2024年金融工程专题研究：高频订单成交数据蕴含的Alpha信息

深入高频：从日频行情数据到逐笔成交数据

对于量化研究者而言，好的数据是一切策略的开始。在个股数据研究过程中，我们通常可以根据数据类别的不同将其划分为基本面数据、分析师预期数据、量价类行情数据和另类数据等。在这些数据中，个股量价类行情数据凭借其格式规整、覆盖度高、更新频率快、数据量大等特征，受到研究者的广泛关注。特别地，得益于机器学习、深度学习等前沿理论的发展和计算机算力的不断提升，机器学习、深度学习等算法被广泛地应用到量化策略的构建和实战过程中，量价类行情数据在这一应用领域发挥着重要的作用。

深入高频：从日频行情数据到逐笔成交数据

传统的量价类因子构建通常基于个股日频数据，通过高开低收及成交量等指标来描绘股价的波动幅度、成交的剧烈程度以及量价之间的关联程度等。国信金工团队在《动量类因子全解析-20211213》、《反转因子全解析-20220614》、《隐式框架下的特质类因子改进-20220817》和《风险溢价视角下的动量反转统一框架-20221207》等多篇专题报告中，对低频量价类因子的构建展开了讨论。然而随着时间的推移以及市场环境的变化，传统的低频量价因子已经不能满足研究者的需求，颗粒度更细、信息含量更为丰富的高频数据引起了市场的浓厚兴趣。两个完全相同的日度 K 线可能对应着完全不同的日内走势。对于股票 A 和股票 B 而言，其当天开盘价、最高价、最低价和收盘价完全一致，因此两只股票的日 K 线完全相同。但是假如我们观察两只股票的日内走势，可以发现股票 A 在经历了开盘的短暂下跌后日内持续上扬，而股票B 在经历了开盘的快速上涨后日内持续阴跌并于尾盘快速拉升。不同的日内价格走势意味着不同的资金博弈结果，这些结果对股价未来的走势具有一定的预测能力，而遗憾的是这些信息无法在日频数据中得以展现。

为了进一步探索量价数据中的信息，近年来的量价因子构建开始向高频数据深入，例如使用个股的分钟频率数据、秒级别数据等。数据频率的提升使研究者们可以捕捉到股票更多的量与价的变动细节，考察到日频数据所不能刻画的股票状态与中间过程。然而这些分钟级或秒级别的数据条目仍以高开低收及成交量等数据为主，均为集合竞价与连续竞价中订单经过撮合后形成的结果，与日频量价数据相比，没有发生根本性的变化。

本文，我们将深入到行情数据形成的源头——逐笔成交数据，更细致地了解不同买卖订单的角力与碰撞、不同投资者之间的分歧与跟随，以及股票价格变化的全部过程，从而更深刻地理解过往量价数据的变化对未来股票收益的预测作用。

逐笔成交数据介绍

逐笔成交数据，作为颗粒度最细的数据，记录了集合竞价和连续竞价撮合成功的每一笔成交记录，是一切行情数据产生的源头。逐笔成交数据主要记录了每笔成交的数量、价格、时间信息以及本次成交涉及的买卖双方的订单数量、价格信息。

基于订单大小的大单交易占比因子

对于高频订单的考察，最常用的角度即为订单大小。研究者通常依据订单成交额的大小划分为大单、小单，用以表示不同类型的投资者。例如在Wind数据库中，将单笔成交金额大于 100 万元的订单划分为机构投资者发起的超大单。大单通常由机构投资者或资金体量大的个人投资者发起，这些大单的发起者由于其规模优势及专业能力，往往在获取信息的速度、处理信息的能力以及依据信息做出决策的能力上，胜过资金体量较小的个人投资者，因此大单行为的背后也隐藏着这类“优势投资者”的观点和对个股的判断。若能对这些“优势投资者”的行为动向进行跟踪，将有助于我们对个股未来的表现强弱进行判断。

