上市不满3个月及因涨跌停等特殊情况而不可交易的个股；组合均采用等权重加权。 ➢IT因子双周RankIC均值0.064，胜率为82.43%。 ➢10分组多空组合年化收益率34.81%，多头组合（第10组）相对全市场等权的超额收益率为16.67%。 分年表现：分年表现：RaRankICnkIC持续为正持续为正，，多头超额收益率较为稳定多头超额收益率较为稳定 ➢IT因子RankIC在2017-2026年间持续为正，且多头组合超额收益率多数年份（8/10）稳定在10%以上。 风格暴露：低波动风格暴露：低波动、、低流动性与轻微的动量和低流动性与轻微的动量和betabeta ➢IT因子负向暴露于流动性和残差波动率因子，呈现出较为典型的“低波动、低流动性”特征。➢市值和非线性市值的暴露接近中性，轻微偏向于高beta和高（长期）动量。 双重排序检验：控制流动性和波动率后双重排序检验：控制流动性和波动率后，，RaRankICnkIC依然显著依然显著 ➢分别控制流动性及残差波动率后，IT因子在各个子分组内依然保持显著的RankIC和多空收益率。➢我们认为，该因子蕴含了相对独立的增量信息。 增量信息：与其他增量信息：与其他levellevel22因子的因子的相关较低相关较低 ➢IT与其他level2因子的相关性大体在±0.25之间。 成分股内表现：中小盘中表现更优成分股内表现：中小盘中表现更优 ➢回测设置：与前文一致，除组合加权方式改为市值加权。 ➢IT因子在不同市值板块中均较为有效，但在中小市值股票（以中证1000指数为代表）中的表现相对更优。 行业市值中性：双周行业市值中性：双周RaRankICnkIC00..056056，，胜率超胜率超8787%% ➢行业、市值中性化后，RankIC均值（0.056）小幅下降。 ➢RankIC标准差大幅收窄（从0.065降至0.050），RankIC胜率进一步提升（从82.43%升至87.87%）。 行业市值中性：分年胜率高行业市值中性：分年胜率高，，稳健性较强稳健性较强 ➢行业、市值中性化后的IT因子RankIC胜率每年均超过80%，稳健性较强。 01知情交易的微观特征 02 知情交易因子03 04 05 TTopop100100组合年化收益组合年化收益2525..99%%，，显著跑赢基准显著跑赢基准 ➢回测参数如下：剔除上市未满60日的次新股，涨停、ST、*ST股票；双周频调仓，扣除双边千分之三的费率；次日VWAP成交。 ➢Top100和Top10%组合的年化收益率分别为25.9%与19.2%。 分年超额收益率较为稳健分年超额收益率较为稳健，，胜率较高胜率较高 ➢Top组合分年超额收益率较为稳健，除2017年外均跑赢基准。 微盘暴露约微盘暴露约55%%，，行业分布分散行业分布分散 ➢市值分布：Top组合并未过度暴露于高风险的微盘股。 ➢行业分布：长期聚焦于机械、化工、医药等周期或成长板块。 单因子指数增强单因子指数增强 ➢回测设置： 1)BarraCNE510因子中，对数市值和账面市值比的偏离为[-0.2,0.2]，其他因子的偏离为[-0.5,0.5]； 2)成分股权重不低于80%； 3)双周频调仓（每双周的第一个交易日），单边换手率不高于25%； 4)沪深300和中证500指数成分股权重偏离不超过0.5%；中证1000指数成分股权重偏离不超过1%； ➢其他回测参数如下： 1)剔除上市未满360日的次新股，涨停、ST、*ST股票；2)扣除双边千分之三的费率；3)按次日VWAP成交。 中证中证10001000指数增强策略表现较为优异指数增强策略表现较为优异 ➢IT因子在沪深300、中证500和中证1000的年化超额收益率分别为1.6%、2.9%和9.3%。 与与BABRBABR撤单因子的低相关撤单因子的低相关 ➢买单算法交易撤单占比（BABR）因子捕捉公募等机构投资者的行为，详见前期报告《当大单不再可靠：基于撤单行为的机构交易识别》。 ➢IT与BABR的相关性不高，我们认为，两者捕捉了不同投资者的交易行为特征。 ITIT--BABRBABR合成因子：合成因子：RaRankICnkIC优于单一因子优于单一因子 ➢将捕捉知情交易成交分布的IT因子，与捕捉撤单行为的BABR因子等权合成。 ➢合成因子的RankIC与RankICIR较单因子均有较为显著的提升。 ITIT和和BABRBABR能产生一定的互补能产生一定的互补 ➢在沪深300与中证500指数增强策略中，IT和BABR能产生一定的互补效应。 ITIT--BABRBABR合成因子合成因子进一步提升进一步提升中证中证10001000指增的超额收益率指增的超额收益率 ➢中证1000成分股内，合成因子进一步提升指增组合的年化超额收益率。 01知情交易的微观特征 02 知情交易因子03 CONTENTSCONTENTSCONTENTS 组合构建04 05 总结总结 ➢本文从市场微观结构出发，创新性地融合交易量(V)与交易时间间隔(Δt)两个维度，构建用于捕捉知情交易行为的IT因子。 1.验证核心猜想：知情交易者为降低信息泄露风险与执行成本，交易模式呈现出“量”与“时”的均匀性。 2.因子表现优异：基于上述逻辑构建的IT因子，在A股表现出稳定且显著的预测能力。因子双周RankIC均值约0.064，多空年化收益率为34.81%，多头年化超额收益率16.67%，胜率82.43%。3.独特信息增量：IT因子与传统的流动性、波动率因子相关性较高，但在控制这两个风格后，其选股能力依然显著。同时，该因子与基于撤单行为的BABR因子相关性较低，提供了独特的交易者行为识别视角。4.选股组合表现：IT因子多头组合（Top100）年化收益为25.9%，显著跑赢万得全A基准，历史胜率较高。5.指增应用价值：在指数增强策略中，因子在中证1000成分股内表现优异，年化超额收益为9.3%；与BABR因子等权合成后，效果更佳。 风险提示风险提示 1、本报告分析所用数据、信息均基于公开信息，