行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

“量价淘金”选股因子系列研究（十七）：基于订单聚集现象的高频量价因子研究

2026-05-25 沈芷琦,刘富兵,阮俊烨国盛证券 Mascower

核心观点：本文基于“因子簇”研究理念，探讨“订单聚集效应”，即订单在时间维度上的群体模式，并构建相应的因子簇。通过订单分类、聚集识别、统计量提取和日内聚合四个步骤，系统性地挖掘订单聚集因子。
订单分类：根据订单类型、方向、规模和激进程度，构建了15种订单分类方式，以观察不同交易群体的行为模式。
聚集识别：采用固定窗口法和动态窗口法识别订单聚集的时间区间。固定窗口法简单高效，但易受日内活跃度“U型”特征影响；动态窗口法能自适应不同股票的活跃度特征，更准确地捕捉相对异常的聚集事件。
统计量提取：在聚集区间内，从委托量、委托价格、订单到达间隔、成交量和成交价格等多个维度，提取上千种统计量，全面刻画订单聚集事件的微观结构特征。
日内聚合：定义了10种聚合算子，包括常规聚合（均值、极值、分位数等）和时间聚合（时间衰减、时段均值、时段差值和比值等），将日内多个聚集区间的信息汇总为日频因子。
因子簇构建与筛选：通过上述步骤批量构建订单聚集因子，并筛选出50个有效且相关性较低的因子，形成“订单聚集因子簇”。回测显示，这些因子的年化ICIR绝对值均达到2以上。
订单聚集综合因子：将样本内信息比率最高的20个因子等权合成，得到订单聚集综合因子。回测显示，该因子的月度IC均值为0.082，年化ICIR为3.42，10分组多空对冲年化收益为40.69%，最大回撤为11.14%。
指数增强组合表现：基于订单聚集综合因子构建指数增强组合，在沪深300、中证500和中证1000指数上均取得超额收益，分别为7.39%、11.20%和15.58%，跟踪误差分别为3.59%、3.81%和4.72%，信息比率分别为2.06、2.94和3.30。