大单定义及识别

近年来，研究人员通常根据订单的绝对金额作为标准来对大小单进行划分。例如在 Wind 数据库中，将单笔成交金额小于 4 万元的划分为小单，4 万元到20万元的订单划分为中单，20 万元至 100 万元的订单划分为大单，100 万元以上的订单划分为超大单。然而，对于不同市值、股价的股票，这种绝对金额的划分方法适用程度各不相同。

在对大单进行判定时，我们对每只股票每天的委买单和委卖单分别进行统计。具体来讲，首先将同一委买 ID（或委卖 ID）对应的实际成交量进行加总，随后将全部实际成交的委买 ID（或委卖 ID）成交量进行降序排列，最后取前10%分位点作为大单划分阈值（剔除开盘集合竞价的成交记录），将成交量大于前10%分位点的委买单（或委卖单）记为“大买单”（或“大卖单”）。

传统大单交易占比因子拆解

由上一小节可知，“传统大单交易占比”因子展现出一定的选股能力，但是总体来讲绩效较为平庸，且月胜率相对较低。本小节，我们从促成成交的委买单和委卖单的“大单属性”出发，对传统大单交易占比因子进行进一步拆解。

由于每一笔订单均是由委买单和委卖单双方撮合交易得到的结果，因此我们可以根据委买单和委卖单是否为“大单”。

基于订单成交时长的漫长订单交易占比因子

订单成交大小与成交时长

衡量订单信息的另一个重要维度就是时长。我们定义订单成交时长为订单第一次成交到最后一次成交间隔的连续竞价时长。

漫长订单定义及识别

在对漫长订单进行判定时，我们对委买订单和委卖订单分别进行统计，先计算不同委买 ID（或委卖 ID）订单的成交时长，随后将全部实际成交的委买ID（或委卖 ID）成交时长进行降序排列，取前 10%分位点作为漫长订单划分阈值（剔除开盘集合竞价的成交记录），最后将成交时长大于前10%分位点的委买单（或委卖单）记为“漫长买单”（或“漫长卖单”）。

漫长订单交易占比因子拆解

与“传统大单交易占比”因子的拆解类似，我们也可基于委买单和委卖单的“时长属性”对不同成交记录的类型进行划分。 以委买单和委卖单均为非漫长订单的成交记录为例，该类型订单的成交笔数占比达到49%，贡献的成交量占比同样达到 45%；对于单边订单为漫长订单的成交记录而言，其成交笔数占比和成交量占比基本保持在 1/4 的水平。

衡量订单特征的其他维度

在前面的两个部分中，我们分别从订单的“大单属性”和“时长属性”两个维度出发，构建了“改进大单交易占比”和“漫长订单交易占比”因子，这两个指标对个股未来收益的预测均有着较为明显的区分作用。事实上，我们还可以从其他特征维度对不同订单特征包含的信息进行衡量，在本小节中，我们从订单的“早尾盘属性”和“高低价属性”两个维度展开讨论。

基于早尾盘属性对订单进行划分

施红俊（2004）采用具有操纵嫌疑的股票分笔数据作为研究样本发现，具有操纵嫌疑的股票收益率、换手率、收益波动率在早盘、尾盘表现出明显的异常，这种异常现象起源于早盘操纵和尾盘操纵。 因此，“早尾盘属性”也是分析订单的一个维度。 我们基于如下方式对“早尾盘订单”进行划分： 早盘订单：第一笔成交时间在 10:00 之前的订单； 尾盘订单：第一笔成交时间在 14:30 之后的订单。通常来讲，一笔成交记录的买卖双方通常同为早盘订单或同为尾盘订单，因此我们根据委买单和委卖单的“早尾盘属性”将其划分为“早盘买&早盘卖”、“尾盘买&尾盘卖”和“非早尾盘买&非早尾盘卖”三种类型。总体来看，“早盘买+早盘卖”成交量占比越高，其未来反转效应越明显，但是该因子的多头表现相对较弱；“尾盘买+尾盘卖”成交量占比越高，其未来也呈现出一定的反转效应，但是该因子的 RankIC 均值相对较低。“非早尾盘买+非早尾盘卖”成交量占比越高，其未来的动量效应越强。

