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
liuyuzhongcc18 分钟前
List 接口中的 sort 和 forEach 方法
java·数据结构·python·list
鸟哥大大27 分钟前
【Python】pypinyin-汉字拼音转换工具
python·自然语言处理
jiugie35 分钟前
MongoDB学习
数据库·python·mongodb
hzulwy38 分钟前
MongoDB应用设计调优
数据库·mongodb
我爱松子鱼1 小时前
MySQL 单表访问方法详解
数据库·mysql
阿尔法波1 小时前
python与pycharm如何设置文件夹为源代码根目录
开发语言·python·pycharm
xing25161 小时前
pytest下allure
开发语言·python·pytest
眸笑丶1 小时前
使用 Python 调用 Ollama API 并调用 deepseek-r1:8b 模型
开发语言·python
我们的五年1 小时前
MySQL存储引擎:选择与应用
数据库·mysql
dexianshen1 小时前
配置mysql8.0使用PXC实现高可用
python