天软因子数据系列课堂回顾——“委托订单:流动性因子”

高频因子库4月更新,新增5张表单,51个因子。目前,高频因子数量扩容到628个,涵盖了从2000年开始的全A市场。本次"天软因子数据系列课堂"在线分享的即是最新发布因子列表之一的流动性因子,剖析微观角度下因子的底层逻辑,并结合天软因子平台对比因子突出表现。

下面是本次专题的内容回顾:

1

高频因子3.0

因子服务新升级更丰富的因子库、更完善的因子评价体系天软高频因子库以股票高频价量、委托订单、资金流向、时段交易四个方向的高频数据出发,构建包含信息增量的低频化因子;同时也从因子微观结构出发,利用投资者行为差异造成市场信息分布不均匀的特点,寻找合适的市场代理变量,提纯因子表现。

2

委托订单:流动性因子

流动性因子以盘口委托订单数据为基础,通过计算买卖双方的交易成本衡量市场流动状态。其中个股微观流动性的衡量通过计算限价交易成本与市价交易成本的差值表示,最终形成买单流动性、卖单流动性、买卖单流动性不平衡程度等3个流动性因子。

3

因子回测结论与说明

凭借天软因子研究平台的高性能因子回测与全面的因子评价分析,将买单流动性、卖单流动性、买卖单流动性不平衡程度,分别以下场景多角度的IC分析、回归分析、分组分析综合判断因子有效性:

  1. 因子横向对比
  2. 因子回测周期对比
  3. 因子回测域对比

1

因子检验横向对比

场景1分别针对买单流动性、买单流动性、买卖单流动性不平衡程度因子在中证800下进行日频回测及结果对比,探究不同流动性因子表现差异:

1.卖单流动性因子整体呈现负向,买单流动性因子整体呈现正向;IC均值在±0.01左右,有效性较弱;但年化多空收益在±15%左右,因子分组的区分度效果较好;

2.而基于流动性因子构建的买卖单流动性不平衡因子表现较好,IC均值在0.03左右,年化多空收益在45%左右,分组效果较好

2

因子检验回测周期对比

场景2针对买卖单流动性不平衡程度因子在中证800下进行日频、周频、月频回测及结果对比,探究同一流动性因子在不同回测周期表现差异:

随着回测周期的降低,因子表现越来越差,从日频下IC均值0.032、年化多空收益43.47%降低至月频回测下近乎失效,IC均值0.005,年化多空收益6.80%

3

因子检验回测域分析

场景3针对买卖单流动性不平衡程度因子在沪深300、中证500、中证1000指数市场下进行日频回测及结果对比,探究同一流动性因子在不同市场表现差异:

该因子呈现出较为明显的小盘股效应,其在沪深300中IC均值0.03、ICIR为0.21、分组年化多空收益为31.72%;而其在中证1000中表现更优,IC均值0.04、ICIR为0.40、分组年化多空收益为55.41%

天软因子库自推出以来,不断更新迭代,形成了覆盖5个品种,2000余个因子的庞大体系。天软不仅以研究因子贴合市场需求为目标,更注重因子的实用性及可靠性,以期可以为更多投研机构的因子研究工作提供强有力的支撑。

相关推荐
惜分飞几秒前
ORA-600 kcratr_nab_less_than_odr和ORA-600 4193故障处理--惜分飞
数据库·oracle
chian-ocean几秒前
CANN 生态进阶:利用 `profiling-tools` 优化模型性能
数据库·mysql
少云清2 分钟前
【金融项目实战】7_接口测试 _代码实现接口测试(重点)
python·金融项目实战
深蓝电商API3 分钟前
爬虫IP封禁后的自动切换与检测机制
爬虫·python
m0_550024634 分钟前
持续集成/持续部署(CI/CD) for Python
jvm·数据库·python
AC赳赳老秦5 分钟前
代码生成超越 GPT-4:DeepSeek-V4 编程任务实战与 2026 开发者效率提升指南
数据库·数据仓库·人工智能·科技·rabbitmq·memcache·deepseek
心疼你的一切19 分钟前
拆解 CANN 仓库:实现 AIGC 文本生成昇腾端部署
数据仓库·深度学习·aigc·cann
啦啦啦_999919 分钟前
Redis-2-queryFormat()方法
数据库·redis·缓存
B站_计算机毕业设计之家35 分钟前
豆瓣电影数据采集分析推荐系统 | Python Vue Flask框架 LSTM Echarts多技术融合开发 毕业设计源码 计算机
vue.js·python·机器学习·flask·echarts·lstm·推荐算法
Max_uuc39 分钟前
【C++ 硬核】利用链接器魔法 (Linker Sections) 实现“去中心化”的自动初始化与插件系统
去中心化·区块链