基于高低价属性对订单进行划分

订单的委托价格代表着买卖双方对于当前股价公允价值的看法，因此订单的“高低价属性”也是分析订单的一个维度。我们基于如下方式对“高低价订单”进行划分： 高价单：委托价格处于同类型订单委托价格前10%分位点的订单； 低价单：委托价格处于同类型订单委托价格后10%分位点的订单。通常来讲，一笔成交记录的买卖双方通常同为高价单或同为低价单，因此我们根据委买单和委卖单的“高低价属性”将其划分为“高价买&高价卖”、“低价买&低价卖”和“非高低价买&非高低价卖”三种类型。

大单及漫长订单复合因子

改进大单交易占比因子 VS 漫长订单交易占比因子

由前述分析可知，漫长订单与大单之间具有一定的正相关关系，且“改进大单交易占比”因子和“漫长订单交易占比”因子的构造过程中都采用的是成交量占比的方式，因此二者之间包含的信息可能具有一定的相似性。

复合因子在不同样本空间中的表现

本部分我们考察“大单及漫长订单”复合因子在不同样本空间中的表现，包括常见的宽基指数如沪深 300 指数、中证500 指数、中证1000指数和国证 2000 指数，以及近几年市场关注度较高的不同风格型股票池，如小市值股票池、公募基金重仓股和高股息股票池。 首先我们对近几年市场关注度较高的不同风格型股票池进行如下定义：小市值股票池：沪深股票池中剔除上市时间不满1 年的新股、ST及*ST等风险警示股、三个月内存在 ST 或*ST 等风险警示的股票后，按照其总市值取最小的 1/3 的股票池； 公募基金重仓股：沪深股票池中最近一个基金季报中，被任意一只主动股基持有为前十大重仓股的股票取并集构建的股票池； 高股息股票池：沪深股票池中连续三年均进行现金分红且连续三年的股息支付率均大于 10%的股票池中，股息率处于该股票池前1/3 或处于该股票池中同行业公司前 1/3 的股票。

周频调仓复合因子表现

对于量化研究者而言，对基于高频数据构建的因子，我们不仅关注其在月频调仓下的因子表现，还会关注在更高频率的调仓周期下的因子表现。

基于订单特征的成交量占比因子的统一框架

基于订单特征的精选复合因子

以订单大小和成交时长两个维度为例，我们根据委托单的“大单属性”将订单分为大单、非大单两类，根据委托单的“漫长属性”将订单分为漫长订单和非漫长订单两类，因此同一笔订单在“大单”和“漫长”属性上即拥有4 种取值。由于每一笔成交由买卖双方撮合决定，因此一笔成交记录从类型上可以被划分为4×4=16 种类别。

为了便于理解，我们采用如下方式对不同类型的成交记录进行标记： “BB”表示“Big Buy”，代表该笔成交的委买单是否为大单； “BS”表示“Big Sell”，代表该笔成交的委卖单是否为大单； “LB”表示“Long Buy”，代表该笔成交的委买单是否为漫长订单； “LS”表示“Long Sell”，代表该笔成交的委卖单是否为漫长订单；为了表征订单类型是否属于该类型，我们以 0-1 后缀进行表示。后缀为1代表属于该类别，为 0 代表不属于该类别。由此，“BB1_BS0_LB1_LS0”即代表该笔成交记录中委买单为大单+漫长订单，委卖单为非大单+非漫长订单。我们将每只股票每日具有相同标签的成交记录的实际成交量进行加总，除以当日股票总成交量，即可构建该标签下的成交量占比因子。 事实上，前述部分提到的“改进大单交易占比”和“漫长订单交易占比”，均可由如上 16 个子因子中的某些部分通过简单的线性加总得到。

周频调仓精选复合因子表现

本部分，我们考察精选复合因子在周度调仓频率下的选股能力。可以看到，自2017 年以来，周频调仓精选复合因子的周度 RankIC 均值为 5.2%，年化RankICIR为6.57，周胜率82.6%。从分组周度平均超额收益分布来看，各组展现出严格的单调性，多头周度平均超额收益 0.29%，空头周度平均超额收益-0.41%。

