多因子量化选股系列专题研究和分析报告：结合日内分时特征的量价增强模型.pdfVIP

证券 结合日内分时特征的量价增强模型研究 多因子量化选股系列专题研究 ｜2020.12.31 ▍ ▍ 中信证券研究部 核心观点 本文基于日内分时特征，通过遗传规划算法挖掘股票的日频Alpha 因子。因子 的交易逻辑以价格反转为主。从因子结构看，由于尾盘的“交易属性”更强，尾 盘换手率、尾盘收益率更适于定位出“投资者行为偏差”导致的下跌，这类下跌 的反转概率或较高。基于挖掘出的量价因子构建中证500 指数增强策略，策略 2013 年以来年化超额收益41.4% ，信息比率6.8。 ▍ 高频数据低频化，精细化探寻投资者短期行为模式。 （1）投资者不同周期 的行为模式决定不同周期的市场风格。投资者短期交易行为一定程度由技 术面信息驱动，本文聚焦于通过量价因子刻画微观市场结构、博弈投资者 短期交易行为以获取超额收益。（2 ）传统基于日频行情数据挖掘量价因子 易陷入“基础变量匮乏— 因子结构冗长— 因子容易失效”的恶性循环，日内分 时数据相比日频行情数据蕴含更多信息，有助于精细化刻画投资者行为模 式，为短周期Alpha 预测提供更加丰富的基础变量。 ▍ 遗传规划算法的基本原理：物竞天择，优胜劣汰。遗传规划算法是一种基 于自然进化理论的启发式算法，能够通过不断进化生成更适应环境的种群。 应用于选股因子挖掘时，也能为投资者提供启发式的因子构建方式。 ▍ 基于遗传规划算法的量价因子挖掘。（1）因子评价：以2017 年因子对次 日收益的预测效果评价因子，综合IC 均值、多头组合信息比率构建适应度 函数。 （2）因子生成：因子的生成需要基础数据和算子。本文对日内分钟 行情数据进行“基础降频+分域降频”操作，构建了 84 个日频基础变量、以 及 21 个基础算子。 （3）因子过拟合的应对：选取市场风格、投资者结构 与2017 年差异较大的2015 年进行交叉验证。 ▍ 挖掘出的量价因子结构及其交易逻辑。 （1）挖掘出的因子交易逻辑以价格 反转为主。（2 ）从典型因子结构看，隔夜基本面信息在日中已被充分反映 至股价，尾盘的“交易属性”更强。尾盘换手率、尾盘收益率更适于定位“投 资者行为偏差”导致的下跌，这类下跌未来反转的概率或较高。（3 ）进一 步，股价对隔夜信息的反映、日内价格高位分歧程度等指标可作为股价在 短期内实现反转的胜率增强信号。 ▍ 基于短周期量价因子的指数增强策略： （1）以近3 个月因子多头组合信息 比率为权重合成量价复合因子。T+2 日开盘价相对T+1 日开盘价的收益计 算口径下，2013 年以来，因子 IC 均值为 0.068 ，10 分组下多头相对空头 组合年化收益为 102.86% （未扣费）。（2 ）双边交易