全文可编辑内容-投资策略分析报告：撤单视角下的算法交易识别与Alpha捕捉.pptxVIP

撤单视角下的算法交易识别与Alpha捕捉2025年9月12日

主要结论本文聚焦下单-撤单时间差这一特殊的订单薄特征，挖掘算法交易驱动的订单带来的alpha。【报告亮点】?通过下单-撤单时间差的视角，对算法交易驱动的撤单进行识别与交易逻辑分析。?构建的算法交易买单撤单占比（BABR）与算法交易买卖撤单熵（ACE）因子具有较强选股效果。【主要逻辑】?下单-撤单时间差分布呈现脉冲式集中，集中的时间点可能代表了算法交易驱动的撤单行为。统计这类算法交易撤单与全部撤单的比例，构建算法交易撤单数占比因子（ACCR），因子全区间RankIC达到0.052，ICIR为0.458。?进一步细分撤单的买卖特征，发现买单算法交易撤单笔数/全部买单撤单笔数（BABR）全区间RankIC达到0.059，ICIR达到0.555，IC胜率70.1%。与市值因子、Barra风格因子中性化后，BABR因子仍保留一定选股能力。?构建算法交易买卖撤单熵（ACE）因子，通过引入撤单熵，描述了算法撤单中买卖双方的意见：买卖意见一致性越高，因子值越大。因子RankIC达到0.047，ICIR为0.479。?将ACE与BCBR分别进行横截面排序并转化为百分比排名，两个排名相加得到合成因子。合成因子全区间RankIC达到0.069，ICIR为0.851，IC胜率达到81.5%。IC和IC稳定性相较单因子均有显著提升。选取因子值前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：数据第三方，或有遗漏、滞后、误差；本报告使用历史数据测算完成，存在历史统计规律失效风险；模型假设或与实际市场情况存在差异；市场风格变化风险：市场投资风格可能发生变化，影响当前因子的有效性。资料：Wind，西部证券研发中心2

0102030405060708引言算法交易撤单占比算法交易买单撤单占比算法交易买卖撤单熵撤单占比与撤单熵的合成处理撤单类数据的技术细节总结目录CONTENTS风险提示

一、引言?近年来，随着算法交易的普及，机构为降低冲击成本更倾向于拆分小单?《TrackingRetailandInstitutionalInvestorsActivityinChina》一文将4万元与20万元作为小中大单的划分标准，并统计每种订单中实际交易者的占比；?2017年以来，小单中机构订单的占比逐渐攀升，大单中机构订单的占比则有所回落，传统“大单=机构”假设削弱。图：机构订单在小/中/大单中的占比变化资料：《TrackingRetailandInstitutionalInvestorsActivityinChina》，西部证券研发中心4

一、引言?受算法拆单影响，以挂单金额划分的“机构订单”已难以真实反映机构行为?2013年以来，沪深两市总成交金额整体呈现上升趋势，但平均每笔交易金额明显下滑；?目前主流金融软件和数据库仍按绝对金额划分订单，偏离真实机构交易特征。图：每笔交易平均金额vs总成交金额（月均）图：Wind资金流向定义1816141210828000230001800013000642800002013201420152016201720182019202020212022202320242025平均每笔交易金额（元）总成交金额（百亿元，右轴）资料：Wind，西部证券研发中心5

二、算法交易撤单占比?下单-撤单时间差分布呈现脉冲式集中，可能代表了部分算法交易驱动的行为?UBS在《IdentifyinghumanversusalgotradingintheChinamarket》一文中提出，集中出现的下单-撤单时间差可能反映了由算法交易预设的撤单规则：?自然交易：撤单时间差应随机或在一些时间段内大致均匀分布。?异常特征：若撤单集中在特定时间点，且符合一定交易逻辑→可能为算法交易预设的行为。?以2025年7月为例，统计发生在1分钟内的撤单数量，许多时间点上确实出现了脉冲式集中。图：1分钟内撤单数量统计（2025年7月日度平均，沪深A股）2500002000001500001000005000000100002000030000400005000060000下单-撤单时间差（ms）资料：《IdentifyinghumanversusalgotradingintheChinamarket》、上交所、深交所、Wind、西部证券研发中心6

二、算法交易撤单占比?算法交易撤单时间点的确认?进一步观察10s内的撤单，发现主要集中在几个时间上：0s附近，1s，3s，5s，6s，9s?基于以上发现和机构交易逻辑（散户接触到算