参数敏感性检验

在前述分析中，我们对“大单”及“漫长订单”的判断，均是基于前10%分位点的方式进行划分。本小节，我们对划分阈值参数的敏感性进行检验。

改进大单交易占比因子参数敏感性分析

为了检验“改进大单交易占比”因子对不同阈值划分的敏感性，我们将划分阈值设置为 5%、10%、15%和 20%，观察不同阈值参数下该因子的累计RankIC走势和分组月均超额收益。 可以看到，不同参数阈值设定下，“改进大单交易占比”因子的累计RankIC走势较为稳健，分组月均超额也展现出较好的区分程度，表明该因子的稳定性并不随着参数的变化而发生明显的变化。

漫长订单交易占比因子参数敏感性分析

在对“漫长订单交易占比”因子的不同阈值划分敏感性进行检验时，我们通过检验每只股票 1 秒及以上订单数量在全部订单数量中的占比分布情况发现，对于“漫长订单”的划分采用 10%阈值是一个相对合理的划分方式。具体来讲，我们计算每只股票的全部委买单和委卖单中，成交时长大于0秒的订单数量占各自委托订单的比例；随后，我们将该比例分为不同的区间，观察其落在不同区间的股票数量占比情况。

可以看到，约 60%的股票 1 秒及以上订单占全部订单的比例不足10%，约90%的股票 1 秒及以上订单占全部订单的比例在 15%以内。因此，对于“漫长订单”的划分而言，其阈值不建议大于 15%（因为对于绝大多数股票而言，前15%分位数已经是 0 秒了）。

总结

深入高频：从日频行情数据到逐笔成交数据。 逐笔成交数据介绍：逐笔成交数据主要记录了每笔成交的数量、价格、时间信息以及本次成交涉及的买卖双方的订单数量、价格信息。考察高频订单的几个维度：对高频订单的考察通常可从订单大小、成交时长、成交时间、出价高低等维度入手。

基于订单大小的大单交易占比因子

传统大单交易占比因子：采用分位点的方式对大单进行划分，构建“传统大单交易占比”因子。该因子展现出一定的选股能力，但是总体来讲绩效较为平庸，且稳定性较差。 传统大单交易占比因子拆解：根据每笔成交买卖订单是否为大单，对传统大单交易占比因子进行拆解，发现子因子方向不同，导致因子效果变差。改进大单交易占比因子：我们对构成大单交易占比因子的子因子方向进行调整构建“改进后大单交易占比”。该因子 RankIC 均值达到7.6%，年化RankICIR为3.73，月胜率 88.1%，月度自相关系数 0.81。

基于订单成交时长的漫长订单交易占比因子

漫长订单交易占比因子：采用分位点的方式对订单成交时长进行划分，构建“漫长订单交易占比”因子，其 RankIC 均值为 7.1%，年化RankICIR为3.88，月胜率84.5%，月度自相关系数 0.82。

衡量订单特征的其他维度

我们还可以从“早尾盘属性”及“高低价属性”出发，对订单包含的信息进行多特征维度的衡量。

大单及漫长订单复合因子

大单及漫长订单复合因子：将“改进大单交易占比”因子和“漫长订单交易占比”进行等权合成，构建“大单及漫长订单”复合因子。复合因子的RankIC均值为8.4%，年化 RankICIR 为 4.39，月胜率 88.1%。周频调仓复合因子的周度RankIC均值为 5.1%，年化 RankICIR 为 5.42，周胜率 78.4%。复合因子特征：复合因子更倾向于低估值、大市值、低波动、低换手股票。在剥离掉传统选股因子后，纯净因子仍展现出稳健的选股能力。

基于订单特征的成交量占比因子的统一框架

基于订单特征的成交量占比因子的统一框架：基于委买单和委卖单的“大单属性”和“漫长属性”，对不同类别的成交记录进行分类，分别检验不同类型成交记录交易占比因子的选股能力。 基于订单特征的精选复合因子：精选复合因子的RankIC 均值为8.5%，年化RankICIR 为 5.06，月胜率 90.5%。周频调仓精选复合因子的周度RankIC均值为 5.2%，年化 RankICIR 为 6.57，周胜率 82.6%。

编辑：火腿肠